Está en la página 1de 4

Programa Asignatura( Syllabus)

Unidad Académica Responsable: DEPARTAMENTO DE ESTADISTICA


CARRERA a las que se imparte: INGENIERÍA CIVIL INFORMATICA
INGENIERÍA CIVIL INDUSTRIAL

I.- IDENTIFICACIÓN
Nombre: ESTADISTICA
Código:523210-523219 Créditos: 4 Créditos SCT: [créditos sct]
Prerrequisitos: 520141 520142
Modalidad: Presencial Calidad: Obligatorio Duración: Semestral
Semestre en el plan de Ing. Civil Informática código plan 3319–Semestre:
estudios: Ing. Civil Industrial código plan–3309 Semestre:

Trabajo Académico [promedio trabajo académico total del alumno semanal] 10 hrs.
Horas Teóricas 3 Horas Prácticas: 2 hrs. Horas Laboratorio:0 hrs.
Teoría Práctica Consultas
Horario y Mi: 9:15 a 10:00 A-214 Lu: 15:15 a 16:45 A-415 Lu:10:00 a 11:00. Of. 507
Salas Vi: 8:15 a 9:45 A-214 Mi:10:00 a 11:00 Of. 507

Profesor: María Valenzuela H. e-mail: mvalenz@udec.cl


Oficina 507.Departamento de Estadística
Ayudante: Giovanni Moreno

II.- DESCRIPCIÓN
En este primer curso el alumno conocerá la teoría básica de las probabilidades, cimiento de la
Estadística, que le permitirá comprender los poderosos resultados de la Inferencia estadística

Esta asignatura permite desarrollar en el estudiante un criterio de razonamiento probabilístico


capacitándolo para modelar estocásticamente algunos fenómenos aleatorios del mundo real.

III.- RESULTADOS DE APRENDIZAJE ESPERADOS


El alumno tendrá que:

R1-ser capaz de identificar y caracterizar un modelo probabilístico.

R2- contextualizar la teoría de conjuntos con la ocurrencia de eventos de interés.

R3- utilizar los teoremas básicos en el cálculo de probabilidades.

R4-identificar y usar las técnicas del análisis combinatorio, para calcular probabilidades de
eventos, en espacios muestrales finitos con resultados equiprobables .

R5-definir las variables aleatorias apropiadas en la resolución de un problema.

R6-utilizar los conceptos fundamentales relacionados a las variables aleatorias discretas y


continuas como: función de distribución acumulada, valores esperados, función generadora de
momentos.

R7- ser capaz de reconocer y aplicar las distribuciones de probabilidades más comunes.

R8-desarrollar los conceptos relacionados con variables bidimensionales discretas y continuas.

R9-calcular distribuciones de probabilidades marginales, distribuciones condicionales,


distribución de probabilidades de transformaciones de variables .
R10-conocer los resultados más importantes relacionados con sumas de variables
independientes e idénticamente distribuidas.

R11- aplicar el Teorema del Límite Central.

R12- resumir e interpretar un conjunto de datos.

IV. CONTENIDOS
Teoría de Probabilidad: Teoría básica de probabilidad, Fundamentos axiomáticos, El cálculo
de probabilidades, Análisis combinatorio. Probabilidad condicional e independencia, Variables
aleatorias, Función de distribución acumulada, Función de probabilidad y función de densidad,
Distribución de una función de una variable aleatoria.

Valores Esperados: Esperanza y varianza de una variable aleatoria, Función generadora de


momentos, desigualdad de TChevyshev.

Familia de Distribuciones Comunes: Distribuciones discretas: Bernoulli, Binomial, Binomial


Negativa, Hipergeométrica, Poisson. Distribuciones continuas: Uniforme, Exponencial,
Gamma, Normal.

Variables Aleatorias Múltiples: Distribuciones conjuntas y distribuciones marginales.


Distribuciones condicionales e Independencia, Transformaciones bivariantes, Covarianza y
correlación, Distribución Normal bivariante, Distribución Multinomial.

Propiedades de una Muestra Aleatoria: Conceptos básicos de una muestra aleatoria ,


Sumas en una muestra aleatoria, Estadísticos de orden, Muestreo de una distribución Normal,.
Obtención de la distribución t-Student y F.

Algunos resultados de convergencia. Convergencia en Probabilidad, Ley débil de los


grandes números, Teorema del límite central.

Estadística descriptiva Tipos de variables. Tabulación de datos. Representación gráfica de


distribuciones de frecuencias. Diagrama de tallos y hojas . Box-Plot. Estadísticos de tendencia
central y de dispersión, Percentiles.

V. METODOLOGÍA
Clases expositivas y clases prácticas. Para reforzar los contenidos, en las clases prácticas,
los alumnos trabajaran un listado de ejercicios seleccionados, acorde con los temas ya
desarrollados en las clases teóricas.

Toda la información y documentación respecto de la asignatura, se entregará a través de la


plataforma computacional Infoalumno de la Universidad de Concepción.

VI. EVALUACIÓN
La evaluación del curso involucra dos certámenes escritos (C1 y C2) . Las ponderaciones son
de 45% y 55% respectivamente. La nota final (NF) se obtiene como:
NF=0.45C1+0.55C2
El alumno aprobará si NF es mayor o igual a 4

Si un alumno se ausenta justificadamente a uno de los dos certámenes, deberá rendirlo, el día
Viernes 11 de Julio.

Los alumnos obtendrán la calificación de NCR cuando les falte una o más de las calificaciones
C1 o C2. No estando NCR, el alumno tendrá la opción de dar un examen (E), para mejorar su
nota final . La nota final se obtiene en este caso como:
Nota Final = 0.60NF+0.40(E).
Fechas de las Evaluaciones:
Certamen 1: 12 de mayo,
Certamen 2: 2 de julio
Certamen Faltante: 11 de julio
Examen : 17 de julio
Las clases finalizan el viernes 20 de junio.

VII. BIBLIOGRAFÍA Y MATERIAL DE APOYO


Texto Básico:. Montgomery, G. Runger “Probabilidades y Estadística Aplicadas a la
Ingeniería”. McGraw-Hill. 2004. ISBN: 970-10-1017-5.

Texto Complementario: William Mendenhall "Probability and Statistical Inference". 1996,


J.Wiley. ISBN 0-471-31073-5

VIII.- PLANIFICACIÓN
Respons. Trabajo Resultados de
Semana
Fecha Actividad académ. aprendizaje
Presentación de la Asignatura. María 3h R1, R2
10 -14 Teoría de probabilidades Teoría de Valenzuela
1 Marzo Conjunto. Espacio muestrales.
Marzo Eventos. Ejemplos,
Ejercitación Ayudante 2h
Operatoria con eventos, uniones e 3h R1, R2
17- 21 intersecciones infinitas, ejemplos.
2 Marzo Axiomas de probabilidad.
Ejercitación 2h
Demostración de los Teoremas 3h R2, R3
24 -28 básicos .Análisis combinatorio.
3 Marzo Ejercitación 2h

Probabilidades condicionales, 3h R3 R4
31-04 Teorema de Bayes Independencia de
4
Abril eventos.
Abril
Ejercitación 2h
Concepto de variable aleatoria. 3h R5, R6
07- 11 Variables aleatorias discretas y
Abril continuas. Función de distribución.
5 Función de probabilidad y función de
densidad. Ejemplos.
Ejercitación 2h
Valores Esperados. Esperanza y 1h R1, R5, R6
14-18 varianza de una variable aleatoria,
Abril Función generadora de momentos,
6
Ejercitación Mostrar que la Cauchy
no tiene media 2h
Propiedades de la esperanza, 3h R1, R6
Varianza. Función generadora de
7
21- 25 momentos. Desigualdad de
Abril TChevyshev
Ejercitación 2h
Familia de Distribuciones 3h R1, R7
28– 02 Comunes. Discretas: Bernoulli,
Mayo Binomial, Geométrica, Binomial
8
Negativa, Hipergeométrica,Poisson.
Ejercitación 2h
05– 09 Continuas: Uniforme, Exponencial, 3h R1, R7
Mayo Gamma, Normal, Beta,
9
Ejercitación 2h

12-16 Certamen 1 (12 de Mayo) 2h


Mayo Variables Aleatorias Múltiples: 3h R1, R7, R8
Distribuciones conjuntas y
10 distribuciones marginales. Covarianza
y correlación,
Ejercitación 2h

19 -23 Distribuciones condicionales e 2h R1, R8, R9


Mayo Independencia. Transformaciones
bivariantes
11
Ejercitación 2h

26 - 30 Conceptos básicos de una muestra 3h R1, R7, R9


12 Mayo. aleatoria Sumas en una muestra
Junio aleatoria
Ejercitación 2h
02- 06 Ley débil de los grandes números 3h R1
13 Junio Teorema del límite central R6, R7, R10

Ejercitación 2h
09 -13 Estadística Descriptiva. Diagrama 3h R1, R7, R11
Junio de tallos y hojas . Box-Plot.
14
Estadísticos de tendencia central y de
. dispersión, Percentiles.
Ejercitación 2h
16 -20 Muestreo de una distribución Normal, 3h R1, R7, R11
Junio Propiedades de la media y varianza
15 Muestral.
Ejercitación 2h

30 – 04 Cert. 2 (02 de Julio) 2h


17
Julio
07 – 11 Cert. faltante (11 de Julio 2h
18 Julio

19 14-18 Evaluación de recuperación 2h


Julio (Examen Optativo) 17de Julio
MVH
Marzo 2014
_____________________________________________________________

También podría gustarte