Actuaría (plan 2006) 2021-1
Tercer Semestre, Probabilidad I
Grupo 9026, 200 lugares. 139 alumnos.
El temario oficial puede bajarse
aquí.
El curso se llevará a cabo a través de Google Meet y tendremos una página de classroom.
-
Si estás interesado en tomar el curso o deseas recibir información, favor de mandar un correo a cesar_gal@ciencias.unam.mx
-
Aquellas personas que ya estén decididas a tomar el curso, se les invita a unirse al Classroom con Código: snuzx6x
-
Dias antes del comienzo de clases, se dará una introducción al curso asi como a la dinámica que tendremos.
Este curso de probabilidad tiene un enfoque práctico dirigido al uso de las paqueterías R y Scilab, así como de los lenguajes Python y C. No es necesario tener conocimientos previos de ninguno de estas paqueterías y lenguajes ya que el curso será autocontenido y aprenderemos desde cero el uso de estas herramientas computacionales.
Fundamentalmente el curso consiste de los siguientes temas:
-
Introducción a R y a Python.
-
Espacios de probabilidad.
-
Variables aleatorias y funciones de distribución (la ley de una variable aleatoria). Simulación de variables aleatorias.
-
Momentos y función característica de variables aleatorias.
-
Teoremas Límite
-
Simulación.
Se propone entonces el siguiente modo de evaluación:
-
6 Tareas. Cada una correspondiente a cada uno de los temas arriba listados. Las tareas consisten en un máximo de 15 ejercicios. La tarea podrá entregarse individualmente o por equipos de máximo 5 personas.
-
2 Exámenes y una Tarea-Examen final. Los exámenes se realizarán en el horario asignado. Tienen una duración de 1 hora, por lo que cada examen consistirá de un máximo de 3 problemas. Los problemas del examen salen de los ejercicios de la tarea.
-
La calificación final estará compuesta por la suma de las calificaciones obtenidas en la tarea y el examen: 50% Tareas y 50% exámenes
-
Se podrán presentar un máximo de 2 reposiciones de examen. Presentar al menos una reposición exlcuye la posibilidad de presentar examen final. Para la evaluación final se considera la calificación más alta obtenida.
-
Se puede presentar un sólo examen final. Presentar examen final excluye la posibilidad de presentar reposiciones. Para la evaluación final se considera la calificación más alta obtenida.
-
Es importante mencionar que habrá algunos proyectos a elegir que sumarán a lo más un punto en la calificación final.
El curso tendrá un perfil práctico. El objetivo principal es conocer los modelos de probabilidad clásicos y los ejemplos básicos, además de conocer los métodos computacionales de la probabilidad y la estadística, así como su implementación. Por otra parte, se tendrá mucho cuidado en presentar rigurosamente las definiciones y resultados que se vean en el curso.
La clases teóricas estarán a cargo del profesor titutar y del ayudante. De igual forma, ambos profesores estarán dedicados a la parte de simulación como a la resolución de ejercicios.
Bibliografía: El curso estará basado en los siguientes textos:
-
Hoel, P. G., Port,S. C., Stone, C. J. Introduction to probability theory. (1971)
-
Ross, S. A first course in probability theory (5ta ed.). (1997)
-
Okten, Giray. Probability and simulation. (2020)
-
Feller, W. (1968). An introduction to probability theory and its applications, Volumen I. New York: John Wiley & Sons Inc.
-
Gut, A. (2009). An intermediate course in Probability, (2a ed.). Springer Texts in Statistics New York: Springer.
-
García Álvarez, M. A. Introducción a la teoría de la probabilidad I. Primer curso. Fondo de cultura económica.
-
Unpingco, J. Python for probability, Statistics and Machine Learning. (2016). Springer.
-
Summerfield, M. Programming in Python 3. 2010. Addison-Wesley
A lo largo del cuso se propondrán otros textos de acuerdo a cada tema, además de que se porporcionarán notas de clase y otros materiales.