80

UNIVERSIDAD NACIONAL AUTNOMA DE MXICO

FACULTAD DE ESTUDIOS SUPERIORES ACATLN

PLAN DE ESTUDIOS DE LALICENCIATURA ENACTUARA

PROGRAMA DE ASIGNATURA

SEMESTRE: 4 Estadstica I
CLAVE:

MODALIDAD CARCTER TIPO
HORAS AL
SEMESTRE
HORAS
SEMANA
HORAS
TERICAS
HORAS
PRCTICAS
CRDITOS
Curso Obligatoria
Terico-
prctica
96 6 4 2 10

ETAPA DE FORMACIN Bsica
CAMPO DE CONOCIMIENTO Probabilidad y Estadstica

SERIACIN S (\ ) No ( ) 0o||galor|a (\ ) lrd|cal|va (\ )
SERIACIN ANTECEDENTE
Probabilidad I (Obligatoria)
Clculo Diferencial e Integral III (Indicativa)
SERIACIN SUBSECUENTE
Probabilidad II (Obligatoria)
Estadstica II (Obligatoria)
Objetivo general: El alumno conocer la teora de la probabilidad acerca de vectores aleatorios, as como la
inferencia estadstica: estimacin puntual y estimacin por intervalos.

ndice Temtico Horas
Unidad Tema
Tericas Prcticas
1 Vectores aleatorios y transformaciones 24 12
2 Principios de inferencia estadstica paramtrica 18 8
3 Estimacin puntual 16 6
4 Estimacin por intervalo 6 6
Total de horas: 64 32
Suma total de horas: 96


UNIDAD OBJ ETIVO PARTICULAR
1. Vectores aleatorios y
transformaciones
1.1. Distribuciones conjuntas,
marginales y condicionales.
Independencia de variables
aleatorias
1.2. Transformaciones
1.3. Modelos jerrquicos
1.4. Covarianza y correlacin
1.5. Desigualdades
El alumno explicar el concepto de vector aleatorio,
analizar sus propiedades bsicas y algunas tcnicas de
transformacin.

81

2. Principios de inferencia estadstica
paramtrica
2.1. Propiedades bsicas de una
muestra aleatoria finita
2.2. Suficiencia y ancilaridad. Mtodo
de Lehmann-Scheff para
suficiencia minimal
2.3. Completez. Teorema de Basu
2.4. Verosimilitud
2.5. Equivarianza
El alumno analizar los principios fundamentales a partir de
los cuales se desarrollan las tcnicas bsicas de inferencia
estadstica paramtrica.
3. Estimacin puntual
3.1. Mtodo de momentos
3.2. Mtodo de mxima verosimilitud
3.3. Estimadores insesgados de
varianza uniformemente mnima:
Teorema de Cramr-Rao
3.4. Suficiencia e insesgamiento:
Teoremas de Rao-Blackwell y
Lehmann-Scheff
El alumno aplicar los principios de inferencia estadstica
paramtrica en la estimacin puntual de parmetros en
modelos de probabilidad.
4. Estimacin por intervalo
4.1. Mtodo de la cantidad pivotal
4.2. Mtodo de la funcin de
distribucin de un estadstico
4.3. Optimizacin de intervalos de
confianza
El alumno aplicar los principios de inferencia estadstica
paramtrica en la estimacin por intervalo de parmetros en
modelos de probabilidad.


Bibliografa bsica:

Casella, G., Berger, R.L. (2002). Statistical inference.Pacific Grove CA: Duxbury.
Lehmann, E.L., Casella, G. (2011).Theory of point estimation. Nueva York: Springer.
Shao, J . (2003).Mathematical statistics.Nueva York: Springer.


Bibliografa complementaria:

Cox, D.R. (2006).Principles of statistical inference. Cambridge: Cambridge University Press.
Cox, D.R., Hinkley, D.V. (2000).Theoretical statistics. Boca Raton FL: CRC Press.
Mood, A.M.; Graybill, F.A., Boes, D.C. (1974).Introduction to the theory of statistics.Nueva York: McGraw-Hill.


Sugerencias didcticas: Sugerencias de evaluacin del aprendizaje:
Anlisis de lecturas
Empleo de medios audiovisuales
Exposiciones docentes
Exposiciones de los alumnos, supervisadas
por el profesor
Participacin en tcnicas grupales
Realizacin de ejercicios con apoyo
computacional, utilizando software como
Maple, Mathematica, MATLAB o algn
Ejercicios en clase
Elaboracin de un trabajo de aplicacin
individual o grupal
Exmenes finales
Exmenes parciales
Participacin en clase
Tareas

82

software libre
Resolucin de exmenes ante el grupo
Resolucin de problemas


Perfil profesiogrfico: Licenciado en Actuara, Estadstica o Matemticas, preferentemente con posgrado en el
rea de probabilidad o estadstica. Tener experiencia docente.