PR OB AB I L I DAD Y E S T ADI S T I CA

L ic. E st. E VA R ODR Í GUE Z VAGAR I A

Pr ofesor Asociado

Avda 60 es q124 – T el / Fax (0221) 421 – 7578 / 482 - 4855

 CAR R E R A AS I GN AT U R A

DI S ENO CURRI CULAR: 1995 P R OGR AMA S I N T É T I CO

ORDENANZ A C.S UP` . N°
U. T . 1
I NGE NI ERÍ A QUÍ MI CA – 768 PROB AB I LI DAD. VARI AB LE
I NGE NI ERÍ A I NDUS T RI AL – 754 ALEAT ORI A.
I NGE NI ERÍ A EN S I S T EMAS – 764 U. T . 2
I NGE NI ERÍ A MECÁNI CA – 741 DI S T RI B UCI ONES DI S CRE T AS DE
I NGE NI ERÍ A ELÉCT RI CA – 765 PROB AB I LI DAD.
I NGE NI ERÍ A CI VI L – 769 U. T . 3
DI S T RI B UCI ONES CONT I NUAS DE
PROB AB I LI DAD.
U.T . 4
DE PART AMENT O I NT RODUCCI ÓN AL MUES T RE O.
CI E NCI AS B ÁS I CAS U.T . 5
T E ORÍ A DE LA ES T I MACI ÓN.
APROB ACI ÓN C A RES Nº U. T . 6
PRUEB A DE HI PÓT ES I S .
De la CURRI CULA OB LI GAT ORI A U. T . 7
REGRES I ÓN Y CORRELACI ÓN.
ANUAL U. T . 8
PROCES OS E S T OCÁS T I COS .

NI VELES :

I NGE NI ERÍ A QUÍ MI CA – 2° NI VEL

I NGE NI ERÍ A I NDUS T RI AL – 2° NI VEL
I NGE NI ERÍ A EN S I S T EMAS – 2° NI VEL
I NGE NI ERÍ A MECÁNI CA – 3° NI VEL
I NGE NI ERÍ A ELÉCT RI CA – 2° NI VEL
I NGE NI ERÍ A CI VI L – 2° NI VEL

T OT AL DE HORAS : 96 HS .
PARA T ODAS LAS ES PECI ALI DADES

HORAS .S EMANALE S : 3 HS .
PARA T ODAS LAS ES PECI ALI DADES

OB S E R VACI ON E S

OB JE T I VOS DE L A AS I GNAT URA

COMPRENDER Y APLICAR LOS CONOCIMIENTOS DE LA TEORÍA DE LA PROBABILIDAD.

COMPRENDER Y APLICAR LOS CONOCIMIENTOS DE LA ESTADÍSTICA.
UTILIZAR RECURSOS COMPUTACIONALES ADQUIRIDOS EN OTRAS ASIGNATURAS.

VI GENCI A
 E QU I P O D OCE N T E

DI RECT OR DE CÁT EDRA: I ng. Car los Fantini

NÚMERO DE DI VI S I ONES : 11
PROF ES OR A CARGO DE CADA DI VI S I ÓN:
I NGE NI ERÍ A QUÍ MI CA:
DIVISIÓN 3: Prof. Eva Rodríguez Vagaría
INGENIERÍA MECÁNICA:
DIVISIÓN 22: Prof. E va Rodríguez Vagaría
INGENIERIA ELÉCTRICA:
DIVISIÓN 31: Prof. Gladys Lescano
INGENIERÍA CIVIL:
DIVISIÓN 10: Prof. Gladys Lescano
INGENIERÍA INDUSTRIAL
DIVISIÓN 69: Prof. Adolfo Luis Gaiada
DIVISIÓN 77: Ing. Carlos Fantini
INGENIERÍA EN SISTEMAS:
DIVISIÓN 53: Prof. Eva Rodríguez Vagaría
DIVISIÓN 54: Prof. Jorge Pantazis
DIVISIÓN 55: Prof. Jorge Pantazis
DIVISIÓN 64: Prof. Gladys Lescano
DIVISIÓN 68: Eva Rodríguez Vagaría

AR T I CU L ACI ÓN CON OT R AS AS I GN AT U R AS

AS I GNAT URAS O CONOCI MI ENT OS CON QUE S E VI NCULA

CORRELAT I VAS PARA CURS AR

CU R S AD AS Álgebr a y geometr ía analítica; Anális is matemático I AP R OB AD AS

COR R E L AT I VAS P AR A R E N D I R E XAME N F I N AL

Álgebr a y geometr ía analítica
Anális is Matemático I
APROB ADAS
 P R OGR AMA AN AL Í T I CO

B I B L I OGR AF Í A GE N E R AL

OB L I GAT OR I A: MEYE R, Paul- Pr obabilidad y aplicaciones es tadís ticas . E di t or i al :

Addis on- Wes ley I ber oamer icana, 1992.
COMP L E ME N T AR I A: Mc FARLANE MOOD, Alex ander - I ntr oducción a la teor ía de la
es tadís tica. E di t or i al : Aguliar , 1965.
F ELLER, William- I ntr oducción a la teor ía de pr obabilidades y s us aplicaciones .
E di t or i al : Limus a- Wiley S .A. , 1973.
CANAVOS , Geor ge C- Pr obabildad y es tadís tica- Aplicaciones y métodos . E di t or i al : Mc
Gr aw- Hill,1993.
MOORE , David S - Es tadís tica aplicada bás ica. E di t or i al : Antoni B os ch Editor ,1998.
S HAW, S tephen P Es tadís tica par a economis tas y adminis tr ador es de empr es as .
E di t or i al : Her r er o Her manos S ues S .A., 1973.
YAMANE, T ar o- Es tadís tica. E di t or i al : Har la, 1979.
PAPOULI S , Athanas ius - Pr obability, r andom var iables and s tochas tics pr oces s es .
E di t or i al : Mc Gr aw Hill, 1991.
NEWB OLD, Paul – Es tadís tica par a los negocios y la economía. E di t or i al : Pr entice
Hall, 1997.
K EMENY, J. G.; MI RK I L, H.; S NELL, J. S .; T HOMPS ON, G. L.
Matemáticas F initas . Man u al es de E u deba, 1970
S CHWART Z , Mis ha
T r ans mis ión de la infor mación, modulación y r uido. E di t or i al : His pano Amer icana S .
A. 1968

D E S AR R OL L O

UNIDAD TEMÁTICA 1: Probabilidad – Variables aleatorias

Contenidos: Modelos matemáticos. Conjuntos. Experimentos no determinísticos. Espacio
muestral. Sucesos. Concepto de probabilidad. Definiciones: clásica, frecuencial y axiomática.
Espacio de probabilidad. Teorema de adición de probabilidades. Probabilidad condicional e
independencia. Teorema de la probabilidad total. Teorema de Bayes. Diagrama de árbol.
Variables aleatorias: discretas y continuas. Distribuciones discretas. Función de probabilidad.
Función de distribución acumulada. Distribuciones continuas. Función de densidad. Función de
distribución acumulada. Valor esperado de una variable aleatoria. Propiedades. Varianza de una
variable aleatoria. Propiedades. Funciones de variables aleatorias.

Tiempo asignado: 18 hs.

Objetivos

Conceptuales: comprender el significado de espacio muestral, evento y variable aleatoria.

Conocer y entender: concepto de probabilidad, probabilidad conjunta, marginal y condicional,
función de probabilidad,
Función densidad de probabilidad y función de distribución acumulada. Comprender qué es una
medida de tendencia central y de dispersión, en particular, valor esperado y varianza.
Procedimentales: resolver problemas orientados especialmente a la ingeniería.
Actitudinales: valorar los conocimientos adquiridos en las aplicaciones a la ingeniería.

UNIDAD TEMÁTICA 2: Distribuciones discretas de probabilidad

Contenidos: Distribuciones discretas de probabilidad. Distribución binomial. Distribución

multinomial. Distribución hipergeométrica. Distribución uniforme. Distribución de Poisson.
Relación entre modelos discretos. Esperanza y varianza de estas distribuciones. Uso de tablas.

Tiempo asignado: 9hs.

Objetivos

Conceptuales: consolidar el concepto de distribución de probabilidad estudiando algunas de

las más usadas distribuciones discretas de probabilidad. Recordar en qué situaciones deben ser
aplicadas. Entender
cómo se relacionan entre sí y cuáles son sus diferencias. Aprender a calcular el valor esperado y
la varianza de cada distribución.
Procedimentales: recordando las expresiones de cada distribución y sus característcas,
saber aplicarlas a problemas particulares. Aprender a usar las tablas correspondientes.
Actitudinales: valorar las aplicaciones profesionales de los conocimientos adquiridos.

UNIDAD TEMÁTICA 3: Distribuciones continuas de probabilidad

Contenidos: Distribuciones continuas de probabilidad. Distribución uniforme. Distribución

normal. Propiedades de la distribución normal. Tabulación de la distribución normal. Distribución
chi- cuadrado. Distribución “t” de Student. Distribución “F” de Snedecor. Relación entre estas
distribuciones. Uso de tablas.
 Tiempo asignado: 9 hs.

Objetivos

Conceptuales: estudiar y entender las funciones densidad de probabilidad más usadas.

Comprender las analogías compararar con lo estudiado en las distribuciones discretas. Aprender
a calcular la esperanza y el valor esperado de las distribuciones estudiadas.
Procedimentales: utilizar las distribuciones estudiadas en la resolución de problemas,
enfatizando aquellos de aplicación a la ingeniería.
Actitudinales: tomar conciencia y valorar la multitud de situaciones profesionales donde se
deben aplicar los métodos probabilísticos.

UNIDAD TEMÁTICA 4: Introducción al muestreo

Contenidos: Introducción al muestreo. Población. Muestra. Métodos de selección:

probabilístico y no probabilístico. Razones a favor del empleo del muestreo. Muestreo
probabilístico: métodos de selección. Probabilidades en el muestreo con y sin reemplazo.
Muestreo sistemático, estratificado y por conglomerado. Uso de tablas de números aleatorios.
Distribución estadística de la muestra. Función empírica de la distribución. Polígono de
frecuencias. Histograma de frecuencias. Muestreo aleatorio simple. Selección de la muestra.
Distribuciones de muestreos estadísticos. Ley de los grandes números. Teorema central del
límite. Distribución de probabilidad de la media muestral con varianza poblacional conocida.
Distribución de probabilidad de la media muestral con varianza poblacional desconocida.
Distribución de probabilidad de la diferencia de medias muestrales de dos poblaciones con
varianzas poblacionales conocidas. Distribución de probabilidad de la diferencia de medias
muestrales con varianzas poblacionales iguales y desconocidas. Distribución por muestreo de
proporciones y de la diferencia proporciones en muestras grandes y pequeñas.

Tiempo asignado: 12 hs.

Objetivos

Conceptuales: entender los distintos tipos de muestreo. Comprender cómo se ha de seleccionar

una muestra. Comprender la importancia del teorema central del límite y sus consecuencias.
Recordar las distribuciones que corresponden medias, diferencias de medias, varianzas,
cocientes de varianzas y proporciones muestrales.
Procedimenteales: usar los conceptos adquiridos en la resolución de problemas.
Actitudinales: valorar la importancia delo uso del muestreo en problemas específicos en
ingeniería tales como tiempo de ensamblado, detección de artículos defectuosos, etc.

UNIDAD TEMÁTICA 5: Teoría de la estimación

Contenido: Teoría de la estimación. Estimación puntual: los estimadores como función de

decisión. Propiedades de los estimadores: insesgado, consistente, suficiente, asintóticamente
normal, asintóticamente eficiente, óptimo asintóticamente normal. Eficiencia relativa. Método de
máxima verosimilitud.
Estimación por intervalo. Conceptos básicos. Intervalos de confianza. Intervalos de confianza
en casos de poblaciones normales: para la media poblacional cuando se conoce la varianza de la
población y cuando no se conoce, para la diferencia de medias poblacionales cuando se conocen
las respectivas varianzas poblacionales y cuando no se conocen y son iguales, para la proporción
y diferencia de proporciones en muestars grandes. Distinguir el caso de muestras de gran
tamaño y de pequeño tamaño. Determinación del tamaño de la muestra en la estimación.

Tiempo asignado: 18hs.

Objetivos

Conceptuales: comprender y diferenciar los conceptos de estimador y valor estimado

conectándolos con concepto de variable aleatoria. Entender las características que resultan
convenientes que posean los estimadores.
Aprender cuál es la distribución de probabilidad correspondiente de cada estimador estudiado,
y cómo se puede determinar el tamaño de la muestra, según las condiciones deseadas por el
profesional.
Procedimentales: resolución de problemas específicos, especialmente de aplicaciones
ingenieriles, determinando estimados puntuales e intervalos de confianza.
Actitudinales: apreciar la importancia en la resolución de problemas profesionales de la teoría
de la estimación.

UNIDAD TEMÁTICA 6: Prueba de hipótesis

Contenidos: Prueba de hipótesis. Hipótesis estadísticas: simples y compuestas. Conceptos
básicos del procedimiento de la prueba de hipótesis. Prueba de hipótesis para la media
poblacional. Prueba de hipótesis para la diferencia de dos medias poblacionales. Prueba de
hipótesis para la proporción poblacional. Prueba de hipótesis para la diferencia de dos
proporciones poblacionales. Prueba de hipótesis para la varianza y para la comparación de
varianzas de dos poblaciones normales. Potencia de una prueba de hipótesis. Curva operativa y
curva de potencia.

Tiempo asignado: 12 hs.

Objetivos

Conceptuales: entender qué es una prueba de hipótesis y aprender a formular las hipótesis
adecuadas. Aprender a aplicar la distribución correspondiente según el parámetro cuyo valor se
estima. Comprender los conceptos de potencia de una prueba, y curva de potencia y curva
operativa.
Procedimentales: aplicar los conceptos anteriores a la resolución de situaciones concretas, en
particular de problemas de ingeniería.
Actitudinales: valorar esta técnica como una herramienta muy importante para resolver
muchas cuestiones de la profesión.

UNIDAD TEMÁTICA 7: Regresión y correlación

Contenido: Introducción. Relación entre dos variables. Conceptos básicos en el análisis de la
regresión. Estimación mediante la línea de regresión. Método de mínimos cuadrados. Análisis de
correlación: coeficientes de correlación y de determinación. Cómo hacer inferencias sobre los
parámetros poblacionales. Uso de los análisis de regresión y correlación: limitaciones, errores y
advertencias.
 Tiempo asignado: 12 hs.

Objetivos

Conceptuales: comprender cómo se pueden seleccionar dos variables aleatorias y en qué

caso puede suponerse lineal. Entender el rol que juega el coeficiente de correlación. Aprender el
método de mínimos cuadrados.
Procedimentales: resolución de problemas, aplicando los conceptos desarrollados.
Actitudinales: apreciar el estudio de correlación como una técnica importante de aplicación
en la ingeniería.

UNIDAD TEMÁTICA 8: Procesos estocásticos

Contenido: Introducción. Matrices estocásticas. Matrices estocásticas regulares. Cadenas de
Markov. Probabilidades de transición de orden superior. Distribuciones estacionarias. Estados
absorbentes. Función de autocorrelación. Densidad espectral de potencia. Ruido blanco. Ruido
blanco de banda limitada. Detección por correlación.

Tiempo asignado: 6 hs.

Objetivos

Conceptuales: comprender los conceptos de proceso estocástico, proceso de ensayos

independientes, proceso estocástico independiente, y proceso de Markov. Entender el concepto
de cadena de Markov, de matriz estocástica, de cadena de Markov regular, de cadena de Markov
ergódica, de estado absorvente. Asociar el valor esperado con autocorrelación.
Procedimentales: usar los conceptos de procesos estocásticos, y de covarianza en el estudio
de los problemas de ruido, y el de autocorrelación en el estudio de los espectros de potencia.
Actitudinales: valorar la importancia del conocimiento de los procesos estocásticos en las
aplicaciones de la ingeniería, en particular, en los procesos de transmisión de información.

MATERIALES CURRICULARES

U. T. I
MEYER, Paul L. Capítulos I, II, III, IV, V. VII
NEWBOL, Paul. Capítulos III, IV: IV.1, IV.2, IV. 3, IV.4, V: V.1, V.2, V.3
CANAVOS, George Capítulos II y III
U.T. II
MEYER, Paul. Capítulos IV y VIII
NEWBOL, Paul. Capítulo IV: IV.5, IV.6, IV. 7
CANAVOS, George. Capítulo IV.
U.T III
MEYER, Paul L. Capítulos IX, XIV: XIV.8
CANAVOS, George. Capítulos V, VII: VII.6, VII.8
U.T. IV
MEYER, Paul L. Capítulo XIII
CANAVOS, George. Capítulos I y VII
NEWBOL, Paul. Capítulo VI
U.T. V
MEYER, Paul L. Capítulo XIV
CANAVOS, George. Capítulo VIII
NEWBOL, Paul. Capítulos VII y VIII
U. T. VI
MEYER, Paul L. Capítulo XV
CANAVOS, George. Capítulo IX
NEWBOL, Paul. Capítulo IX
U. T. VII
CANAVOS, George. Capítulo XIII
NEWBOL, Paul. Capítulo XII
U. T. VIII
KEMENY, MIRKIL, SNELL Y THOMPSON. Capítulo VI
SCHWARTZ, Misha. Capítulo VII: VII.13, VII.14.
 P L AN I F I CACI ÓN D E CÁT E D R A

CR ON OGR AMA
U N I D AD Y / O T E MA ACT I VI D AD E S T I E MP O
U. T. Uno Exposición y resolución de problemas 18 hs.
adecuados a los temas desarrollados.
U. T. Dos Idem U.T. 1 9 hs.
U. T. Tres Idem U.T. 1 9 hs.
U. T. Cuatro Idem U.T. 1 12 hs.
U. T. Cinco Idem U.T. 1 18 hs.
U. T. Seis Idem U.T. 1 12 hs.
U. T. Siete Idem U.T. 1 12 hs.
U. T. Ocho Idem U.T. 1 6 hs.
 P L AN I F I CACI ÓN D E CÁT E D R A
ME T OD OL OGÍ A D I D ÁCT I CA
Las clases de exposición teórica se combinan con ejercicios de aplicación. En el aprendizaje del
uso de tablas estadísticas, la interacción con el alumno para aprender el manejo de las mismas
hace la clase muy dinámica.

E VAL U ACI ÓN
Dos evaluaciones de los trabajos prácticos, en cada cuatrimestre, que deben ser aprobadas
por el alumno para poder rendir el examen final de la materia. Por cada evaluación, hay dos
recuperatorios. La evaluación final, que permite aprobar la materia, es un examen (oral y escrito)
abarcador de todos los contenidos teóricos y prácticos del ciclo lectivo.

R E CU R S OS AU XI L I AR E S N E CE S AR I OS

Toda la bibliografía pertinente