Actuaría (plan 2006) 2024-1
Tercer Semestre, Probabilidad I
Grupo 9315, 29 lugares. 28 alumnos.
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
FACULTAD DE CIENCIAS
Materia: Probabilidad I (Grupo 9315)
Período: Agosto - Diciembre 2023
Horario: Lunes – Viernes 10:00 a 11:00 salón O128
Profesores: Edgar Díaz Ordóñez
Edgar Ángeles González
OBJETIVO(S) GENERAL(ES) DEL CURSO
Al finalizar el curso el alumno(a):
-
Explicar las diferentes interpretaciones de la probabilidad, así como algunos conceptos y resultados elementales.
-
Comprender lo que es una variable aleatoria. Estudiar el concepto de función de distribución y densidad. Explicar la naturaleza y características de algunas importantes familias de distribuciones.
-
Comprender los conceptos de esperanza, momentos y función generadora de momentos.
-
Explicar teoremas límite para variables aleatorias discretas. Leyes de los grandes números, el teorema del límite central y algunas aplicaciones.
TEMARIO
Bloque I
Espacio de Probabilidad
-
Espacio muestral, eventos y su interpretación.
-
Panorama histórico de la probabilidad, interpretación frecuentista, definición clásica, probabilidad geométrica.
-
Definición axiomática de probabilidad (sin énfasis en sigma-álgebras).
-
Propiedades de la probabilidad.
-
Probabilidad condicional e independencia.
-
Fórmulas de la probabilidad total y de Bayes.
-
Teorema de continuidad de la probabilidad.
-
Simulación de ejemplos elementales para ilustrar la interpretación frecuentista.
Bloque II
Variables Aleatorias y Funciones de Distribución
-
Definición de variable aleatoria.
-
Función de distribución y sus propiedades.
-
Variables aleatorias discretas como familias paramétricas y su interpretación; funciones de masa o densidad, incluyendo los ejemplos: Bernoulli, Binomial, Poisson, Uniforme, Geométrica, Binomial negativa, Hipergeométrica y modelos donde éstas aparecen. Familias paramétricas discretas y su interpretación.
-
Variables aleatorias continuas (o absolutamente continuas) y funciones de densidad. Familias paramétricas, incluyendo los ejemplos: Uniforme, Normal, Exponencial, Gamma, Cauchy, Beta, Weibul, Pareto, Frechet, Gumbel, Logística, Gausiana inversa y modelos donde éstas aparecen.
-
Función de distribución de funciones de variables aleatorias.
-
Simulación de variables aleatorias.
Bloque III
Momentos de Variables Aleatorias
-
Esperanza, varianza y propiedades. La esperanza minimiza la distancia cuadrática.
-
Momentos de variables aleatorias.
-
Esperanza de funciones de una variable aleatoria.
-
Desigualdades, incluyendo las de Tchebyshev, Jensen, Markov, Chernoff.
-
Funciones Generadoras: Función generadora de momentos, función generadora de momentos factoriales (para variables aleatorias con valores en los naturales) y aplicaciones.
Bloque IV
Teoremas límite para sucesiones de variables aleatorias discretas
-
Aproximación Poisson a la Binomial.
-
Vectores aleatorios, funciones de densidad y de distribución; conjunta y marginales.
-
Sumas de variables aleatorias independientes.
-
Enunciado de algunos teoremas límite: Leyes de los Grandes Números, Teorema de Límite Central.
-
Demostración de la ley débil de los grandes números.
-
Teorema de Límite Central para la distribución Bernoulli (Teorema de De Movire-Laplace).
-
Contrastar los resultados teóricos con los obtenidos por simulación.
POLITICAS DE EVALUACIÓN
-
Exámenes parciales (4) 50%
-
Proyecto final (1) 10% (opcional)
Nota: solo se podrán hacer a lo más dos reposiciones de exámenes parciales.
-
Examen final: solo aplica si renuncias a tu calificación a través de los exámenes, tareas y/o proyecto final.
BIBLIOGRAFÍA
-
Feller, W. (1968). An introduction to probability theory and its applications, Volumen I. New York: John Wiley & Sons Inc.
-
Gnedenko, B. V. (1975). The theory of probability. Chelsea.
-
Hoel, P. G., Port, S. C., Stone, C. J. (1971). Introduction to probability theory. Houghton Mifflin Company.
-
Mood, A. M., Graybill, F. A., Boes, D. C. (1974). Introduction to the theory of Statistics (3a ed.). McGraw-Hill.
-
Ross, S. (1997). A first course in probability theory (5a ed.). Prentice Hall.
-
Casella, G. & Berger, R. L. (2002). Statistical inference. Thomson Learning, la Universidad de Michigan.
-
Stirzaker, D.R. (2003). Elementary Probability (2a ed.). Cambridge University Press.