\

FACULTAD DE CIENCIAS
Pregrados en: ESTADSTICA, FSICA, MATEMTICAS,
INGENIERA INDUSTRIAL e INGENIERA DE SISTEMAS Y COMPUTACIN
PROBABILIDAD, cdigo: 2015178
Segundo Perodo Acadmico de 2016
PROGRAMA ACADMICO

Intensidad semanal: 4 horas presenciales y al menos 6 de trabajo independiente.

Profesor: Norberto Rodrguez Nio.

Telfono: 3 43 06 77. e-mails: nrodriguezn@unal.edu.co y nrodrini@banrep.gov.co;

1. Justicacin

Tradicional y actualmente la Probabilidad juega un papel fundamental en muchas aplicaciones cuantitativas,

en diversas reas como ingenieria, economa, nanzas, mercadeo Medicina, Biologia, Geograa, entre muchas
otras. En la(s) sociedad(es) moderna(s) en la(s) que vivimos, todo profesional debe estar en capacidad de
discernir si los datos que recibe estn bien analizados, si las conclusiones, que se extraen a partir de ellos
son veraces y si las previsiones e inferencia que se realiza son factibles. La probabilidad y la estadstica nos
ayudan a ese propsito. El estudiante y futuro profesional debe adquirir los conocimientos tericos y prcticos
en probabilidad que le permitan continuar el estudio de inferencia estadstica, modelos lineales y muchos otros
temas de estadstica.

2. Objetivos

Esta asignatura proporciona los conceptos fundamentales de la probabilidad para eventos y variables aleatorias
unidimensionales y multidimensionales. Describe los modelos probabilsticos clsicos. Aborda la convergencia
y la simulacin de variables aleatorias. Se requieren conocimientos de lgebra lineal y de clculo en varias
variables. El estudiante que curse la asignatura y cumpla con las exigencias acadmicas, podr: 1. Manejar
e interpretar los axiomas y los conceptos fundamentales de la teora de probabilidad. 2. Reconocer en casos
especcos el o los modelos probabilsticos ms adecuados en la descripcin de una situacin real. 3. Fortalecer
su formacin disciplinar con el pensamiento probabilstico. CONCEPTOS PREVIOS NECESARIOS: Clculo
integral en una y dos variables.

3. Contenido

El curso es una introduccin a los conceptos formales de probabilidad, empezando desde los principios bsicos
de probabilidad y cubre varios tpicos de inters para el investigador aplicado. El curso esta direccionado a
estudiantes sin previo conocimiento de probabilidad ni de Estadstica pero si con conocimientos bsicos clculo
integral en una variable y deseable en varias variables. El material conceptual ser empleado en la prctica
con diversos ejercicios y ejemplos, algunos de los cuales requerirn el uso de programas de computador. Sern
asignados ejercicios relacionados con cada tpico, pero no calicados, con el n de complementar el proceso
de aprendizaje.
1. Conceptos bsicos de probabilidad: a) -lgebras. b) Medida de probabilidad. c) Espacio de probabilidad.
d) Probabilidad condicional. e) Independencia de eventos. f) Teorema de probabilidad total y regla de
Bayes.
2. Variables aleatorias y sus distribuciones: a) Denicin y ejemplos. b) Funcin de distribucin. c) Variables
aleatorias discretas y continuas. d) Distribucin de una funcin de una variable aleatoria.
3. Valor esperado y varianza de una variable aleatoria: a) Denicin y ejemplos. b) Propiedades del valor
esperado y de la varianza de una variable aleatoria. c) Funcin generadora de momentos. d) Funcin
caracterstica.
4. Distribuciones discretas de uso frecuente: a) Uniforme discreta. b) Binomial. c) Hipergeomtrica. d)
Poisson. e) Binomial negativa. f) Geomtrica.
5. Distribuciones de tipo continuo de uso frecuente: a) Uniforme. b) Normal. c) Gamma. d) Exponencial.
e) Chi-cuadrado. f) Beta. g) Log-normal. h) Weibull. i) Cauchy.
1

6. Distribucin conjunta de variables aleatorias: a) Funciones de distribucin conjunta. b) Variables aleatorias independientes. c) Covarianza y coeciente de correlacin. d) Distribucin de una funcin de
un vector aleatorio. e) Distribucin de la suma, diferencia, producto y cociente de variables aleatorias.
f) Distribuciones F y t-student. g) Funciones generadora de momentos y caracterstica conjuntas. h)
Distribucin conjunta de la media y la varianza muestral. i) Distribucin normal multivariada.
7. Distribucin condicional y valor esperado condicional: a) Funcin de distribucin condicional y valor esperado condicional: Casos discreto y continuo. b) Propiedades del valor esperado condicional. c) Varianza
condicional.
8. Leyes de los grandes nmeros y teorema central del lmite: a) Desigualdades de Markov, Chebyshev y
Jensen. b) Convergencia en probabilidad, casi siempre y en ley de sucesiones de variables aleatorias. c)
Las leyes dbil y fuerte de los grandes nmeros. d) Teorema central del lmite. e) Simulacin de algunas
distribuciones discretas y continuas de uso frecuente.

4. Metodologa

Exposiciones magistrales, casi siempre con el requisito de previa lectura de material bibliogrco; los ejercicios (no calicables) versarn sobre temas cuyo contenido ser incluido en los parciales. El estudiante es
responsable de familiarizarse con el manejo bsico de al menos uno de los programas de computo a utilizar
(R, opcionalmente: MATLAB u otro). Prerrequisitos: El enfoque ltimo del curso es sobre aplicaciones mas
que sobre teora pura; sin embargo, se requieren algunos conceptos. Se requiere que los estudiantes tengan al
menos un curso en clculo.

5. Evaluacin

Primer Parcial: 20 %; Segundo Parcial: 20 %; Tercer Parcial 20 %, Participacin en, y asistencia a, clase (mnima
del 80 %): 10 %; Parcial Final: 30 %.

6. Literatura
Blanco C., Liliana (2004) PROBABLIDAD (Universidad Nacional de Colombia, Facultad de
Ciencias).
Poirier, D. J. (1995) Intermediate Statistics and Econometrics, MIT Press.
Ross, S. A First Course in Probability. Prentice Hall. 2002.
Ash, R. Probability and Measure Theory. Academic Press. 2000.
Capinski, M. & Zastawniak, T. Probability Through Problems. Springer. 2001.
Feller, W. An Introduction to Probability Theory and its Applications. Wiley. 1970.
Grimmett, G. & Stirzaker, D. Probability and Random Processes. Oxford. 2001.
Hoel P.; Port, S. & Stone, C. Introduction to Probability Theory. Houghton Miin. 1971.
Hogg, R. V.; McKean, J. W. & Craig, A. T. Introduction to Mathematical Statistics. Prentice Hall. 2005.