ESCOLA UNIVERSITRIA D'ENGINYERIA TCNICA INDUSTRIAL DE BARCELONA

GRADO EN INGENIERA. TODOS LOS GRADOS

Ficha de descripcin de asignatura

Siglas:
Cdigo:

ESTADSTICA

Asignatura:

EST
820002

Versin (ao): 2010

Obligatoria.
Tipo:
Idioma: Castellano /
Cataln.

Crditos totales ECTS:

6,0

Horas totales:

Crditos presenciales Teora:

1,2

Horas presenciales Teora:

30

Horas presenciales Problemas:

Horas presenciales Laboratorio:
Horas presenciales actividades dirigidas:
Horas aprendizaje autnomo:

15
15
90

0,6
Crditos presenciales Problemas:
0,6
Crditos presenciales Laboratorio:
Crditos presenciales actividades dirigidas: 3,6
Crditos aprendizaje autnomo:

Cuatrimestre: 4
2
Nivel:
Descriptores (BOE): Probabilidad, Estadstica.

150

Pablo Buenestado, Jos Gibergans

Departamento de Matemtica Aplicada III Seccin Urgell.
No procede.
No procede.
Consolidar los conceptos fundamentales de la estadstica, desarrollando la capacidad de aplicacin en problemas
de ingeniera.
Capacitar al estudiante para utilizar con buen criterio las herramientas estadsticas necesarias para la
modelizacin y la resolucin de problemas del mbito.
Objetivos especficos Tema 1: Exponer el mtodo estadstico como una metodologa para el estudio de diversos problemas de
de cada tema:
la ingeniera. Repasar de forma breve la evolucin histrica de la Estadstica. Describir una
Coordinador:
Profesores:
Prerrequisitos:
Correquisitos:
Objetivos
generales:

metodologa para la organizacin, representacin y reduccin de datos que faciliten la evaluacin e

interpretacin de los mismos. Investigar la existencia de dependencia lineal entre dos variables.
Tema 2: Transferir al estudiante las bases probabilsticas para modelizar sistemas sujetos al azar.
Describir, motivando con ejemplos prcticos, muchos de los conceptos necesarios para el posterior
estudio de la Inferencia Estadstica.
Tema 3: Exponer el concepto de variable aleatoria. Estudiar las variables aleatorias calculando su
esperanza, varianza y diversos momentos. Definir el concepto de variables aleatorias independientes.
Exponer la importancia de la transformacin de variables aleatorias en su aplicacin a la ingeniera.
Relacionar todos estos conceptos con los estudiados en el tema de anlisis exploratorio de datos.
Tema 4: Definir y estudiar las distribuciones de probabilidad ms utilizadas en la ingeniera como son la
binomial, poisson, normal, etc. Determinar cundo y cmo se puede aproximar la distribucin
binomial por una poisson o una normal.
Tema 5: Exponer algunos conceptos tericos bsicos con respecto al muestreo y a la inferencia
estadstica. Ilustrar distintas tcnicas por medio de las cuales puede aplicarse el proceso inductivo de la
inferencia estadstica para proporcionar resultados tiles y confiables.
Tema 6: Explicar la estimacin puntual y estudiar los dos mtodos ms habituales para la determinacin
de un estimador que son el mtodo de los momentos y el de mxima verosimilitud. Estudiar las
propiedades ms importantes de los estimadores. Explicar la estimacin por intervalos y aplicarla a la
estimacin de la media, proporciones y varianzas. Estudiar el contraste de hiptesis y aplicarlo al
contraste de medias, proporciones, etc. Contrastar los parmetros de la regresin lineal. Contrastar
modelos probabilsticos mediante la prueba de 2yeltestdeKolmogorovSmirnov.
Objetivos
transversales:

Aprendizaje autnomo y trabajo en grupo.

Comunicacin eficaz oral y escrita.
Sostenibilidad y compromiso social.

Programa de Teora:
Tema 1: Introduccinyestadsticadescriptiva
LaEstadsticaenlaingeniera.Tiposdedatos.Distribucindefrecuencias.Representacionesgrficas.Medidasde
tendenciacentral.Medidasdevariabilidad.DesigualdaddeChebyshev.Diagramadecaja.Medidasdeasimetray
apuntamiento.Momentos.Descripcinconjuntadedatos.Modeloderegresinlineal.

Tema2:Elementosdeprobabilidad
Anlisiscombinatorio.Algebradesucesos.Probabilidad:axiomasypropiedades.Probabilidadcondicionada.Sucesos
independientes.Teoremadelaprobabilidadtotal.TeoremadeBayes.
Tema 3: Variablesaleatorias
Variablesaleatoriasdiscretasycontinuas.Funcindemasadeprobabilidadyfuncindedensidaddeprobabilidad.Funcin
dedistribucindeprobabilidad.Medidasdecentralizacin.Medidasdedispersin.TeoremadeChebyshev.Momentos.
Funcingeneratrizdemomentos.Transformacindevariablesaleatorias.Variablealeatoriabidimensional.Distribuciones
conjuntasymarginales.Distribucionescondicionadas.Variablesaleatoriasindependientes.
Tema 4: Modelosprobabilsticosenlaingeniera
Distribucinuniformediscreta.DistribucionesdeBernouilli,BinomialyBinomialnegativa.DistribucindePoisson.
Distribucinuniformecontinua.Distribucinexponencial.Distribucinnormal.

Tema5:Muestreo
Muestreoaleatorio.Distribucionesdelosestadsticosmuestrales.TeoremadelLmiteCentral.Distribucionesparael
muestreo:tdeStudent,2iFdeSnedecor.
Tema6:Estimacinycontrastedehiptesis
Estimadores:definicinypropiedades.Leyesdelosgrandesnmeros.Estimacinpuntual:Mtododelosmomentosy
mtododelamximaverosimilitud.Estimacinporintervalosdeconfianza.Contrastedehiptesisparamtricas.Contraste
dehiptesissobrelosparmetrosdelmodeloderegresin.Contrastedemodelos:prueba2ytestdeKolmogorov
Smirnov.
Prcticas de Laboratorio:
1. Introduccin al software. Estadstica Descriptiva.
2. Regresin lineal.
3. Transformacin de variables aleatorias.
4. Modelos probabilsticos.
5. Simulacin.
6. Estimacin puntual i Teorema del Lmite Central.
7. Contraste de hiptesis / Sintesis.
Actividades Dirigidas:
No procede.
Carga semanal del estudiante en horas:
Tipo actividad / Semana

10

11

12

13

14

15

Teora
Prcticas
Problemas
Actividad dirigida
Trabajo individual
Trabajo en grupo
Pruebas y exmenes
Otras actividades
TOTAL

2
2
1
-

2
0
1
-

2
2
1
-

2
0
0
-

2
0
1
-

2
2
0
-

2
0
1
-

2
2
1
-

2
0
1
-

2
2
1
-

2
0
1
-

5
8

3
8

5
8

5
8

3
8

5
8

2
2
1
1
3
8

2
0
1
-

3
8

2
2
1
1
3
8

5
8

3
8

5
8

3
8

6
9

0
1
1
2
3
8

16

17

18

19

20

Total

28
15
13

10
10

10
10

3
7
10

7
87
150

Metodologa docente: La asignatura utiliza la metodologa expositiva, el trabajo individual y el trabajo en grupos. En el trabajo
individual el estudiante se preparar para la realizacin de las pruebas parciales de evaluacin. En el trabajo en grupos el estudiante
trabajar los informes de prcticas y diversas colecciones de ejercicios y problemas.

Recursos de informacin:
Devore, Jay L. Probabilidad y estadstica para ingeniera y ciencias. 6 ed. Mxico: Thomson, 2005. ISBN 97-0686-457-1.
Freund, John E.; Miller, Irwin; Miller, Maryless. Estadstica matemtica con aplicaciones. 6 ed. Mxico: Prentice Hall, 2000.
ISBN 97-0170-389-8.
Montgomery, Douglas C.; Runger, George C. Applied statistics and probability for engineers. 4th ed. New York: John Wiley &
Sons, 2006. ISBN 978-04-7174-589-1.
Navidi, William; Garca Hernndez, Ana Elizabeth. Estadstica para ingenieros. Mxico: McGraw-Hill, 2006. ISBN 97-0105-6299.
Pujol Vzquez, Gisela; Gibergans Bguena, Josep; Garca Ciaurri, Fernando. Problemes d'estadstica amb aplicaci a l'enginyeria.
Barcelona: UOC; 2009. ISBN 978-84-9788-774-8.
Vicent, Llus; Villalb, Ramn. Probabilitat. Barcelona: Enginyeria i Arquitectura La Salle. Universitat Ramon Llull, 2007. ISBN
978-84-9313-510-2.
Walpole, Ronald E. [et al.]. Probabilidad y estadstica para ingeniera y ciencias. 8 ed. Mxico: Pearson Educacin, 2007. ISBN
978-97-0260-936-0.
Recursos complementarios:
Horra Navarro, Julin de la. Estadstica aplicada. 3 ed. Madrid: Daz de Santos, 2003. ISBN 84-7978-554-3.
Delgado de la Torre, Rosario. Probabilidad y estadstica para ciencias e ingenieras. Madrid: Delta, 2008. ISBN 84-9647-774-6.
Fernndez-Abascal, H. [et al.]. Ejercicios de clculo de probabilidades: resueltos y comentados. Barcelona: Ariel, 1995. ISBN
84-3440-483-4.
Gonick, Larry; Smith, Woollcott. La estadstica en cmic. 2 ed. Barcelona: Zendrera Zariquiey, 2002. ISBN 84-8418-041-7.
Ipia, Santiago L.; Durand, Ana Isabel. Inferencia estadstica y anlisis de datos. Madrid: Pearson Educacin, 2008. ISBN 97884-8322-404-5.
Sawitzki, Gnther. Computational statistics: an introduction to R. [s.l.]: CRC Press, 2009.
UPC. Grup dInnovaci Matemtica E-learning. A: UPC. Universitat Politcnica de Catalunya [en lnea]. Barcelona: UPC, juliol
2009 [Consulta: 27 juliol 2009]. Disponible a: http://bibliotecnica.upc.es/gimel/.
The R Project for Statistical Computing. A: Department of Statistics and Mathematics [en lnea]. [s.l]: WU Wien, setembre 2009
[Consulta: 3 Setembre 2009]. Disponible a: http://www.r-project.org/
Criterio de evaluacin:
Controles parciales: 60 % Ejercicios/problemas: 10 %
ltimo control: %
Prcticas:
20 %
Otras pruebas:
10 %
Mtodos de evaluacin: La evaluacin se llevar a cabo mediante la valoracin por parte del profesor/a.
Los estudiantes pueden superar la asignatura mediante la evaluacin continuada a partir de los controles parciales y la realizacin
de ejercicios y prcticas. Del mismo modo, el profesorado podr establecer los mecanismos oportunos (exmenes, trabajos, etc.)
para la recuperacin del total o parte de la asignatura.
Evaluacin de competencias: En esta asignatura se evalan las competencias Trabajo en grupo y Comunicacin eficaz oral y
escrita, mediante los informes de prcticas y/o las respuestas de los ejercicios de los exmenes, as como con los trabajos y/o
actividades que el profesor considere convenientes para dicho fin.