INGENIERIA INDUSTRIAL

TRENQUE LAUQUEN RACEDO 298 - Tel.: (02392) 422023 - ARGENTINA

MATERIA: Probabilidad y Estadística SEGUNDO NIVEL

Bloque: Ciencias Básicas ANUAL

Disciplina: Matemática
CARGA HORARIA
Hs. Reloj/Año: 72 Hs. Reloj/Sem: 2 PROFESOR
Hs. Cátedra/Año: 96 Hs. Cátedra/Sem: 3 RESPONSABLE

TEORICAS PRACTICAS Federico D. Kovac

RELOJ CATEDRA RELOJ CATEDRA Adjunto Ordinario

Semanales Anuales Semanales Anuales Semanales Anuales Semanales Anuales AUXILIAR

1 36 1,5 48 1 36 1,5 48 Carlos F. Piccinini

JTP Interino
ASIGNATURAS CORRELATIVAS PRECEDENTES

PARA CURSAR PARA RENDIR

Tener Aprobada: Análisis

Tener Cursada: Matemático I, Algebra y Geometría Analítica.
Matemático I, Algebra y
Tener Aprobada:
Geometría Analítica

Disciplina Carga horaria

Matemática 96

Física 0

Química 0

Sistemas de representación y fundamentos de informática 0

Biología 0

Otros (ciencias de la tierra, geología, etc.) 0

Total 96

1
I.-OBJETIVOS
Comprender y aplicar los conocimientos de estadística, comprender y aplicar los conocimientos de las
probabilidades, utilizar recursos computacionales adquiridos en otras asignaturas.

En cuanto a los contenidos, el objetivo principal es proveer a los alumnos las herramientas básicas sobre la
teoría de Probabilidad y Estadística, de aplicación inmediata en cualquier carrera de ingeniería. En cuanto a
la formación, se pretende continuar y profundizar la formación de los alumnos en cuanto a los procesos
deductivos, el razonamiento riguroso y el pensamiento estructurado, iniciado en las asignaturas previas de
matemática.

Al terminar el curso el alumno deberá estar capacitado para usar las herramientas de probabilidad y
estadística necesarias en otras asignaturas de la carrera, así como realizar tratamiento estadístico de datos.
Además se pretende que la formación sea lo suficientemente sólida como para que el alumno pueda
aprender por si solo material más avanzado no incluido en este curso, y que pudiera necesitar en su
desempeño como profesional o en estudios de postgrado.

II.-METODOLOGÍA DE ENSEÑANZA.

Las clases teóricas son exposiciones a cargo del encargado de cátedra (en forma de clase magistral). En estas
clases se dan contenidos, poniendo particular énfasis en el significado de las cosas y en que se entienda el
por que de los resultados, tratando de no caer en un exceso de abstracción matemática, pero sobre todo
evitando que la clase sea un recetario para resolver problemas.

En las clases prácticas los alumnos trabajan de forma individual en la resolución de problemas, y son guiados
por el encargado de cátedra y los auxiliares. Los alumnos cuentan con guías de problemas confeccionadas
con tres tipos de ejercicios: los rutinarios, para fijar conceptos y notación, los más avanzados y de
aplicaciones, donde se requiere cierto manejo más que elemental para hacerlos, y los más difíciles y
teóricos, que son además, una invitación a pensar.

Se le asegura al alumno que con los contenidos dados en la clase teórica se pueden resolver los problemas
de las guías, y se lo insta a pensarlos uno por uno de manera individual, después de haber estudiado
cuidadosamente la teoría. En caso de que encuentre dificultades, se lo guía para que pueda seguir (o
comenzar), pero sin decirle por completo como se resuelve el problema, de forma tal que el alumno
encuentre por si solo el camino. Se trata de que el alumno entienda que lo que tiene que aprender no es
solo como resolver cierto problema, sino que tiene que aprender a darse cuenta (por si solo, pensando)
como usar las herramientas teóricas para resolver cada problema. Una ves encontrado el camino, la
resolución en si del problema es una cuestión mecánica (aunque no despreciable). Se pide a los alumnos,
además, que una vez resueltos cierta cantidad de problemas (y no antes), intercambie opiniones y formas
con sus compañeros. Así, toda a asignatura está apuntada hacia el auto-aprendizaje, en cuanto se pretende
no solo que el alumno adquiera ciertos conocimientos matemáticos, sino que aprenda “como funciona” la
matemática.

En cuanto al uso de herramientas de software para el desarrollo de la asignatura, lo podemos describir en

tres categorías:
 Microsoft Powerpoint: se utiliza en todas las clases teóricas para la exposición de los temas
mediante filminas. Las mismas son de apoyo, para facilitar la compresión de los diferentes temas
aportando detalles gráficos que no se pueden lograr a mano alzada, en un espacio de tiempo breve,
con calidad suficiente.
2
  Infostat: es un paquete específico para estadística, con algunas aplicaciones didácticas, desarrollado
en Argentina, de excelente calidad y con una versión gratuita. Se utiliza en clases teóricas y prácticas,
en función de contestar o ejemplificar cuestiones que surgen en el dictado, principalmente en los
siguientes temas: estadística descriptiva, variables aleatorias continuas y discretas, distribución
conjunta, estimación de parámetros, test de hipótesis, y regresión. Los estudiantes tienen, además,
asignaciones prácticas de casos de estudio en el espacio de la asignatura en el Campus Virtual.
 STA: Statistical Toolbox: incluimos esta como una de muchas aplicaciones Android que permiten
realizar cálculos estadísticos con cualquier teléfono celular que utilice el sistema Android.

III.- METODOLOGÍA DE EVALUACIÓN.

En cuanto a la evaluación, se toman durante la cursada tres exámenes parciales más dos exámenes
recuperatorios, uno al final de la cursada (cuyo contenido depende de los parciales desaprobados por cada
alumno), y un recuperatorio general en febrero, antes de cerrar la cursada. Es requisito para regularizar la
cursada que el alumno apruebe al menos dos (de primera o en instancia de recuperación), y entregar en
tiempo y forma las guías de trabajos prácticos solicitados por el Jefe de Trabajos Prácticos de la asignatura
(ejercicios resueltos y problemas de aplicación de herramienta informática). Los exámenes parciales son
escritos, y consisten de problemas de similar carácter (pero no meras variaciones numéricas) a los que están
en las guías de problemas. En cuanto a los exámenes finales (que pueden rendir los alumnos que han
regularizado la cursada, según la reglamentación vigente), son escritos y orales: en la parte escrita se toman
problemas similares a los de los exámenes parciales, aunque con carácter integrador, y en la parte oral el
alumno explica la resolución de tales problemas, relacionándolos con el marco teórico correspondiente. La
forma de evaluación, así como las fechas y contenidos de los exámenes parciales se explican a los alumnos
en la primera clase.

En cuanto a los criterios de aprobación (de las instancias evaluadoras), es condición necesaria y suficiente
manejar todos los contenidos evaluados. La calificación final depende de la soltura con la que se manejen los
contenidos, y dicha soltura se evalúa en función de lo realizado por los alumnos en los exámenes (parciales o
finales).

Al tomar un examen, se explica a los alumnos que lo importante no es sólo el resultado de un problema sino
también la explicación de cómo se llega al resultado. Los exámenes escritos se corrigen cuidadosamente y se
entregan a los alumnos, y se les pide que revisen minuciosamente y estudien la diferencia entre lo que
hicieron y lo que debían hacer, pues ahí está la clave para entender el nivel de conocimiento al que deben
acceder para aprobar la materia.

IV.- CONTENIDOS MINIMOS

Definición de probabilidad. Espacio de probabilidad. Experimentos repetidos. Fórmula de Bernouilli.

Teorema de Bayes. Variables aleatorias. Distribuciones y densidades. Funciones de variables aleatorias.
Momentos. Distribuciones y densidades condicionales. Variables aleatorias independientes. Variables
aleatorias conjuntamente normales. Sucesiones de variables aleatorias. La Ley de los grandes números. El
teorema central del límite. Interferencia estadística. Fórmula de Bayes. Muestras. Estimadores consistentes,
3
suficientes, eficientes. Máxima verosimilitud. Estimación por intervalo de confianza. La distribución Chi
Cuadrado. Verificación de hipótesis. Introducción a los procesos estocásticos. Procesos estacionarios. Ruido
blanco y ecuaciones diferenciales como modelos de procesos. Correlación y espectro de potencia.
Computación numérica, simbólica y simulación.

V.- PROGRAMA ANALÍTICO.

1- ESPACIOS DE PROBABILIDADES: Introducción, interpretación de probabilidad. Espacio muestral, eventos.

Axiomas de un espacio de probabilidad, teoremas básicos. Cálculo de probabilidades por medio del análisis
combinatorio y frecuencias relativas.

2- PROBABILIDAD CONDICIONAL: Independencia de eventos. Definición de probabilidad condicional.

Teorema de Bayes. Teorema de las probabilidades totales.

3- VARIABLES ALEATORIAS Y DISTRIBUCIONES: Definición de variables aleatorias. Función de distribución

acumulada. Densidades discretas y continuas. Resúmenes indicativos de variables aleatorias: esperanza,
varianza, momentos, media y mediana. Desigualdad de Tchebyshev. Función generatriz de momentos.

4- DISTRIBUCIONES DISCRETAS: Introducción. Distribución uniforme. Distribución binomial, procesos de

Bernoulli. Distribución de Poisson. Distribución hipergeométrica. Distribución geométrica. Propiedades
particulares. Cálculo de momentos. Ejemplos de aplicaciones.

5- DISTRIBUCIONES CONTINUAS: Introducción. Distribución uniforme. Distribución Normal. Distribución

Exponencial. Distribución Gamma y Erlang. Propiedades particulares. Cálculo de momentos. Ejemplos de
aplicaciones.

6- VARIABLES ALEATORIAS MULTIDIMENSIONALES: Distribución conjunta de variables aleatorias. Variables

aleatorias independientes. Covarianza y correlación. Distribución marginal y condicional. Funciones de una o
más variables aleatorias. Distribuciónes Chi-Cuadrado, F de Snedecor y t de Student. Distribución Normal
multivariada. Ley de los grandes números, Teorema central del límite. Distribuciones aproximadas por la
distribución Normal.

7- NATURALEZA DE LOS MÉTODOS ESTADISTICOS: Datos, población y muestra aleatoria. Clasificación de

datos. Representaciones gráficas de datos. Representación gráfica de distribuciones empíricas. Momentos
empíricos. Distribución de la media y la varianza muestral.

8- ESTIMACIÓN DE PARAMETROS: Inferencia estadística. Estadísticos. Estimadores insesgados. Mejor

estimador insesgado (de varianza mínima). Estimadores de máxima verosimilitud. Intervalos de confianza.
Estimación de medias y varianzas. Diferencia de medias y de proporciones.

9- CORRELACIÓN Y REGRESION: Curva de regresión, coeficiente de correlación. Regresión Normal.

Coeficiente de correlación muestral. Regresión linear, mínimos cuadrados.

10- TEST DE HIPOTESIS: Tipos de errores, hipótesis nula y alternativa, región crítica. Hipótesis simple y
compuesta, test óptimo para una hipótesis simple. Lema de Neyman-Pearson. Test de hipótesis para medias

4
VI. INTEGRACIÓN VERTICAL Y HORIZONTAL

Materia Tema Nivel

Algebra y Geometría Analítica Vectores, matrices. Producto interno. 1

Análisis Matemático I Todos los contenidos 1

Análisis Matemático II Funciones de varias variables. Integrales 2

múltiples

Ingeniería en Calidad Estadística descriptiva. Distribuciones. 5

Teorema Central del Límite. Test de Hipótesis.
Regresión.

Investigación Operativa Procesos de Poisson. Distribuciones continuas 4

y discretas. Esperanza.

Planificación y Control de Estadística descriptiva. Teorema Central del 4

Producción Límite.

Ingeniería en Calidad Estadística descriptiva. Distribuciones. 5

Teorema Central del Límite. Test de Hipótesis.
Regresión.

VII.- BIBLIOGRAFÍA.

Bibliografía Básica:

CANAVOS, GEORGE C.: Probabilidad y Estadística, Aplicaciones y Métodos. McGraw-Hill (1988).

MEYER, PAUL L.: Introductory Probability and Statistical Applications. Addison-Wesley (1981).

MONTGOMERY, D., RUNGER, G.: Probabilidad y Estadística Aplicadas a la Ingeniería. McGraw-Hill (1996).

Bibliografía Complementaria:

DeGROOT, MORRIS H.: Probability and Statistics, 2nd Edition. Addison-Wesley Publishing Company
(1989).

GRINSTEAD, C. and SNELL, J.: Introduction to Probability. Edición electronica gratuita, ver
www.dartmouth.edu/~chance

HOEL, PAUL G.: Introduction to Mathematical Statistics, 5th Edition. John Wiley & Sons (1984).

MYERS, R., WALPOLE, R.: Probabilidad y Estadística. McGraw-Hill (1992).

ROSS, SHELDON M.: Introduction to Probability Models, 5th Edition. Academic Press, Inc. (1993).

5
VII. GUÍA DE TRABAJOS PRÁCTICOS

Clasificación de los Trabajos Prácticos

Formación Práctica

Resolución de Práctica Total

Formación Actividades de
problemas abiertos profesional
experimental proyecto y diseño
de ingeniería supervisada
Hs. Reloj: 0 Hs.
Hs. Reloj: 0 Hs. Hs. Reloj: 0 Hs. Hs. Reloj: 0 Hs. Hs. Reloj: 0
Cátedra: 0 Cátedra: 0 Hs. Cátedra: 0
Cátedra: 0 Cátedra: 0

Los trabajos prácticos consisten en la resolución de problemas rutinarios.

VIII.-PLAN DE CATEDRA

UNIDAD TEMA HORAS Horas

Reloj Cátedra
1 ESPACIOS DE PROBABILIDADES 4.5 6

2 PROBABILIDAD CONDICIONAL 4.5 6

3 VARIABLES ALEATORIAS Y DISTRIBUCIONES 9 12

4 DISTRIBUCIONES DISCRETAS 9 12

5 DISTRIBUCIONES CONTINUAS 9 12

6 VARIABLES ALEATORIAS MULTIDIMENSIONALES 9 12

7 NATURALEZA DE LOS MÉTODOS ESTADISTICOS 9 12

8 ESTIMACIÓN DE PARAMETROS 9 12

9 TEST DE HIPOTESIS 4.5 6

10 CORRELACIÓN Y REGRESION 4.5 6

VIGENC IA 2015 2016