Probabilidad y Estadistica 2015 I

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE INGENIERA DE SISTEMAS E INFORMTICA

Escuela Acadmico Profesional de Ingeniera de Sistemas e Informtica
SILABO DE PROBABILIDAD Y ESTADISTICA
1. DATOS GENERALES
Cdigo
Prerrequisito
Crditos
Horas Semanales
Ciclo
Rgimen
Duracin
Semestre
: 2010304
: Calculo II
: Cuatro (4)
: Seis (Teora 2, Prctica 2, Laboratorio 2)
: Cuarto (IV)
: Obligatorio
: 17 semanas
: 2015-I
2. SUMILLA:
La asignatura es un curso bsico, corresponde a la formacin profesional del Ingeniero de Sistemas,
es de carcter terico-prctico; comprende el desarrollo de los temas fundamentales de la estadstica
descriptiva, desarrollo de la teora de la probabilidad y de la inferencia estadstica paramtrica. Los
contenidos estn agrupados en 5 unidades.
unidades. Primera Unidad: Estadstica Descriptiva: presentacin de
datos, tablas de frecuencias y grficas, medidas de resumen. Segunda Unidad: Espacio de
probabilidad: variable aleatoria, caractersticas numricas y distribucin de probabilidad. Tercera
unidad: Conceptos bsicos de inferencia estadstica, muestreo y distribuciones mustrales. Cuarta
unidad: Estimacin de parmetros. Quinta unidad: Contraste de hiptesis.
3. COMPETENCIAS
3.1 COMPETENCIA GENERAL:
El estudiante, al concluir la asignatura, estar capacitado en altos niveles de competencia para
aplicar conceptos, principios y tcnicas para la presentacin de datos, aplicar la teora del clculo de
probabilidades; asociar modelos probabilsticos a fenmenos del mundo real; aplicar tcnicas de
muestreo adecuadas al contexto del problema que se aborda; utilizar adecuadamente las
distribuciones mustrales; determinar tamaos de muestra adecuados a situaciones particulares;
construir intervalos de confianza para estimar parmetros de inters; contrastar hiptesis; conceptos
que le permitir valorar la importancia de la estadstica y su aplicacin en el ejercicio profesional.
3.2 COMPETENCIAS ESPECFICAS:
Aplicar tcnicas para la presentacin de tablas estadsticas y grficos, clculo e interpretacin de
estadgrafos, valorando su aplicacin a situaciones reales de su desarrollo profesional.
Identificar conceptos, principios y tcnicas para el modelado de fenmenos aleatorios, usando el
enfoque de variable aleatoria para el clculo de probabilidades; evaluando las caractersticas
numricas y construyendo modelos de probabilidad, valorando la importancia de su aplicacin
en espacios mustrales finitos e infinito numerables.
Definir y aplicar conceptos de la inferencia estadstica, principios y tcnicas para la eleccin de
una muestra aleatoria, haciendo uso de las distribuciones mustrales, valorando su importancia
en el proceso de inferencia estadstica.
Definir y aplicar conceptos, principios y tcnicas para la construccin de intervalos de confianza,
un aspecto de la inferencia estadstica, que permite estimar parmetros, valorando la importancia
de su uso en muchas reas del quehacer profesional y humano.
Definir y aplicar conceptos, principios y tcnicas para la prueba de hiptesis, contrastando la

teora y la realidad mediante una muestra, valorando su importancia como un problema de
decisin de mucha aplicacin en el quehacer profesional del ingeniero de sistemas.
4. METODO DE ENSEANZA/APRENDIZAJE
El docente, desarrollar la asignatura siguiendo criterios de mediacin, usando el mtodo inductivo,
flexible, participativo y constructivo. Las clases sern expositivas, con un enfoque terico-prctico y
de laboratorio computacional, promoviendo permanentemente la participacin activa de los
estudiantes. Con este fin, se utilizar las tcnicas de exposicin participativa, prcticas y de
laboratorios guiadas. Se elaborarn guas de prcticas y de laboratorios, orientadas a que el
estudiante refuerce los conocimientos adquiridos en las clases tericas. Se har uso de los medios de
cmputo y de software estadstico para el procesamiento de los datos y anlisis de la informacin.
Los estudiantes, participarn activamente a travs del desarrollo de problemas, estudio de casos,
talleres de creatividad, formando grupos pequeos de trabajo cooperativo.
5. PROGRAMACION DE CONTENIDOS
UNIDAD 1: ESTADSTICA DESCRIPTIVA
COMPETENCIA:
Aplicar tcnicas para la presentacin de tablas estadsticas y grficos, clculo e interpretacin de
estadgrafos, valorando su aplicacin a situaciones reales de su desarrollo profesional.
CAPACIDADES
Construye de forma precisa tablas de frecuencias y grficos para distribuciones de variables
cualitativa/cuantitativa y calcula las medidas de tendencia central, posicin, y dispersin.
Calcula e interpreta probabilidades aplicando las definiciones y frmulas pertinentes, las
distribuciones de probabilidades, variables aleatorias y distribuciones especiales.
Determina el tamao de muestra para la estimacin de los parmetros de la poblacin a
travs de la distribucin muestral, que aporten soluciones competitivas y creativas para la
toma de decisiones en el campo de la ingeniera.
Contrasta a travs de la docimasia de hiptesis, la estimacin de parmetros estadsticos
resultantes de la distribucin muestral, con tamaos de muestras adecuados.
SEMA.
CONTENIDOS
CONCEPTUALES
TEORIA
Importancia y mtodos de la
estadstica.
Definiciones:
poblacin, muestra, datos, unidad
de
informacin,
variables
estadsticas. Organizacin de datos
no agrupados y agrupados.
PRACTICA Y LABORATORIO
Identificacin de la muestra en una
poblacin definida, la unidad de
produccin estadstica, tipos de
variables y el uso de mtodos
estadsticos.
TEORIA
Distribucin
de
frecuencias
absoluta, relativa y porcentual
simple y acumulada menor que,
mayor que, para variables discretas
y continuas. Cuadros de reportes de
la informacin, presentacin de
grficos de barras e histogramas.
Identifica los tipos de variables, su
procesamiento, agrupacin en
distribucin de frecuencias simples
y acumuladas. Aplicacin de
normas (INEI) para reportes
ESTRATEGIAS
DIDACTICAS
Mtodos: Deductivo,
lgico, activo,
flexible, de trabajo
colectivo.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo en
laboratorio de
computo.
Mtodos: Deductivo,
lgico, activo, de
trabajo colectivo,
analtico.
Tcnicas: Expositiva
con material de
laboratorio de
cmputo.
EVALUACION
CRITERIOS
INSTRUMENTOS
Comprensin
y aplicacin
Comprensin
aplicacin y
anlisis,
Resolucin de ejercicios
y problemas, pruebas
especficas usando
software estadstico.
especficas usando
estadsticos y grficos.
TEORIA
Medidas de tendencia central y de
Mtodos: Deductivo,
dispersin:
media,
mediana,
lgico, activo,
cuartiles y percentiles, moda.
Medidas de variacin: varianza,
colectivo, analtico.
Comprensin
desviacin estndar, coeficiente de
3
Tcnicas: Expositiva
aplicacin y
variacin.
especficas usando
con material de
anlisis.
Clculos e interpretacin de las
Prctica calificada.
medidas de tendencia central y de
laboratorio de
dispersin.
cmputo.
PRIMERA PRACTICA
CALIFICADA
Referencias:
Moya, Rufino (2009). Estadadstica Descriptiva (7ma. Edicin) Editorial San Marcos (Per)
Velis Capuay (2000). Estadstica Aplicaciones (3ra. Edicin)
Davis JC (2000). Statistics and Data Analysis.
Mario F. Triola (2013). Estadstica (11 Edicin). Editorial PEARSON.
UNIDAD 2: ESPACIO DE PROBABILIDAD. VARIABLE ALEATORIA Y DISTRIBUCION DE

PROBABILIDAD
COMPETENCIA
Aplicar conceptos, principios y tcnicas para el clculo de probabilidades, en espacios
muestrales finitos e infinito numerables, valorando su importancia en la aplicacin a
situaciones reales.
Aplicar conceptos, principios y tcnicas para abordar fenmenos aleatorios, usando el
enfoque de variable aleatoria, clasificndolas, construyendo modelos de probabilidad segn
su tipo, evaluando sus caractersticas numricas y valorando la importancia de su aplicacin
en espacios muestrales infinito no numerables.
CAPACIDADES
Identifica fenmenos aleatorios, caracterizndolos completamente.
Describe el espacio muestral asociado a un fenmeno aleatorio, listando sus elementos por
extensin y por comprensin.
Define axiomticamente la probabilidad, conoce sus propiedades y las demuestra.
Resuelve, en un nivel aceptable, probabilidades de eventos simples y compuestos, usando
propiedades bsicas y tcnicas de conteo.
Identifica las variables aleatorias y las clasifica segn su recorrido.
Aplica adecuadamente los conceptos para construir y hacer uso de distribuciones de
probabilidad de variable discreta y continua, calculando probabilidades de eventos de todo
tipo.
Utiliza las distribuciones de probabilidad para obtener las caractersticas numricas de una
variable aleatoria, haciendo un manejo adecuado de sus propiedades.
Identifica y utiliza modelos de probabilidad especiales, asociados a fenmenos del mundo
real, tanto para variables aleatorias discretas como continuas.
SEM.
4
CONTENIDOS
CONCEPTUALES
TEORIA
Fenmenos Aleatorios. Espacio
Muestral. Eventos: Ocurrencia y
Operaciones con Eventos.
Probabilidad de eventos. Mtodos
de enumeracin. Propiedades
ESTRATEGIAS
DIDACTICAS
Mtodos: Deductivo,
lgico, activo, flexible,
de trabajo colectivo.
Tcnicas: Expositiva
con material de apoyo,
participativa, sesiones
EVALUACION
CRITERIOS
INSTRUMENTOS
Comprensin y
Resolucin de
aplicacin
ejercicios y
problemas, pruebas
especficas.
Asignacin de Probabilidades a
Eventos en Espacios Finitos.
Probabilidad Condicional.
Teoremas: Multiplicacin,
Probabilidad Total, de Bayes.
Prctica dirigida sobre fenmeno
aleatorio,
espacio
muestral,
eventos.
Asignacin
de
probabilidades aplicando tcnicas
de conteo. Probabilidad condicional
e independencia de eventos y
teoremas.
TEORIA
Definicin de una Variable
Aleatoria. Tipos de Variables
Aleatorias.
Variable
aleatoria
Discreta:
Funcin de Cuanta y Distribucin
de probabilidad.
Variable
Aleatoria
Continua:
Funcin
de
Densidad
y
Distribucin de probabilidad.
Funcin
de
Distribucin
Acumulativa de una Variable
Aleatoria. Propiedades.
de trabajo.
Mtodos: Deductivo,
de trabajo colectivo,
analtico.
Tcnicas: Expositiva
de trabajo.
Comprensin
aplicacin y
anlisis.
Resolucin de
ejercicios y
problemas, pruebas
especficas, prctica
calificada.
Prctica dirigida sobre variable
aleatoria
y
distribucin
de
probabilidad.
TEORIA
Esperanza Matemtica de una
Variable Aleatoria: Definicin.
Propiedades.
Varianza de una Variable Aleatoria:
Definicin. Propiedades.
Distribuciones
Especiales
de
Variable
Discreta:
Bernoulli;
Binomial; Poisson; Geomtrica;
Pascal; Hipergeomtrica.
Prctica dirigida sobre esperanza y
varianza de una variable aleatoria.
Prctica
dirigida
sobre
distribuciones
especiales
de
variable discreta
TEORIA
Distribuciones
Especiales
de
Variable Continua: Uniforme;
Exponencial; Normal: Propiedades,
Estandarizacin, Manejo de Tabla.
Prctica dirigida sobre
distribuciones especiales de
variable continua.
EXAMEN PARCIAL
Mtodos: Deductivo,
lgico, activo, de
trabajo colectivo.
Tcnicas: Expositiva
de trabajo.
Mtodos: Deductivo,
de trabajo colectivo.
Tcnicas: Expositiva
de trabajo.
Comprensin y
aplicacin.
Comprensin
aplicacin y
anlisis.
8
BIBLIOGRAFA:
Jay L. Devore, Probabilidad y Estadstica para Ingeniera y Ciencias. CENGAGE Learning.
Resolucin de
ejercicios y
problemas, pruebas
especficas.
Resolucin de
ejercicios y
problemas, pruebas
especficas, examen
parcial.
Mendenhall, Scheaffer, Wackerly, Estadstica Matemtica con Aplicaciones. Grupo Editorial Iberoamrica.
1986.
Vliz Capuay Carlos, Estadstica. Aplicaciones. Editorial San Marcos. 2000.
Walpole & Myers, Probabilidad y Estadstica. McGraw-Hill. Cuarta edicin. 1992
UNIDAD 3: MUESTREO Y DISTRIBUCIONES MUESTRALES

COMPETENCIA
Definir y aplicar conceptos, principios y tcnicas para la eleccin de una muestra aleatoria, tomando en
cuenta los diferentes diseos de muestreo, haciendo uso de las distribuciones muestrales, valorando su
importancia en el proceso de inferencia estadstica.
CAPACIDADES
Define, distingue y aplica correctamente los conceptos bsicos de la inferencia estadstica.
Clasifica y establece diferencias entre los mtodos de muestreo probabilstico, de modo tal que, de
acuerdo al contexto del problema que aborde, selecciona una muestra aleatoria aplicando el diseo
muestral correspondiente.
Distingue y utiliza adecuadamente las distribuciones en el muestreo, establece relaciones entre ellas,
calcula probabilidades mediante el uso de tablas y software estadstico, y aplica sus propiedades.
Distingue y hace uso correcto de las distribuciones muestrales correspondientes a cada una de las
estadsticas propuestas.
Utiliza, en un nivel aceptable, el Teorema del Lmite Central, valorando la importancia de su uso en
las aplicaciones prcticas.
SEM.
10
CONTENIDOS
CONCEPTUALES
TEORIA
Conceptos Bsicos de Inferencia
Estadstica: Poblacin Estadstica.
Muestra Aleatoria. Parmetros.
Estadsticas.
Estimador.
Estimacin.
Inferencia Estadstica: Estimacin
de Parmetros y Prueba de
Hiptesis.
Mtodos comunes de Muestreo
Aleatorio.
Distribuciones en el muestreo: Ji
Cuadrado; t de Student; F de
Snedecor. Uso de Tablas.
Prctica
dirigida
sobre
distribuciones en el muestreo.
TEORIA
Distribuciones
Muestrales:
Distribucin Muestral de la Media
Muestral.
Teorema del Lmite Central.
Distribucin Muestral de la
Varianza Muestral.
Distribucin Muestral de la
Proporcin Muestral.
Prctica
dirigida
sobre
distribuciones muestrales.
ESTRATEGIAS
DIDACTICAS
Mtodos: Deductivo,
lgico, activo,
colectivo.
Tcnicas: Expositiva
con material de
sesiones de trabajo.
Mtodos: Deductivo,
lgico, activo,
colectivo.
Tcnicas: Expositiva
con material de
EVALUACION
CRITERIOS
INSTRUMENTOS
Comprensin y
aplicacin.
Comprensin y
aplicacin.
especficas.
especficas.
BIBLIOGRAFIA
Larson, H., Introduccin a la Teora de Probabilidad e Inferencia Estadstica. Limusa, 1989.
Mtacc Meza Mximo, Estadstica Descriptiva y Probabilidad. Editorial San Marcos.
UNIDAD 4: ESTIMACION DE PARAMETROS

COMPETENCIA
Definir y aplicar conceptos, principios y tcnicas para la construccin de intervalos de confianza, un aspecto de la
inferencia estadstica que permite estimar parmetros, valorando la importancia de su uso en el rea de ingeniera de
sistemas.
CAPACIDADES
Determina la razn por la que se hace estimacin de parmetros.
Identifica y distingue las propiedades de un estimador puntual y las aplica correctamente.
Construye y aplica intervalos de confianza para estimar el parmetro de una poblacin, utilizando
una muestra.
Construye y aplica intervalos de confianza para estimar parmetros de dos poblaciones
independientes, utilizando dos muestras.
SEM.
11
CONTENIDOS
CONCEPTUALES
TEORIA
Estimacin Puntual. Propiedades
de
los
Estimadores.
Estimacin por Intervalos.
Intervalo de Confianza para la
Media de una Poblacin Normal.
Casos.
Varianza de una Poblacin Normal.
Proporcin de una Poblacin de
Bernoulli.
ESTRATEGIAS
DIDACTICAS
Mtodos: Inductivo,
lgico, activo,
colectivo, sinttico.
Tcnicas: Expositiva
con material de
EVALUACION
CRITERIOS
INSTRUMENTOS
Comprensin
aplicacin,
sntesis.
especficas.
Comprensin
aplicacin,
sntesis.
especficas, prctica
calificada
Prctica dirigida sobre intervalos de
confianza para un parmetro.
12
TEORIA
Intervalos de Confianza para la
Razn de Varianzas de dos
poblaciones normales.
Diferencia de Medias de dos
Poblaciones
Normales
Independientes. Casos.
Intervalo de Confianza para Datos
Pareados.
Diferencia de Proporciones en
Poblaciones de Bernoulli.
Mtodos: Inductivo,
lgico, activo,
colectivo, sinttico.
Tcnicas: Expositiva
con material de
Prctica dirigida sobre intervalos de
confianza para dos parmetros.
SEGUNDA PRACTICA
CALIFICADA
BIBLIOGRAFA:
Jay L. Devore, Probabilidad y Estadstica para Ingeniera y Ciencias. CENGAGE Learning.
Mendenhall, Scheaffer, Wackerly, Estadstica Matemtica con Aplicaciones. Grupo Editorial Iberoamrica.
1986.
Walpole & Myers, Probabilidad y Estadstica. McGraw-Hill. Cuarta edicin. 1992
Fuente < citar referencia abreviada>
UNIDAD 5: CONTRASTE DE HIPOTESIS
COMPETENCIA
Definir y aplicar conceptos, principios y tcnicas para la prueba de hiptesis, mediante una muestra, valorando
la importancia de su uso como un problema de decisin, de mucha aplicacin en el quehacer profesional del
ingeniero de sistemas.
CAPACIDADES
Define, distingue y aplica correctamente los conceptos bsicos de la prueba de hiptesis.
Determina la razn por la que se hace prueba de hiptesis.
Formula una hiptesis estadstica referente al valor de un parmetro, realiza el contraste siguiendo el
procedimiento adecuado, toma una decisin y la interpreta.
Compara dos parmetros siguiendo el procedimiento de prueba de hiptesis, toma una decisin y la
interpreta, valorando la importancia de su uso en el quehacer profesional del ingeniero de sistemas.
EVALUACION
CONTENIDOS
ESTRATEGIAS
SEM.
CONCEPTUALES
DIDACTICAS
CRITERIOS
INSTRUMENTOS
TEORIA
Las Hiptesis Estadsticas. Errores
Mtodos: Inductivo,
en la
lgico, activo,
Prueba de Hiptesis: Error de Tipo
I y Error de Tipo II.
Comprensin
colectivo.
Regin
Crtica:
Nivel
de
aplicacin,
13
Tcnicas:
Significacin.
sntesis,
Expositiva con
especficas.
Prueba de Hiptesis para la Media
evaluacin.
material de apoyo,
de una Poblacin Normal.
participativa,
Prctica dirigida sobre pruebas para
la media.
TEORIA
Prueba de Hiptesis para la
Mtodos:
Varianza de una Poblacin Normal.
Inductivo, lgico,
activo, flexible, de
Proporcin de una Poblacin de
trabajo colectivo,
Comprensin
Bernoulli.
14
sinttico.
aplicacin,
Tcnicas:
sntesis.,
Diferencia de dos Proporciones
especficas.
Expositiva con
evaluacin.
Poblacionales.
material de apoyo,
participativa,
Prctica dirigida sobre pruebas de
hiptesis para la varianza y la
proporcin.
15
TEORIA
Mtodos:
Comprensin
Prueba de Hiptesis para la Razn Inductivo, lgico,
aplicacin,
de dos Varianzas poblacionales.
activo, flexible, de
sntesis.,
especficas, examen
Prueba de Hiptesis para la trabajo colectivo,
evaluacin.
final.
Diferencia
de
dos
Medias sinttico.
Poblacionales
Independientes. Tcnicas:
Casos: Varianzas Conocidas y Expositiva con
Varianzas Desconocidas (Iguales y material de apoyo,
Diferentes)
participativa,
Prueba de Hiptesis para la Media sesiones de trabajo.
de Datos Pareados.
Prctica dirigida sobre pruebas de
hiptesis para comparar dos
parmetros.
EXAMEN FINAL
16
EXAMEN SUSTITUTORIO
17
BIBLIOGRAFIA
Jay L. Devore, Probabilidad y Estadstica para Ingeniera y Ciencias. CENGAGE Learning. Sptima Edicin,
2008.
Hines & Montgomery, Probabilidad y Estadstica para Ingeniera y Administracin. CECSA, 1986.
Mendenhall & Sincich, Probabilidad y Estadstica para Ingeniera y Ciencias. Prentice-Hall, 4 Edicin. 1997.
Walpole & Myers, Probabilidad y Estadstica. McGraw-Hill. 4 Edicin. 1996.
6.
EVALUACION
La evaluacin de los estudiantes es integral, continua y permanente. Para el promedio final se tomar en cuenta
los siguientes conceptos: exmenes escritos, prcticas calificadas, desarrollo de listas de ejercicios, informes
escritos y participacin en clases.
CONCEPTO
Examen parcial (EP)
Examen final (EF)
Promedio de prcticas calificadas (PP)
Promedio de trabajos encargados
participacin en clases (PT)
PORCENTAJE
0.3
0.3
0.3
0.1
Se tomar en cuenta la destreza en el uso de las herramientas estadsticas, la claridad en el lenguaje (oral y escrito),
la pulcritud y orden en los exmenes e informes escritos.
El promedio final ponderado se obtendr de la siguiente manera:
P F = 0.3 EP + 0.3 EF + 0.3 PP + 0.1 PT
7.
BIBLIOGRAFIA
BASICA
1. Jay L. Devore, Probabilidad y Estadstica para Ingeniera y Ciencias. CENGAGE Learning. Sptima
Edicin, 2008.
2.
Freund & Miller & Miller, Estadstica Matemtica con Aplicaciones. Pearson Educacin. 6 Edicin.
3.
Freund & Walpole, Estadstica Matemtica con Aplicaciones. Prentice-Hall, 4 Edicin, 1990.
4.
Hines & Montgomery, Probabilidad y Estadstica para Ingeniera y Administracin. CECSA, 1986.
5.
Mendenhall, Scheaffer, Wackerly,
Estadstica Matemtica con Aplicaciones. Grupo Editorial
Iberoamrica. 1986.
6.
Mendenhall & Sincich, Probabilidad y Estadstica para Ingeniera y Ciencias. Prentice-Hall 4 Edicin.
1997.
7.
Montgomery & Runger, Probabilidad y Estadstica aplicados a la Ingeniera. McGraw-Hill. 1 Edicin.

1996.
8.
Scheaffer & McClave, Probabilidad y Estadstica para Ingeniera. Grupo Editorial Iberoamrica. 1993.
9.
10. Walpole & Myers, Probabilidad y Estadstica. McGraw-Hill. Cuarta edicin. 1992
COMPLEMENTARIA
1. Johnson Robert, Estadstica Elemental. Trillas. 2 Edicin.
2.
Larson, H., Introduccin a la Teora de Probabilidad e Inferencia Estadstica. Limusa, 1989.
3.
Meyer, P., Probabilidad y Aplicaciones Estadsticas. Addison-Wesley Iberoamericana, 1992.
4.
Mtacc Meza Mximo, Estadstica Descriptiva y Probabilidad. Editorial San Marcos.
5.
Mtacc Meza Mximo, Tpicos de Inferencia Estadstica. Editorial San Marcos.
6.
Walpole & Myers, Probabilidad y Estadstica. McGraw-Hill. 4 Edicin. 1996.
ENLACES Y SITIOS WEB

http://www.virtual.unal.edu.co/cursos/ciencias/2001065/html/un2/distribucion_normal.html
http://ar.answers.yahoo.com/question/index?qid=20080803091252AAyiMLy
http://webpages.ull.es/users/jjsalaza/curriculum/books/GOBCAN02.pdf
http://www.fisterra.com/mbe/investiga/distr_normal/distr_normal2.pdf
http://www.hezkuntza.ejgv.euskadi.net/r43573/es/contenidos/informacion/dia6_sigma/es_sigma/adjuntos/sigma_27/4_distribucion_normal.pdf
http://www.areagratuita.com/descargasmd/apuntestrabajos/trabajos/matematicas/descargar_aportaciones_de_gauss_al_calculo_integral.pdf

Probabilidad y Estadistica 2015 I

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Probabilidad y Estadistica 2015 I

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE INGENIERA DE SISTEMAS E INFORMTICA

Definir y aplicar conceptos, principios y tcnicas para la prueba de hiptesis, contrastando la

UNIDAD 2: ESPACIO DE PROBABILIDAD. VARIABLE ALEATORIA Y DISTRIBUCION DE

Jay L. Devore, Probabilidad y Estadstica para Ingeniera y Ciencias. CENGAGE Learning.

UNIDAD 3: MUESTREO Y DISTRIBUCIONES MUESTRALES

Vliz Capuay Carlos, Estadstica. Aplicaciones. Editorial San Marcos. 2000.

UNIDAD 4: ESTIMACION DE PARAMETROS

Mendenhall, Scheaffer, Wackerly,

Estadstica Matemtica con Aplicaciones. Grupo Editorial

Montgomery & Runger, Probabilidad y Estadstica aplicados a la Ingeniera. McGraw-Hill. 1 Edicin.

Vliz Capuay Carlos, Estadstica. Aplicaciones. Editorial San Marcos. 2000.

Larson, H., Introduccin a la Teora de Probabilidad e Inferencia Estadstica. Limusa, 1989.

Meyer, P., Probabilidad y Aplicaciones Estadsticas. Addison-Wesley Iberoamericana, 1992.

Mtacc Meza Mximo, Estadstica Descriptiva y Probabilidad. Editorial San Marcos.

Mtacc Meza Mximo, Tpicos de Inferencia Estadstica. Editorial San Marcos.

Walpole & Myers, Probabilidad y Estadstica. McGraw-Hill. 4 Edicin. 1996.

ENLACES Y SITIOS WEB

S-ar putea să vă placă și