PROBABILIDAD Y ESTADÍSTICA

OBJETIVO GENERAL: Proporcionar conceptos fundamentales de probabilidad e inferen-

cia estadística que permitan al estudiante interpretar adecuadamente datos e información de
fenómenos aleatorios correspondientes a su formación profesional.

CONTENIDO DEL CURSO

1- ESTADÍSTICA DESCRIPTIVA

1.1 Introducción
Concepto de Estadística. Reseña Histórica. Importancia de la Estadística.
1.2 Agrupación de Datos y Distribución de Frecuencias
Recolección, organización de datos. Distribución de frecuencias. Frecuencia absoluta, relativa
y acumulada. Histograma, polígono de frecuencias, diagrama circular y ojiva.
1.3 Medidas de Tendencia Central
La media. La mediana. La moda. Interpretación de las Medidas de Tendencia Central.
1.4 Medidas de Dispersión
El Rango. La desviación. La desviación media. La varianza. La desviación estándar. El
coeciente de variación. Cálculo e interpretación de cada de una de las medidas de Dispersión.
1.5 Medidas de Posición
La mediana. Cuartiles. Deciles. Percentiles. Cálculo e interpretación de las medidas de
posición. Diagrama de caja (boxplot), elaboración e interpretación.
1.6 Medidas de Forma
Coeciente de asimetría. Cálculo e interpretación. Curtosis. Cálculo e interpretación.
1.7 Aplicaciones en R.

2- INTRODUCCIÓN A LAS PROBABILIDADES

2.1 Experimentos aleatorios, espacio muestral y eventos.

2.2 Técnicas de conteo.
2.3 Medidas de probabilidad: denición, Axiomas de probabilidad y propiedades.
2.4 Principio de la Multiplicación y Diagramas de árbol.

1
2.5 Probabilidad condicional, teorema de la probabilidad total, teorema de Bayes.
2.6 Independencia de eventos.
2.7 Aplicación.

3- VARIABLES ALEATORIAS DISCRETAS

3.1 Denición de variable aleatoria discreta.

3.2 Variable aleatoria discreta: función de probabilidad, función de distribución, propiedades
y representación gráca.
3.3 Esperanza de una variable aleatoria discreta y propiedades.
3.4 Varianza de una variable aleatoria discreta y propiedades.
3.5 Modelos de probabilidad discretos: Uniforme, Bernoulli, Binomial, Poisson, Hiperge-
ométrica (opcional: Geométrica y Pascal).
3.6 Funciones generadoras de momentos de cada una de las distribuciones denidas.
3.7 Simulación de variables aleatorias discretas.

4- VARIABLES ALEATORIAS CONTINUAS

4.1 Denición de variable aleatoria continua.

4.2 Variable aleatoria continua: función de densidad, función de distribución, propiedades y
representación gráca.
4.3 Esperanza de una variable aleatoria y propiedades.
4.4 Varianza de una variable aleatoria y propiedades.
4.5 Modelos de probabilidad continuos: Uniforme, Exponencial, Gamma, Erlang, Normal
(opcional: Beta, Rayleigh, Maxwell, Weibull).
4.6 Funciones generadoras de momentos de cada una de las distribuciones denidas.
4.7 Aproximación de la distribución Binomial a la distribución Normal (Opcional).
4.8. Aplicación práctica. Simulación.

5- VARIABLES ALEATORIAS MULTIDIMENSIONALES

5.1 Clases de variables aleatorias conjuntas.

5.2 Variables aleatorias discretas conjuntas. Funciones de probabilidad y distribución (conjun-
tas y condicionales).

2
5.3 Variables aleatorias continuas conjuntas. Funciones de densidad y distribución (conjuntas
y condicionales).
5.4 Características especiales de las variables aleatorias conjuntas: Valor esperado, varianza,
covarianza, coeciente de correlación; Distribución de la media Muestral para poblaciones nor-
males, TLC (Teorema del Límite Central).
5.5 Independencia de n-variables aleatorias.
5.6 Funciones generadoras de momentos de variables aleatorias conjuntas.
5.7 Transformación de variables aleatorias.
5.8 Aplicación práctica.

6- CONCEPTOS BÁSICOS SOBRE INFERENCIA ESTADÍSTICA

6.1 Conceptos básicos sobre Inferencia Estadística

6.2 Distribuciones muestrales, Teorema Central del Límite, Chi-cuadrado, T-Student y F de
Fisher.
6.3 Estimación puntual y por intervalo para la media, la proporción y la varianza.
Propiedades de un estimador. Métodos de estimación puntual. Estimación por Intervalo.
Cálculo del tamaño muestral.
6.4 Pruebas de Hipótesis
Introducción. Procedimiento para una prueba de Hipótesis. Tipos de errores. Pruebas de
hipótesis sobre la media, la varianza y la proporción. Pruebas de hipótesis sobre la diferencia
de medias, igualdad de dos varianzas y diferencia de dos proporciones.
6.5 Aplicaciones.

Bibliografía
1- Blanco Castañeda, Liliana. Probabilidad. Universidad Nacional de Colombia. 2004.
2- Canavos, George. Probabilidad y estadística. Aplicaciones y métodos. Ed Mc Graw-Hill.
3- *** Devore, Jay L. Probabilidad y Estadística para Ingeniería y Ciencias. Séptima
Edición. Cengage Learning Editores, México, 2008.
4- *** Johnson Richard A. Probabilidad y Estadística para Ingenieros. Octava Edición.

3
PEARSON EDUCACIÓN, México, 2012 .
5- Meyer, Paul. Probabilidad y aplicaciones estadísticas. Ed Addison-Wesley. Iberoamericana.
6- Montgomery, Douglas & Runger, George Probabilidad y estadistica aplicadas a la ingenieria.
Ed Mc Graw-Hill.
7- Robert V. Hogg and Allen Craig. Introduction to Mathematical Statistics. Macmillan
Publishing Co. Inc. New York.
8- Sheldon, M Ross. Probabilidad y estadística para ingenieros. Ed Mc Graw-Hill. 2000.
9- Suárez C, Julio Fernando. Introducción a la Teoría de Probabilidad. 1a . Ed. Centro de
publicaciones, Universidad Nacional de Colombia, Sede Manizales.
10- *** Walpole Ronald E., Myers Raymond H., Myers Sharon L., Keying Ye. Probabilidad

y Estadística para Ingeniería y ciencias. Novena Edición. PEARSON EDUCACIÓN,

México, 2012.