Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Temario de Probabilidad
EST-11101
enero-mayo de 2021
II. COMPRENSIÓN (COM): Capacidad de referir con precisión la información pero en términos propios, sin alterar el
sentido original.
o Ilustrar la utilidad del cálculo de probabilidades en la vida diaria a partir del concepto de incertidumbre (CON).
o Distinguir los diferentes enfoques con los que se puede asignar una probabilidad en una situación práctica (CON).
o Explicar e identificar los elementos de un espacio probabilístico (CON).
o Identificar espacios probabilísticos discretos y continuos (COM).
o Solucionar problemas que involucren el cálculo de probabilidades de eventos compuestos (SH).
o Utilizar correctamente las técnicas de conteo para el cálculo de probabilidades bajo el enfoque clásico (SH).
o Identificar ejemplos y saber calcular probabilidades de eventos cuando el espacio muestral no tenga resultados equiprobables
(SH).
o Entender el concepto de probabilidad condicional como consecuencia de una reducción del espacio muestral por haberse
obtenido información adicional (CON).
o Reconocer y resolver problemas en los que se consideren argumentos de tipo condicional (COM).
o Calcular la probabilidad de la intersección de n (n=2 y 3) eventos a partir de probabilidades condicionales (regla de la
multiplicación). (SH)
o Entender el concepto de independencia e identificar conjuntos de eventos independientes. Aplicar ese conocimiento en el
cálculo de probabilidades (SH).
o Expresar y calcular la probabilidad de un evento en términos de una partición del espacio muestral (Teorema de Probabilidad
Total) (SH).
o Explicar y aplicar el Teorema de Bayes bajo la idea de actualización de información (SH).
o Explicar el concepto de variable aleatoria como una función, reconocer la necesidad de este concepto en la Teoría de
Probabilidad y su utilidad en el cálculo de probabilidades (CON).
o Comprender y aplicar los conceptos de: función de densidad y función de distribución para variables aleatorias discretas y
continuas, las relaciones y diferencias entre ellas así como su utilidad en el cálculo de probabilidades (SH).
o Traducir problemas reales que involucran incertidumbre en términos de variables aleatorias (COM).
o Saber de la existencia de medidas que resumen el comportamiento de una variable aleatoria y calcular e interpretar las
mismas (COM).
o Comprender e interpretar el concepto de esperanza como un operador lineal y sus propiedades, y aplicar esto en el cálculo y
la interpretación de momentos centrales y no centrales (hasta orden cuarto) (SH).
o Conocer, interpretar y aplicar las desigualdades de Tchebysheff y Jensen (SH).
o Definir y utilizar la función generadora de momentos y sus propiedades (SH).
o Conocer y comprender el problema de una transformación de una variable aleatoria (COM).
o Entender los supuestos y propiedades de los modelos de distribuciones discretas y continuas que se presenten en el curso y
discriminar bajo qué circunstancias un modelo es útil en cierta situación práctica (CON).
o Definición, función de densidad, función de distribución acumulada, parámetros, momentos, función generadora de
momentos, propiedades y ejemplos de cada una de las siguientes distribuciones (SH).
o Conocer, comprender y aplicar los conceptos de funciones de distribución conjunta, marginal y condicional, y sus relaciones
(SH).
o Conocer, comprender y aplicar los conceptos de independencia de variables aleatorias, vector de valores esperados, matrices
de varianzas y covarianzas, y de correlaciones (SH).
o Definir y utilizar la función generadora de momentos en el caso multivariado (COM).
o Conocer y comprender el problema de transformación de varias variables aleatorias (CON).
o Utilizar el método de transformación (Jacobiano) para encontrar la función de densidad de varias variables aleatorias (SH).
o Conocer, comprender los conceptos de funciones de distribución conjunta, marginal y condicional para el modelo normal
multivariado (CON). Aplicar estos conceptos para el caso bivariado (SH).
o Definir y utilizar el espacio paramétrico (vector de valores esperados, matriz de varianzas y covarianzas y matriz de
correlación) de la distribución normal multivariada (COM).
o Definir y utilizar la función generadora de momentos del modelo probabilístico normal multivariado (CON).
o Distinguir la independencia de variables aleatorias distribuidas de forma normal multivariada a partir de la matriz de
varianzas y covarianzas (matriz de correlación). (SH)
o Calcular y utilizar la distribución de transformaciones lineales de variables aleatorias cuya distribución es normal
multivariada. (SH)
Bibliografía básica
(W) Wackerly, D.D., Mendenhall, W., and Scheaffer, R.L. (2008), Mathematical Statistics with
Applications 7th edition. Duxbury, Thomson, Brooks/Cole.
(P) Pitman, J. (1993), Probability. Springer. 6a. Ed.
(C) Canavos, G.C. (1987), Probabilidad y Estadística, McGraw Hill.
Bibliografía de apoyo
Mittelhammer (1996), Mathematical Statistics for Economics and Business, Springer.
Ross, S. (1994), A First Course in Probability. MacMillan.
Aguirre V., et. al. (2003), Fundamentos de Probabilidad y Estadística, JIT Press.
Greene, W.H. (2000), Econometric Analysis, Prentice may.
Freund, J.E., Miller, I. y Miller, M. (2000), Estadística Matemática con Aplicaciones, Prentice Hall.
Señalamientos generales:
Otros:
De acuerdo al artículo 27º del Reglamento de Alumnos:
Los exámenes finales se aplicarán exclusivamente a los alumnos que aparezcan en las actas
formuladas para tal efecto. En ningún caso se podrá exentar al alumno de la presentación de estos
exámenes. El examen de fin de cursos debe ser aprobado para que puedan tomarse en cuenta los
demás criterios de evaluación.