Universidad Autonoma “Gabriel René Moreno” FACULTAD DE INGENIERIA EN CIENCIAS DE LA COMPUTACION Y TELECOMUNICACIONES: PROGRAMA ANALITICO DE ASIGNATURA IDENTIFICACION DE.LA MATERIA NOMBRE DE LA ASIGNATURA: Probabilidad y Estadistica I PREREQUISITOS MAT202 SIGLA ¥ CODIGO MAT 302 ‘NIVEL (Quinto Semestre HORAS 6 (SHT-2HP) CREDITOS t REVISADO EN Agosto 2011 2, JUSTIFICACION Para que se pueda desaollr el trabgjo empiric en a cienci de a computa 0 informitc, és dcben mangjar gran informacién numtia. La estaditicn ayuda ena organizacin ysstematizacin de esta informaci deal forma que se prea, en forma simple, entreer medidas numérica ¢infomacién eifica, resumen que pennitan a comprensia de todo ese gran volumen de informaci, Es comin también qu el Informdtico se vea enfrentado a tomar deisiones bajo inceridumbre. La estadistica les permite, através dela ineeiia estdstica, aprovimarse a una buns dei.Universidad Auténoma “Gabriel René Moreno” FACULTAD DE INGENIERIA EN CIENCIAS DE LA COMPUTACION ¥ TELECOMUNICACIONES 3, OBJETIVOS DE LA ASIGNATURA 3. OBJETIVO GENERAL Describit los alcances y los distintos modelos de la infereniaestadistica 1 apicarlos en situaciones concretas, 4, CONTENTDO MINIMO |. VARIABLES ALEATORIAS Il, MODELOS DE DiSTRIBUCION DE PROBILIDADES TIL MUESTREO Y DISTRIBUCIONES DE MUESTREO TV, ESTIMACION DE PARAMETROS POBLACIONALES ', DOCIMASIA 0 PRUEBA DE HIPOTESIS VL. ANALISIS DE VARIANZA ‘5. UNIDADES DEL PROGRAMA ANALITICO ‘UNIDAD I: VARIABLES ALEATORIAS ‘TEMPO: 18 Horas ORIETIVOS: + Distnguir entre, las variables aleatorias, dseretas y continuas y ‘mostrar obmo se pueden utilizar para resolver problemas prctcas + Desarrollar una compresién del concepto variable aleatora, esperanza matemitca, varaza, desviacién estindar y sus aplicaciones en la ‘oma de decisiones y mostrar cimo cies tps de datos dscretos y ontnuos pueden ser representads por tips particulates de modelos smatemitioosi Universidad Auténoma “Gabriel René Moreno” ao FACULTAD DE INGBNIERIA EN CIENCIAS { DE LA COMPUTACION Y TELECOMUNICACIONES " w CONTENIDO 1. VARIABLES ALEATORIAS DISCRETAS Li. Definiién 2. FUNCION DE PROBABILIDAD Li, Funcién de cua 12, Funcién de dstibucén acumulada de una va. discreta 13, Esperanza matemitoa—propiedades 1A, Varian ydesviacin estindar—propidades 3.FUNCION DE DENSIDAD 31, FDA de una va. continua 3.2, Propiodades dea funcié de distibusin scumulada 533, Esperanza matemitca~propiedsdes 34, Variana- propiedades ‘VARIABLES ALEATORIAS —_BIDIMENSIONALES: ‘CONTINUA YDISCRETA 441, Distibucin marginal y eondicional 42. Covariansa 43, Esperanza condicional UNIDAD Il: MODELOS DE DISTRIBUCION ‘TIEMPO: 24 Horas OBJETIVOS: + Introduces dstribuciones de probebilidad que més se uizan en la toma de decisiones, + Prosentar algunas distibuciones de probabilidades discreas coninus ules y mostrar obmo pueden ulizars estas disubuciones para resolver problemas pris.DE LA COMPUTACION Y TELECOMUNICACIONES Universidad Auténoma “Gabriel René Moreno” eo FACULTAD DE INGENIERIA EN CIENCIAS te Ww CONTENIDO 1, MODELOS, DE DISTRIBUCIONES DE PROBABILIDADES DE UNA VARIABLE ALEATORIA DISCRETA LAL Distibucién de Bernoulli 12. Distibueién Binomial 13, Distibucién Hipergeomética, 1.4, Distribucién de Poisson. 1.5, Distribucién Geomética, 1.6, Distibucién Mulinomial 1.7, Bjercicios y problemas 2, MODELOS Y DISTRIBUCIONES DE UNA VARIABLE ALEATORIA CONTINUA 2. Distbucién uniforme. 22, _Disrbucién exponencal 23, Distrbucién norma 24, Aproximacién de fa binomial la normal 2.5. Distrioucidn Hi cuadrada, 26. Distibuciint 2.7. DistioucionF 28. Ejercicios y problemas UNIDAD Ill: MUESTREO Y DISTRIBUCIONES DE MUESTREO ‘TIEMPO: 15 Horas, oBsETIVOs: Tomar una muestra de una poblacion totaly utilizar para describ a la poblacién, ‘© Asegurar que las muestras que se tomen scan una representacin precisa de la poblaci dela que provienen.his Universidad Auténoma “Gabriel René Moreno” & FACULTAD DE INGENIBRIA EN CIENCIAS i ‘| DE LA COMPUTACION ¥ TELECOMUNICACIONES ° y °Inroducr los conceptos de distibuciones de muesteo, + Comprender la relacin entre el costo de tomar muestas mis grandes ¥ la precisién adicional que esto le proporcions a las decisiones tomadas a pani de elas, CONTENIDOS |. MUESTREO, 11. Introduecién, 1.2. Métodos de muestreo, 2. DISTRIBUCION DE MUESTREO 2. Extadigratos y estaditicas 22. Desigualdad Chebyshev 23, Ley de ls grandes nimeros, 24, Teorema de! limite central 2, Distribucién de la media musta 26, Distibucidn: de medas, proporciones,sumas y diferencias. 27. Distibucién muestra de proporciones. 28. Distibucién muestra de la diferencia de dos proporciones. 29, Distibucién de la vrianza muestra 2.10, Disibucidn muestra deta raz de dos varianzas, UNIDAD IV: ESTIMACION DE PARAMETROS POBLACIONALES «+ Explicar los concepos basics de'laestimacién ‘+ Presentar algunos estimadores ¢ iusrar su empleo en situacones de ‘uestreo prctce en las que intervienen una o dos muestas. + Calealar el tmato de musta requrio par cualquier nivel deseado de precisign ena estimacién,Universidad Auténoma “Gabriel René Moreno” FACULTAD DE INGENTERIA EN CIENCIAS DE LA COMPUTACION ¥ TELECOMUNICACIONES CONTENIDOS 1. ESTIMACION PUNTUAL, LL de extinacin 12. Propidades 1.2.1 nsespaildad 1.2. Consstenia 123 Blicienia 124 Sutiienia 1.3, Método de mxima versiniind 2. ESTIMACION DE PARAMETROS POR INTERVALOS 21. Interval de confianza 2.1L. Interval de confianza para la media, 2.1.2. Interval de confianza par la varianza 2.13 .lntervalo de confanza paral azn de dos veranzs. 214 Intervalo de confanza para le diferencia ene dos medias 21.5 Interalo de confanza para le diferencia entre dos medias con bservaciones pareadas, 21.6 Iervalo de confianza para una proporién, 2.7 Intervlo de confisnza para la diferencia entre dos ‘roporciones 21.8 Determinacin del tamafio de Ia mmesta. para Ia medi. 21.9.Determineci del tamafio dela mestra para Proporcones. 21.10, stimacién del tamato de la muestra pare poblacionesfnitas, 2ulUniversidad Auténoma “Gabriel René Moreno” (aan) FACULTAD DE INGENIERIA EN CIENCIAS (a) DE LA COMPUTACION ¥ TELECOMUNICACIONES we ‘UNIDAD V: DOCIMASIA DE HIPOTESIS TIEMPO: 22 Horas ossertvos: ‘+Desarollar a metodolopi de prabas de hipéess como una tcnica pata analiza diferencias y tomar decisions. ‘sDetemminar los riesgos implicados al tomar tales decisions si nos ‘basamos nicamente en la informacion de muestra ‘+ Comprender los dos tpos de eres posibes qu se progucen al docimar las hipstess *Comprender endo ulzar pruebas de una cola y cuindo prucbas de dos colas, INTENIDOS, 1, INTRODUCCION 2, EIPOTESIS ESTADISTICA. 21. Hiptesis simple ycompuesta 22, Hipétess mula yatema 2.3, Prusha de una hipitesis esiadistica 24, Enorestipol yIl 25. Nivel de signifcancia 26. Regidnetticay reg de deisién 27. Procedimiento de la docimasia (probe) dehiptess 3, DOCIMASIA DE HIPOTESIS ACERCA DE UNA MEDIA CON VARIANZA POBLACIONAL UPUESTA CONOCIDA 4, DOCIMASIA DE HIPOTESIS ACERCA DE UNA MEDIA CON VARIANZA POBLACIONAL SUPUESTA DESCONOCIDA §, DOCIMASIA DE HIPOTESIS ACERCA DE UNA VARIANZA 6, DOCIMASIA DE HIPOTESIS ACERCA DE LA RAZON DE. DOS VARIANZASUniversidad Autonoma “Gabriel René Moreno” FACULTAD DE INGENIERIA EN CIENCIAS DE LA COMPUTACION Y TELECOMUNICACIONES 7, DOCIMASIA DE HIPOTESIS ACERCA DE LA DIFERENCTA DE MEDIAS 8, DOCIMASIA DE HIPOTESIS ACERCA DE PROPPORCIONES UNIDAD Vi: ANALISIS DE VARIANZA (ANOVA) TIEMPO: 8 Horas OBJETIVOS: +node los concepos de diseo experimental através del desarrollo «el malo de iso completamente aleatrizao y del proceimento (ANOVA) de una cireccdn tilizado pare pobar les diferencias entre las metias de © grupos y extender este endlisis hasta inluir los models de disci de logue y factorial lestrizado ‘-Comparar més de dos medias de poblacién utilizando el andlisis de varianza,Universidad Auténoma “Gabriel René Moreno” FACULTAD DE INGENIERIA EN CIENCIAS DE LA COMPUTACION Y TELECOMUNICACIONES 6, METODOLOGIA 1. Exposiions con apoyo del pizaa. 2. Expsicone dl tabyjo de investignion por parted os estudiantes. 3. Trebjosgrupales en aula 4, Presentacin ydefensa del tayo final del semeste, 7, CRONOGRAMA SEMANA JT ]2 13415 ]6]7 [8 ]9 |10] M1) 12) 8) 14) 13] 10] 17] 18 ACTIVIDADES Presentacién Tad Tae Fine Paral 5 | Ta j ‘a Tad Sead Fa Tad Tad VE Tame Fal 18, SISTEMA DE EVALUACION Universidad Auténoma “Gabriel René Moreno” FACULTAD DE INGENIERIA EN CIENCIAS DE LA COMPUTACION Y TELECOMUNICACIONES TEM DESCRIPCION VALOR TEMAS 1 | Eximenesytrbajos prcticos | 20% | Después de cada uidad z Primer examen parcial 20% iil EG ‘Segundo examen parcial 0% Tv 4 Examen final 4% Todos los temas 9. BIBLIOGRAFIA TTEM | AUTOR ‘THTULO EDITORIAL [ANO 1 [MENDENHALL- SCHEAFFER |Estdsica matematca | eroumericano | 1986 | con aplicaciones 2 |MILLER T = "FREUND J —|Probabiidad yestadisica | PHH 1982 JHONSON R. para ingenieros 3” | WALPOLER-MYERSR ‘MENDENHALL, WILLIAM. Probabilided yesadstica | Me. Gaw —|1997 aingniriayciensias.| Hil CBCSA y economia SINCICH, TERRY 4 LEVIN, — RICHARD-RUBIN, Estadisticas para PH 1996 | DAVID Administradores 3 | RHOLER, HEINZ Estadstica pra negocios [CESCA | 1996