INSTITUTO TECNOLÓGICO AUTÓNOMO DE MÉXICO

División Académica de Actuaría, Estadística y Matemáticas

Departamento Académico de Estadística

Temario de Probabilidad
EST-11101

enero-mayo de 2021

Objetivos del curso

 Conocer los fundamentos de la teoría axiomática de probabilidad.
 Conocer, entender y manejar correctamente las reglas del cálculo de probabilidades.
 Conocer, comprender y aplicar el concepto de variable aleatoria como una herramienta para la
simplificación del cálculo de probabilidades
 Conocer, identificar y manejar apropiadamente los modelos probabilísticos comúnmente usados para
describir fenómenos aleatorios.
 Conocer, comprender y aplicar los conceptos y herramientas necesarias para el cálculo de
probabilidades en varias variables aleatorias.
 Comprender y aplicar el concepto de transformaciones de variables aleatorias.
 Conocer, identificar y manejar apropiadamente el modelo probabilístico normal multivariado.
En cada objetivo específico se especifica el nivel mínimo cognoscitivo. Los niveles cognoscitivos son:

I. CONOCIMIENTO (CON): Capacidad de reproducir la información transmitida en el proceso de enseñanza-aprendizaje

II. COMPRENSIÓN (COM): Capacidad de referir con precisión la información pero en términos propios, sin alterar el
sentido original.

III. SABER HACER (SH) implica:

Aplicación: Capacidad de utilizar los principios, procedimientos y métodos propios de la materia para resolver
problemas específicos.
Análisis: Capacidad de identificar los componentes de un sistema y explicar la relación que existe entre ellos.
Síntesis: Capacidad de integrar elementos aislados para obtener un sistema coherente.
Evaluación: Capacidad de formular juicios de valor sobre problemas, trabajos, soluciones y métodos.

1. Fundamentos de Probabilidad (7 Sesiones)

Bibliografía: W2, P1, C2

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).

1.1. Fenómenos aleatorios, incertidumbre.

1.2. Espacio muestral y eventos. Espacios muestrales discretos y continuos.
1.3. Concepto de probabilidad. Enfoque clásico, frecuentista y subjetivo. Desarrollo axiomático de la
probabilidad.
1.4. Espacios muestrales con resultados equiprobables y no equiprobables. Selección aleatoria con
reemplazo y sin reemplazo (probabilidades binomiales e hipergeométricas).
1.5. Probabilidad condicional. Independencia y regla de la multiplicación. Teorema de probabilidad
total. Teorema de Bayes.

2. Variables aleatorias (7 Sesiones)

Bibliografía: W3, W4, W6, P2, P3, P4, C3

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).

2.1. Definición y propiedades de variables aleatorias discretas y absolutamente continuas.

2.2. Función de densidad y de distribución. Propiedades.
2.3. Características numéricas de una variable aleatoria.
2.3.1. Moda, mediana, cuantiles.
2.3.2. Momentos de una variable aleatoria.
2.3.3. Valor esperado, varianza.
2.3.4. Definición de coeficiente de asimetría y curtosis.
2.4. Propiedades del valor esperado y varianza.
2.4.1. Desigualdad de Tchebysheff y de Jensen.
2.5. Función generadora de momentos.
2.6. Distribución de una función de una variable aleatoria.
2.6.1. Método de la función de distribución.
2.6.2. Método de Cambio de Variable.

3. Distribuciones importantes (5 Sesiones)

Bibliografía: W3, W4, P2, P3, P4, C4, C5

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).

3.1. Distribución Binomial.

3.2. Distribución Poisson.
3.3. Distribución Uniforme continua.
3.4. Distribución Gamma (Exponencial, Ji cuadrada).
3.5. Distribución Normal.

4. Distribuciones multivariadas (6 Sesiones)

Bibliografía: W5, W6, P5, P6, C6

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).

4.1. Función de densidad conjunta.

4.2. Función de densidad marginal y función de densidad condicional.
4.3. Variables aleatorias independientes.
4.4. Valor esperado de una función de variables aleatorias (en particular funciones lineales y
cuadráticas). Varianza de funciones lineales.
4.5. Media, mediana, moda y varianza condicionales a partir de la función de densidad condicional.
4.6. Momentos conjuntos de dos variables aleatorias: Covarianza, Coeficiente de Correlación y
propiedades.
4.7. Función generadora de momentos conjunta.
4.7.1. Definición y propiedades.
4.7.2. Función generadora de una suma de variables aleatorias independientes.
4.8. Distribución de una función de variables aleatorias mediante el método de transformación
(Jacobiano).

5. Distribución normal multivariada (3 Sesiones)

Bibliografía: W5, P5, P6, C6

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)

5.1. Función de densidad conjunta, funciones de densidad marginales y condicionales.

5.2. Parametrización: Vector de valores esperados y matriz de varianzas-covarianzas (matriz de
correlación).
5.3. Función generadora de momentos.
 5.4. Independencia de variables aleatorias con distribución normal multivariada.
5.5. Transformaciones lineales de variables aleatorias cuya distribución conjunta es normal
multivariada.

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.

Evaluación del curso

 El curso se evaluará con dos o tres exámenes parciales, a criterio del profesor, y un examen final.
 El examen final será departamental y acumulativo; tendrá una ponderación del 35% en la calificación
final y podrá contener una parte de opción múltiple.

Coordinador de la Materia: Luis Enrique Nieto Barajas

lnieto@itam.mx, 5628-4000 ext. 3833

Señalamientos generales:

Fecha de bajas: 28 de abril de 2021

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.

De acuerdo al artículo 29º del Reglamento de Alumnos:

Se calificará como no acreditada (N.A.) cualquier materia cuando el alumno incurra en alguna
práctica fraudulenta. Será obligación del Jefe del Departamento Académico que corresponda
hacer la notificación pertinente para que la Dirección Escolar imponga la sanción que proceda.
Los antecedentes del caso serán incluidos en el expediente del alumno.