Objetivo General

Al final del curso el alumno estará capacitado para:

Comprender el papel que juegan los métodos empíricos y la estadística en la ingeniería informática
Seleccionar y aplicar los métodos estadísticos en el modelado de datos
Conocer los principales métodos estadísticos computacionales en ingeniería
Construir modelos de probabilidad como medida de incertidumbre.
Comprender y dominar las técnicas de inferencia contenidas en los métodos computacionales.
Analizar , preparar y conducir experimentos en ingeniería.
Aplicar los métodos estadísticos computacionales a problemas de modelado que surgen en la ingeniería.

Análisis Exploratorio de Datos: Clasificación de datos, Representación de datos, Métodos gráficos, Diagramas de dispersión, Transformaciones de datos, Modelos de datos, Datos e información, Medidas de información, Entropía, Uso de software para análisis exploratorio de datos.

Construcción de modelos de probabilidad: Fundamentos, Interpretación y propiedades, Reglas para combinar probabilidades, el Principio de Bayes, Análisis de decisión y su Relación con la inteligencia artificial, Computación bayesiana.

Modelos de incertidumbre: Medidas de incertidumbre, Algunas leyes de Incertidumbre discretas, Algunas leyes de incertidumbre continuas, Modelos exploratorios, Leyes de incertidumbre multidimensional, Transformaciones y aplicaciones a la confiabilidad y reparabilidad de sistemas computacionales

Contraste de Hipótesis y Estimación: Inferencia Estadística Clásica e Inferencia Bayesiana. Distribuciones muestrales distribuciones exactas, Distribuciones empíricas, Contrastes de Hipótesis en la toma de decisiones, estimación parámetros, Conjuntos confidenciales, intervalos de tolerancia. Ajuste de modelos de datos, Análisis de sensibilidad de modelos.

Métodos Estadísticos Computacionales: Método de Monte Carlo, Método de Bootstrap, Computación aleatorizada, Comparaciones, Jackknife y Validación cruzada. Métodos estadísticos computacionales en regresión lineal y no lineal, Modelos de regresión libre en inteligencia artificial.

Diseño de Experimentos: Variables de control, Variables de respuesta efectos y ajuste de parámetros de un sistema, Experimentos factoriales, Experimentos factoriales fraccionados, Diseño de experimentos computacionales.

Prueba 1	20%	05/09/2001
Prueba 2	30%	08/11/2001  19:00 hrs  Sala: B-212
Prueba Recuperativa	40% del promedio de certámenes	22/11/2001  19:00 hrs  Sala: Aud. C. Matamoros (F-106)
Quices y Controles de Lectura	20%
Laboratorio	30%

Nota : Para aprobar la asignatura se requiere tener un rendimiento igual o superior a 55 puntos, tanto en el promedio de Pruebas de Cátedra como en el Laboratorio del ramo.

Prueba Recuperativa Global : 40% del promedio de certámenes 22/11/2001

Nota: Sólo tienen derecho a la prueba recuperativa global los alumnos con un rendimiento promedio general superior a 40% en los certámenes de cátedra, o los alumnos que por razones justificadas no hayan rendido algunas de las pruebas de cátedra fijadas durante el semestre.

Jay L. Devore: "Probabilidad y Estadística para Ingeniería y Ciencia", Editorial International Thomson (1998)

Ron Kenett, Shelemyahu Zacks: "Modern Industrial Statistics", Ed. Duxbury Press (1998)

Stephen B. Vardeman: "Statistics for Engineering Problem solving", Editorial PWS Publishing Company (1994)

Douglas Montgomery y George C. Runger: "Applied Statistics and Probability for Engineers", Editorial McGraw-Hill (1996)

Ronald A. Thisted: "Elements of Statistical Computing", Ed. J. Chapman Hall (1988)