FUNDAMENTOS DE LA PROBABILIDAD Y LA ESTADISTICA

Ing. Alfredo Rojas Lagarde Dr. Adrian Canzian

Colaboracin: Ing. Laura Gelsi

UNIVERSIDAD TECNOLOGICA NACIONAL

FACULTAD REGIONAL GENERAL PACHECO DEPARTAMENTO DE CIENCIAS BASICAS

Agradecemos al Lic. Hugo Fernandez y al Dr. Horacio Bosch la revisin que hicieron de este trabajo y sus valiosos comentarios.

Los Autores

PROLOGO He sido honrado por el Director del Departamento de Ciencias Bsicas de la Facultad Regional General Pacheco para escribir estas lneas presentando el texto "Fundamentos de la Probabilidad y la Estadstica" cuyos autores son el Ingeniero Alfredo Rojas Lagarde y el Licenciado Adrian Canzian. No soy especialista en ninguna de las dos disciplinas que el ttulo antes consignado expresa, razn por la cual esta introduccin carecer de los habituales comentarios y elogios de todo prologo sobre la importancia y trascendencia de tal o cual teorema, la originalidad de su tratamiento, la necesidad imperiosa de los conceptos de la estadstica para la ingeniera y todo lo que suele ser escrito en estos casos. Todo eso, sencillamente lo doy por hecho porque lo que s voy a hacer es escribir sobre Rojas, como habitualmente me dirijo a l y sobre Adrin. Cuando el lector sepa de quienes se trata, las distintas consideraciones tcnicas de todo prlogo estarn superadas. Con respecto a Rojas, lamento tener que remontarme al pasado pero ni Rojas ni yo podemos sustraernos al paso del tiempo. Mi ms remoto recuerdo sobre l se sita en la Facultad de Ingeniera donde yo trajinaba pasillos y aulas como alumno y Rojas lo haca como uno de los ms respetados docentes de aquellos dorados aos universitarios anteriores a 1966. Despus de mucho tiempo y yo ya definitiva e irreversiblemente ligado afectiva y laboralmente a la Universidad Tecnolgica Nacional y ocupando la jefatura del Departamento de Matemtica en la Facultad Regional nombrada, recibo la inesperada visita de Rojas. Me peda -l a m!- si poda colaborar con el Departamento en Algebra o en alguna otra asignatura. Sus razones para alejarse del lugar en el que lo conoc eran exactamente las mismas por las que yo ya lo haba hecho. Cuando se pierde la escala humana y los alumnos pasan a ser simples nmeros de legajo, el contrato implcito que hace que la vida del Profesor Universitario sea rica y plena se pierde y se corre el riesgo de entrar en una rutina en donde mquinas de ensear repiten ao a ao ante pasivos oyentes, algo cuya sumatoria debera ser el contenido de una materia. Por supuesto agot esfuerzos que felizmente fueron exitosos porque Rojas pas desde ese momento a integrar el cuadro de Profesores de la Facultad y, sobre todo, pas a constituirse en un referente para el quehacer docente. Cada vez que pude o puedo ya que ambos seguimos en la brecha me reno con l porque aparte del culto por el humor y sus infaltables cigarrillos siempre la conversacin evoluciona hacia ideas bsicas de universidad, docencia, investigacin, ingeniera, desarrollo, etctera, temas que son de nuestro comn inters y preocupacin. Normalmente estas reuniones comienzan cuando me toma del brazo, me lleva hacia un sitio en el que supone que nadie escucha y, complotando, me dice qu podemos hacer para mejorar esto? Debe decirse que Rojas no fue el nmero uno de una importantsima empresa de esas que ahora se dicen multinacionales por la sencilla razn que no quiso serlo. Prefiri, mejor dicho, opt por ser INGENIERO dedicndose de lleno a las disciplinas que hacen a este texto aplicndolas a todo aquello de inters para la empresa, evitando as la carga no tcnica que necesariamente implica la gestin y la conduccin. Debe decirse tambin que en una oportunidad me pidi organice un seminario sobre simulacin de trfico telefnico. As lo hice y, siguiendo su pedido, limit a algo as como seis los inscriptos porque quera trabajar con papel y lpiz, sobre una mesa con interlocutores que pudiesen seguirle el tren. Creo que all demostr que las centrales de la entonces compaa telefnica estaban mal dimensionadas. Jams pidi retribucin alguna por este seminario. Sencillamente lo consider una obligacin de su parte. Menudo ejemplo!

Esas charlas con toda esa experiencia junto a un rigor emergente de aquella universidad que no vuelve y sobre todo, valores compartidos sobre los temas ya expresados me permitieron esclarecer ciertas ideas bsicas que ya son, por lo menos para m, cuerpo de doctrina. Debo agradecrselo. Puede alguien rebatir que ninguna universidad es ms que su cuerpo de profesores? Puede alguien discutir que la infraestructura y el equipamiento son intiles si no hay cerebros en aptitud de aprovecharlos? Puede aceptarse jugar a la investigacin y al desarrollo? Puede exigirse un ejercicio a los alumnos que no haya sido previamente resuelto por el docente? Puede darse clase improvisando? Puede un Profesor Universitario no ser capaz de escribir, por lo menos, el contenido de sus clases? Por supuesto esta lista puede extenderse pero no vale la pena hacerlo porque la ejemplificacin debera estar lograda. Rojas es ejemplo de todo eso. Y doy un paso ms. Fue capaz de asistir como un alumno cualquiera a las clases de Teora de Campos porque necesitaba entender bien algunos temas relacionados con la teora de la relatividad y supo que quien la dictaba era un fsico de primer nivel, colega y amigo. Creo que en esa vitalidad, ansias de saber y amor por su trabajo se encierra un secreto de vida que todos deberamos imitar. Adrian por su parte arrib a nuestra Facultad Regional con su ttulo de Licenciado en Fsica y dados los primeros pasos en investigacin. Comenz su actuacin como docente y, por sus mritos obtuvo una beca de la Universidad Tecnolgica Nacional para doctorarse. Tiene una lnea de investigacin definida, comienza a ser conocido y, lo que es an mejor, reconocido en la misma y en lo que atae a estas lneas debe decirse que ha logrado una empata muy importante con Rojas, que como podr imaginarse con certeza, no acepta facilmente colaboradores. l y otros en similares condiciones acadmicas son el futuro para la Universidad. Una profunda satisfaccin llena el pecho cuando lo que se ha ido atesorando durante aos de estudio, investigacin, desarrollo y experiencia es aceptado y recibido y queda la certeza de que ha valido la pena haber elegido este camino. "Fundamentos de la Probabilidad y la Estadstica" seguramente rene la enorme experiencia profesional y docente de Rojas y los nuevos aires emergentes del cuarto nivel que transita Adrin. Es posible que, en beneficio de la ingeniera, no utilice algunos recursos emergentes de modas matemticas o de cultores a ultranza del rigor - debera decirse de la oscuridad- pero me atrevo a afirmar que seguramente ser un magnifico texto para todo aquel que desee trabajar esas disciplinas. Por ltimo y seguramente quien haya ledo toda esta introduccin ya lo sabe, pero en ocasiones es necesario decirlo para que perdure, somos varios los que experimentamos el legtimo orgullo de considerarnos amigos de Alfredo Rojas Lagarde; Rojas, como le decimos todos los que verdaderamente lo sentimos como amigo, Adrin entre ellos. Jorge J. L. Ferrante Octubre 2006

DE LOS AUTORES

Ing. Alfredo Rojas Lagarde Ingeniero Civil. Facultad de Ingeniera. Universidad de Buenos Aires. Bachellor of Science in Electrical Engineering. University of Michigan. Profesor Asociado (regular) de Probabilidad y Estadstica. Facultad de Ingeniera. Universidad de Buenos Aires. Jefe de Ctedra de Probabilidad y Estadstica. Facultad Regional Gral. Pacheco. Universidad Tecnolgica Nacional. Profesor Titular (ordinario) de Algebra y Geometra Analtica y de Probabilidad y Estadstica. Facultad Regional Gral. Pacheco. Universidad Tecnolgica Nacional. Gerente de Proyectos Especiales. Divisin Ingeniera de la Compaa Standard Electric Argentina. Consultor de la Divisin de Ingeniera de Telefona de Siemens y Sitsa.

Dr. Adrian Canzian Doctor de la Universidad de Buenos Aires. Rama Ingeniera. Licenciado en Ciencias Fsicas. Facultad de Ciencias exactas y Naturales. Universidad de Buenos Aires. Profesor Adjunto (ordinario) de Algebra y Geometra Analtica y de Probabilidad y Estadstica. Facultad Regional Gral. Pacheco. Universidad Tecnolgica Nacional.

ndice

Racconto sobre conjuntos (CNJ).

Observaciones. Definicin. Igualdad de conjuntos. Subconjuntos. Diagramas de Venn. Unin de conjuntos. Interseccin de conjuntos. Distributividad de la interseccin de conjuntos con respecto a la unin. Distributividad de la unin de conjuntos con respecto a la interseccin. Universo. Complementacin de un conjunto. Dualizacin de la complementacin. Resta de conjuntos. Frmulas miscelneas. CNJ 1 CNJ 1 CNJ 3 CNJ 3 CNJ 4 CNJ 5 CNJ 5 CNJ 7 CNJ 8 CNJ 8 CNJ 9 CNJ 10 CNJ 10 CNJ 11

Racconto sobre Tcnicas de Conteo (TC).

Asociaciones de opciones independientes. Variaciones simples. Permutaciones simples. Combinaciones simples. Nmeros combinatorios. Variaciones con repeticin. Permutaciones con repeticin. Binomio de Newton. TC 1 TC 2 TC 3 TC 3 TC 4 TC 4 TC 5 TC 6

Probabilidad Elemental (NP).

Experimento aleatorio - Universo o Espacio Muestral - Sucesos. Definicin clsica de probabilidad (Laplace). Definicin emprica de probabilidad (Von Mises). Tentativa de definicin axiomtica de probabilidad (Borel Kolmogoroff). Distribucin de probabilidades. Consecuencias directas de la definicin. Distribuciones condicionales. Probabilidad compuesta. Sucesos independientes. Aplicaciones. Teorema de Bayes. Resumen de principales frmulas. Observacin. Ejercicios. NP 1 NP 2 NP 4 NP 6 NP 9 NP 9 NP 10 NP 11 NP 12 NP 14 NP 20 NP 22 NP 23 NP 24

- Variables y Distribuciones Unidimensionales (VAU).

Introduccin. Universo o espacio muestral. Funcin de Distribucin (F de D). Definicin. Propiedades de la F de D. Ejemplos de F de D. Distribuciones discretas. Distribuciones continuas. Funcin de probabilidad (f de p). Funcin de densidad (f de d). Cambio de variable aleatoria. Valor medio de una variable aleatoria. Varianza y desviacin tpica de una variable aleatoria. Teorema de Tchebycheff Apndices. Ejercicios. VAU 1 VAU 1 VAU 2 VAU 3 VAU 7 VAU 10 VAU 12 VAU 13 VAU 14 VAU 15 VAU 17 VAU 21 VAU 25 VAU 27 VAU 32

Nociones sobre Variable Aleatoria y Distribuciones n Dimensionales (VAM).

Introduccin. Variables aleatorias n - dimensionales. Universo y distribucin de probabilidad multidimensionales. Funcin de Distribucin (F de D) de una variable n - dimensional. Propiedades de las F de D bidimensionales. Distribuciones marginales. Variables aleatorias independientes. Aplicaciones. Distribuciones discretas bidimensionales. Distribuciones continuas bidimensionales. Funcin de probabilidad de una distribucin bidimensional. Funcin de densidad de una distribucin bidimensional. Suma de variables aleatorias. Producto de variables aleatorias. Aplicaciones. Teorema. Valor medio y varianza de la media aritmtica de n - variables aleatorias, todas independientes entre s y tales que todas tengan el mismo valor medio y la misma varianza. Consecuencia principal del teorema de Tchebycheff. Observacin. Apndices. Ejercicios. VAM 1 VAM 1 VAM 1 VAM 3 VAM 5 VAM 7 VAM 9 VAM 10 VAM 11 VAM 13 VAM 15 VAM 16 VAM 18 VAM 18 VAM 19 VAM 22

VAM 22 VAM 23 VAM 25 VAM 26 VAM 32

Distribuciones Binomial, de Poisson y Normal (BNP).

Distribucin binomial. Aplicacin de la distribucin binomial a un proceso de inspeccin por atributos. Distribucin de Poisson. Aplicaciones de la distribucin de Poisson. Distribucin normal. Suma de variables aleatorias normales. Teorema central del lmite: Versin de Linderberg. Versin de Liapunoff. BNP 1 BNP 2 BNP 7 BNP 9 BNP 10 BNP 14 BNP 14 BNP 15

Consideraciones adicionales sobre las F de D normales. Aplicaciones de las F de D normales. Aproximacin de la distribucin binomial por la distribucin normal. Apndices. Ejercicios.

BNP 17 BNP 21 BNP 26 BNP 30 BNP 32

Distribuciones 2, t y F (JtF).
Observacin. Distribucin 2 (Ji cuadrado). Teorema. Distribucin t de Student. Distribucin F de Snedecor. JtF 1 JtF 1 JtF 4 JtF 4 JtF 8

Inferencia Estadstica. Estimacin puntual de parmetros (IE).

Concepto de inferencia estadstica. Repeticin reiterada de un mismo experimento. Valor medio observado y varianza observada. Estimacin puntual de parmetros. Estimacin de parmetros por el mtodo de mxima verosimilitud. Apndice. Ejercicios. IE 1 IE 2 IE 3 IE 6 IE 8 IE 10

Inferencia Estadstica. Intervalos de Confianza (IC).

Generalidades. Intervalo de confianza para el valor medio de una variable aleatoria correspondiente a una distribucin cualquiera de probabilidad en el caso de disponerse de una muestra grande. Intervalo de confianza para el valor medio de una variable aleatoria correspondiente a una distribucin normal. Intervalo de confianza para la diferencia de los valores medios correspondientes a dos distribuciones normales distintas pero que tienen la misma varianza. Intervalo de confianza para la varianza de una distribucin normal. Intervalo de confianza para el cuociente de varianzas de dos distribuciones normales. Problemas sobre intervalos de confianza. IC 1

IC 1 IC 5

IC 7 IC 8 IC 10 IC 13

Inferencia Estadstica. Prueba de Hiptesis Estadsticas (PH).

Definiciones. Conceptos principales. Prueba de hiptesis para el valor medio de una variable aleatoria correspondiente a una distribucin cualquiera de probabilidad cuando se dispone de una muestra grande. Aplicacin. Prueba de hiptesis para el valor medio de una variable aleatoria correspondiente a una distribucin normal. Prueba de hiptesis para la varianza de una variable aleatoria correspondiente a una distribucin normal. PH 1 PH 1

PH 11 PH 14 PH 15 PH 18

Prueba de hiptesis para el parmetro de una distribucin binomial. Prueba de hiptesis para el parmetro de una distribucin de Poisson. Comparacin de distribuciones tericas y experimentales. Problemas sobre pruebas de hiptesis.

PH 19 PH 21 PH 24 PH 29

Correlacin y Regresin (CR).

Correlacin lineal. Curvas de aproximacin. Mtodo de los mnimos cuadrados. Rectas de regresin. Aplicaciones. Regresin curvilnea. Observaciones. Apndice. Ejercicios sobre correlacin y regresin. CR 1 CR 5 CR 6 CR 7 CR 11 CR 15 CR 17 CR 18 CR 19

Procesos Aleatorios de Poisson (PP).

Definicin de proceso puntual. Definicin de un proceso estacionario de Poisson. F de D de un proceso estacionario de Poisson. Variable aleatoria correspondiente a varios intervalos consecutivos. Cantidad de eventos en un intervalo fijo. Aplicaciones al clculo de tamaos de stocks de repuestos. PP 1 PP 1 PP 2 PP 5 PP 8 PP 10

Bibliografa.