UNIVERSIDAD NACIONAL AUTNOMA DE MXICO FACULTAD DE INGENIERA PROGRAMA DE ESTUDIO

Aprobado por el Consejo Tcnico de la Facultad de Ingeniera en su sesin ordinaria del 19 de noviembre de 2008

INFERENCIA ESTADSTICA
Asignatura Ciencias Bsicas Divisin Ciencias Aplicadas Coordinacin

1675
Clave

6o
Semestre

09
Crditos

Ingeniera Geofsica Carrera(s) en que se imparte

Asignatura: Obligatoria Optativa X

Horas: Tericas Prcticas 4.5 0.0

Total (horas): Semana 16 Semanas 4.5 72.0

Modalidad: Curso Seriacin obligatoria antecedente: Probabilidad y Estadstica. Seriacin obligatoria consecuente: Ninguna Objetivo(s) del curso: El alumno aprender los conceptos y dominar la metodologa y las tcnicas requeridas para analizar y representar el comportamiento de los fenmenos aleatorios. Asimismo tendr las herramientas necesarias para tomar decisiones en situaciones de incertidumbre.

Temario
NM. NOMBRE HORAS

1. 2. 3. 4. 5. 6. 7.

Estadsticos muestrales Estimacin puntual de parmetros poblacionales Estimacin de parmetros por intervalos de confianza Pruebas de hiptesis Regresin y correlacin Introduccin a las series de tiempo Procesos estacionarios

10.5 6.0 6.0 13.5 13.5 12.0 10.5 72.0

Prcticas de laboratorio Total

0.0 72.0

INFERENCIA ESTADSTICA

(2 / 5)

Estadsticos muestrales Objetivo: El alumno aplicar las distribuciones de algunos estadsticos que se utilizan en el muestreo. Contenido: 1.1 Caracterizacin de la media muestral con variancia poblacional conocida y con variancia poblacional desconocida. 1.2 Caracterizacin de la varianza muestral y de la proporcin muestral. 1.3 Comparacin de poblaciones. Diferencia de medias. Diferencia de proporciones. Distribucin F. Relacin de variancias.

Estimacin puntual de parmetros poblacionales Objetivo: El alumno estimar puntualmente uno o varios parmetros y podr elegir el mejor mediante sus caractersticas. Contenido: 2.1 La definicin de estimador puntual. Criterios para elegir estimadores puntuales: insesgabilidad, eficiencia, y error cuadrtico medio. Nocin de consistencia y suficiencia. 2.2 Mtodos para determinar estimadores puntuales: Momentos y Mxima verosimilitud.

Estimacin de parmetros por intervalos de confianza Objetivo: El alumno estimar uno o varios de los parmetros poblacionales mediante la construccin de intervalos de confianza. Contenido: 3.1 La definicin de intervalo de confianza. Nivel de confianza y nivel de significacin estadstica. 3.2 Determinacin de intervalos de confianza con muestras pequeas y grandes para: la media, diferencia de medias, variancia y relacin de variancias; y con muestras grandes para proporciones y diferencia de proporciones.

Pruebas de hiptesis Objetivo: El alumno verificar la validez de las suposiciones sobre los parmetros o la distribucin de la poblacin. Contenido: 4.1 La definicin de una prueba de hiptesis estadstica. Reglas de decisin. Errores tipo I y tipo II. Niveles de significacin estadstica. La potencia de la prueba. 4.2 Pruebas de hiptesis para la media, diferencia de medias, variancia, relacin de variancias, con muestras pequeas y grandes; y para proporciones y diferencia de proporciones con muestras grandes. 4.3 Pruebas de bondad de ajuste. Prueba ji-cuadrada. Prueba Kolmogorov-Smirnov.

INFERENCIA ESTADSTICA

(3 / 5)

Regresin y correlacin Objetivo: El alumno construir un modelo lineal que le permitir explicar o pronosticar el comportamiento de una variable aleatoria en funcin de otras, as como tambin analizar la validez del modelo. Contenido: 5.1 Estimacin de los coeficientes de regresin mediante el mtodo de mxima verosimilitud. 5.2 Anlisis de residuales. 5.3 Intervalos de confianza y pruebas de hiptesis de los coeficientes. Intervalo de confianza para la recta de regresin. Intervalo de prediccin. 5.4 Intervalos de confianza y pruebas de hiptesis del coeficiente de correlacin. 5.5 Nociones de regresin lineal mltiple. 5.6 Modelos linealizables. 5.7 Uso de programas de cmputo.

6 Introduccin a las series de tiempo Objetivo: El alumno establecer la importancia de una variable dependiente de tiempo, analizar los modelos bsicos de una serie de tiempo y aplicar los anlisis necesarios para remover tendencias y periodicidad existentes en series de tiempo. Contenido: 6.1 Objetivo del anlisis de series de tiempo. 6.2 Modelos simples de series de tiempo. 6.2.1 Modelos de media cero: Promedios mviles, suavizamiento exponencial, suavizamiento exponencial adaptativo. 6.2.2 Modelos con tendencia y periodicidad: Doble suavizamiento exponencial. 6.3 Modelos estacionarios y funcin de autocorrelacin. 6.4 Estimacin y eliminacin de las componentes de tendencia y periodicidad: Descomposicin de series de tiempo. 6.5 Pruebas de residuales (ruido): Error cuadrtico medio, desviacin media absoluta. 6.6 Aplicaciones.

Procesos estacionarios Objetivo: El alumno analizar las propiedades bsicas y los procesos lineales de los procesos estacionarios en las series de tiempo. Contenido: 7.1 Propiedades bsicas. 7.2 Procesos lineales. 7.3 Introduccin a los procesos ARMA (Promedio mvil autorregresivo). 7.4 Aplicaciones.

INFERENCIA ESTADSTICA

(4 / 5)

Bibliografa bsica: recomienda: WACKERLY, Dennis D. et al. Estadstica Matemtica con Aplicaciones 6a edicin Mxico Thomson, 2002 MONTGOMERY, Douglas C. y RUNGER, George C. Probabilidad y Estadstica Aplicada a la Ingeniera 2a edicin Mxico Limusa Wiley, 2002 DEVORE, Jay L. Probabilidad y Estadstica para Ingeniera y Ciencias 5a edicin Mxico Thomson, 2001 OPPENHEIM, A. V. y SCHAFER, R. W. Discret time Signal Processing Massachusetts Prentice Hall, 1998 ROSS, Sheldon M. Probabilidad y Estadstica para Ingenieros 2a edicin Mxico McGraw-Hill, 2002

Temas para los que se

1 al 6

1 al 6

1 al 6

6y7

1 al 6

Bibliografa complementaria: BORRAS, Hugo, et al. Apuntes de Probabilidad y Estadstica Mxico Facultad de Ingeniera UNAM, 1985 MONTGOMERY, Douglas C. et al. Introduccin al Anlisis de Regresin Lineal Mxico CECSA, 2002 1 al 6

INFERENCIA ESTADSTICA

(5 / 5)

ROSENKRANTS, Walter A. Introduction to Probability and Statistics for Scientists and Engineers New York McGraw-Hill, 1997

1 al 6

Sugerencias didcticas: Exposicin oral Exposicin audiovisual Ejercicios dentro de clase Ejercicios fuera del aula Seminarios

X X X X

Lecturas obligatorias Trabajos de investigacin Prcticas de taller o laboratorio Prcticas de campo Otras:

X X

Forma de evaluar: Exmenes parciales Exmenes finales Trabajos y tareas fuera del aula

X X X

Participacin en clase Asistencias a prcticas Otras:

Perfil profesiogrfico de quienes pueden impartir la asignatura Licenciatura en Ingeniera, Matemticas, Fsica o carreras afines cuya formacin acadmica en el rea de probabilidad y estadstica sea similar a stas. Deseable con estudios de posgrado o experiencia profesional equivalente en el anlisis estadstico de datos con nfasis en anlisis de series de tiempo y recomendable con experiencia docente o con preparacin en los programas de formacin docente de la Facultad en la disciplina y en didctica.