Probabilidades y pro

esos esto asti os (MA-34A)

Temas a ubrir
1.  ti a de probabilidades
Axioma (6,0 hrs.)
Modelos probabilsti os. Deni ion de probabilidades e interpreta ion. Axiomas y sus
onse uen ias. Espa io muestral. Caso nito y equiprobable on ombinatoria.
2. Probabilidad ondi ional (4,5 hrs.)
Deni ion de probabilidad ondi ional. Cal ulo de probabilidades para experimentos
ondi ionados. Teorema de probabilidades totales y de Bayes. No ion de independen-
ia esto asti a.
3. n
Variables aleatorias y distribu io (4,5 hrs.)
Deni ion de variable aleatoria dis retas y ontinuas. Opera ion entre variables aleato-
rias. Probabilidad indu ida. Distribu ion. Densidad en aso dis reto y ontinuo.
4. Valor esperado, momentos (3,0 hrs.)
Valor esperado. Dis usion de asos on densidad dis reta y ontinua. Momentos de
una variable aleatoria.
5. Familias de distribu iones dis retas (4,5 hrs.)
Distribu iones binomial, poisson, hipergeometri a y binomial negativa. Momentos y
rela iones entre diversas distribu iones. Ejemplos relevantes.
6. Familias de distribu iones ontinuas (4,5 hrs.)
Distribu iones uniforme, exponen ial, normal, gamma y beta. Momentos, rela iones.
Transforma iones.
7. Distribu iones multivariadas (6,0 hrs.)
Distribu ion, densidad onjunta, densidad marginal y densidad ondi ional. Esper-
anza ondi ional. Independen ia de variables aleatorias. Esperanza del produ to. Co-
varianza, orrela ion, ortogonalidad. Cambio de variables, transforma iones lineales,
normal multivariada, multinomial.
8. Sumas de variables aleatorias independientes (3,0 hrs.)
Fun ion ara tersti a o generadora de momentos. Suma de variables aleatorias inde-
pendientes igualmente distribuidas, Chi- uadrado.
9. Leyes l
mites (3,0 hrs.)
Convergen ia en media uadrati a. Desigualdad de Markov y Cheby hev. Ley de
los grandes numeros. Convergen ia en distribu ion, onvergen ia de fun iones ara -
tersti as, teorema entral del lmite. Convergen ia de la ley binomial a la normal.

1
Temas op ionales
1.  sti os en tiempo dis reto
Pro esos esto a (6,0 hrs.)
Introdu ion y ejemplos de pro esos. Cadenas de Markov: deni ion, matriz de tran-
si ion, re urren ia, periodi idad, lasi a ion de estados. Probabilidades esta ionarias,
sistemas de e ua iones.
2. Pro esos de poisson (6,0 hrs.)
Deni iones. E ua iones innitesimales. Distribu ion del pro eso. Tiempos entre lle-
gadas. Pro esos de na imiento, pro esos lineales de na imiento y muerte. Apli a iones
en ola M/M/1.