PROGRAMA DE LA ASIGNATURA Probabilidad y Procesos Estocsticos Curso acadmico 09/10

Identificacin y caractersticas de la asignatura Denominacin Crditos (T+P) Titulacin Centro Curso Carcter Descriptores (BOE) Profesor/es Probabilidad y Procesos Estocsticos 7.5 (4.5T + 3P) Licenciatura en Ciencias y Tcnicas Estadsticas Facultad de Ciencias Primero Troncal Espacios de probabilidad. Teoremas Lmite. Procesos Markovianos. Aplicaciones. Despacho Miguel Gonzlez B37 Velasco Nombre Correo-e mvelasco@unex.es Pgina web
http://matematicas.unex.es/~mvelasco

Cdigo

Temporalidad

Segundo cuatrimestre

rea de conocimiento Departamento Profesor coordinador (si hay ms de uno)

jrmartin@unex.es Jacinto R. B39 Martn Jimnez Estadstica e Investigacin Operativa Matemticas Miguel Gonzlez Velasco

Objetivos y/o competencias 1. Conocer, comprender y saber aplicar de modo eficiente los conceptos fundamentales de Modelos Probabilsticos. 2. Conocer, comprender y saber aplicar los principales resultados de convergencia de Sucesiones de Variables Aleatorias (Modos de Convergencia, Leyes de los Grandes Nmeros y Teorema Central del Lmite). 3. Conocer y comprender los conceptos fundamentales relacionados con Procesos Estocsticos. 4. Conocer, comprender y saber aplicar de modo eficiente los conceptos fundamentales relacionados con Cadenas de Markov en Tiempo Discreto. 5. Conocer, comprender y saber aplicar de modo eficiente los conceptos fundamentales relacionados con Cadenas de Markov en Tiempo Continuo. 6. Conocer, comprender y saber aplicar de modo eficiente los conceptos fundamentales relacionados con algunos modelos estocsticos especficos no Markovianos

(especificar prcticas, teora y seminarios, y actividades en general, en su caso)

Temas y contenidos

TEMARIO

Secuenciacin de bloques temticos y temas

1. Espacios de Probabilidad y Variables Aleatorias. 1.1 Introduccin. 1.2 Espacios de Probabilidad. 1.3 Variables y Vectores Aleatorios. 1.4 Esperanza Matemtica. Momentos. 1.5 Funcin Caracterstica. Funciones Generatrices. 2. Sucesiones de Variables Aleatorias. Principales Teoremas Lmite. 2.1 Introduccin. 2.2 Modos de convergencia. 2.3 Relaciones entre los modos de convergencia. 2.4 Convergencia bajo transformaciones. 2.5 Leyes de los Grandes Nmeros. 2.5.1 Ley dbil de los grandes nmeros. 2.5.2 Ley fuerte de los grandes nmeros. 2.6 Teorema Central del Lmite. 2.6.1 Caso de variables aleatorias independientes e idnticamente distribuidas. 2.6.2 Caso de variables aleatorias independientes. 3. Introduccin a la Teora de los Procesos Estocsticos. 3.1 Introduccin. 3.2 Definicin de Proceso Estocstico. 3.3 Distribucin de un Proceso Estocstico. 3.4 Principales tipos de Procesos Estocsticos. 3.4.1 Proceso de Bernoulli. 3.4.2 Proceso de Poisson. 3.4.3 Movimiento Browniano. 4. Cadenas de Markov en Tiempo Discreto. 4.1 Introduccin. 4.2 Definicin de Cadena de Markov en tiempo discreto. 4.3 Probabilidades de transicin. 4.4 Clasificacin de los Estados.

4.5 Clasificacin de las Cadenas de Markov en tiempo discreto. 4.6 Distribuciones estacionarias. 4.7 Comportamiento asinttico de una Cadena de Markov en tiempo discreto. 4.8 Aplicaciones. 5. Cadenas de Markov en Tiempo Continuo. 5.1 Introduccin. 5.2 Definicin de Cadena de Markov en tiempo continuo. 5.3 Matrices de transicin. Q-matriz asociada al proceso. 5.4 Clasificacin de los Estados. 5.5 Clasificacin de las Cadenas de Markov en tiempo continuo. 5.6 Distribuciones estacionarias. 5.7 Comportamiento asinttico de una Cadena de Markov en tiempo continuo. 6. Aplicaciones de Cadenas de Markov en Tiempo Continuo y Otros Procesos Estocsticos. 6.1 Introduccin. 6.2 Procesos de Nacimiento-Muerte. 6.3 Teora de Colas. 6.4 Teora de Renovacin.
METODOLOGA Y ACTIVIDADES

Actividades de enseanza-aprendizaje
Descripcin y secuenciacin de actividades
1. Presentacin del plan docente de la asignatura 2. Lectura previa del resumen del tema 3. Explicacin, discusin y ejemplificacin en clase 4. Estudio de los contenidos explicados 5. Realizacin de una prctica sobre Espacios de Probabilidad y Variables Aleatorias 6. Resolucin de problemas prcticos sobre Espacios de Probabilidad y Variables Aleatorias 7. Discusin de los resultados obtenidos en la actividad anterior 8. Lectura previa del resumen del tema 9. Explicacin, discusin y ejemplificacin en clase 10. Estudio de los contenidos explicados 11. Explicacin, discusin y ejemplificacin en clase 12. Estudio de los contenidos explicados 13. Tutorizacin de los contenidos del tema 14. Realizacin de una prctica sobre Sucesiones de Variables Aleatorias. Principales Teoremas Lmite. 15. Resolucin de problemas prcticos sobre GG NP GG NP S NP S NP GG NP GG NP Tut S NP

Tipo
C-E(I) T(II) T(II) T(II) P(IV,V) P(IV,V) P(IV,V) T(II) T(II) T(II) T(II) T(II) T(III) P(IV,V) P(IV,V)

Horas
1 2 2 2 3 3 1 2 3 2 3 1 1 4 4

Tema
1-6 1 1 1 1 1 1 2 2.1-2.4 2.1-2.4 2.5-2.6 2.5-2.6 2 2 2

Sucesiones de Variables Aleatorias. Principales Teoremas Lmite. 16. Discusin de los resultados obtenidos en la actividad anterior 17. Lectura previa del resumen del tema 18. Explicacin, discusin y ejemplificacin en clase 19. Estudio de los contenidos explicados 20. Explicacin, discusin y ejemplificacin en clase 21. Estudio de los contenidos explicados 22. Tutorizacin de los contenidos del tema 23. Realizacin de una prctica sobre Principales Tipos de Procesos Estocsticos 24. Resolucin de problemas prcticos sobre Principales Tipos de Procesos Estocsticos 25. Discusin de los resultados obtenidos en la actividad anterior *Elaboracin de un trabajo por grupos *Tutorizacin de la actividad anterior 26. Lectura previa del resumen del tema 27. Explicacin, discusin y ejemplificacin en clase 28. Estudio de los contenidos explicados

S NP GG NP GG NP Tut S NP S NP Tut NP GG NP

P(IV,V) T(II) T(II) T(II) T(II) T(II) T(III) P(IV,V) P(IV,V) P(IV,V) P P T(II) T(II) T(II) T(II) T(II) T(III) P(IV,V) P(IV,V) P(IV,V) T(II) T(II) T(II) T(II) T(II) T(III) P(IV,V) P(IV,V) P(IV,V) T(II) T(II) T(II)

1 2 2 1 2 2 1 2 3 1 32 4 2 4 3 6 3 1 6 6 2 2 4 2 2 1 1 3 3 1 1 3 2

2 3 3.1-3.3 3.1-3.3 3.4 3.4 3 3 3 3 1-6 1-6 4 4.1-4.5 4.1-4.5 4.6-4.8 4.6-4.8 4 4 4 4 5 5.1-5.3 5.1-5.3 5.4-5.7 5.4-5.7 5 5 5 5 6 6 6

29. Explicacin, discusin y ejemplificacin en clase GG 30. Estudio de los contenidos explicados NP 31. Tutorizacin de los contenidos del tema Tut 32. Realizacin de una prctica sobre Cadenas de S Markov en Tiempo Discreto 33. Resolucin de problemas prcticos sobre Cadenas NP de Markov en Tiempo Discreto 34. Discusin de los resultados obtenidos en la S actividad anterior 35. Lectura previa del resumen del tema NP 36. Explicacin, discusin y ejemplificacin en clase GG 37. Estudio de los contenidos explicados NP 38. Explicacin, discusin y ejemplificacin en clase GG 39. Estudio de los contenidos explicados NP 40. Tutorizacin de los contenidos del tema Tut 41. Realizacin de una prctica sobre Cadenas de S Markov en Tiempo Continuo 42. Resolucin de problemas prcticos sobre Cadenas NP de Markov en Tiempo Continuo 43. Discusin de los resultados obtenidos en la S actividad anterior 44. Lectura previa del resumen del tema NP 45. Explicacin, discusin y ejemplificacin en clase GG 46. Estudio de los contenidos explicados NP

47. Tutorizacin de los contenidos del tema 48. Realizacin de una prctica sobre Aplicaciones de Cadenas de Markov en Tiempo Continuo y otros Procesos RECOMENDACIONES PARA EL ESTUDIO

Tut S

T(III) P(IV,V)

1 3

6 6

Asistencia continuada tanto a las clases de teora y como a las clases prcticas de problemas. Estudio continuado de los contenidos terico-prcticos desarrollados en el programa de la asignatura a lo largo del curso. Consulta de la bibliografa y dems recursos recomendados. Asistencia a tutoras. Realizacin de los problemas prcticos solicitados a lo largo del curso.

Criterios de evaluacin
Demostrar la adquisicin y comprensin de los principales conceptos tericos de la asignatura Aplicar de manera eficiente los conocimientos tericos en la resolucin de ejercicios y/o problemas Aplicar de manera eficiente los conocimientos tericos en la modelizacin de problemas prcticos reales. Participar activamente en la resolucin de problemas (terico-prcticos) en la clase. Realizar, exponer y defender con suficiencia un trabajo prctico propuesto. Instrumentos Registro y valoracin de los problemas prcticos realizados por el alumno (10%). Elaboracin, exposicin pblica y defensa del trabajo tutorizado (20%). Ser necesario realizar esta actividad para aprobar la asignatura. Examen final terico-prctico que constar de varias cuestiones tericas, ejercicios y/o problemas (70%).

Bibliografa Bibliografa Bsica: 1. Billingsley, P. (1986). Meausure and Probability. Second Edition. Springer-Verlag. 2. Chung, K.L. (1967). Markov Chains with stationary transition probabilities. Second Edition. Springer-Verlag. 3. Durrett, R. (1999). Essentials of Stochastic Processes. Springer. 4. Grimmett, G.R. and Stirzaker, D.R. (1992). Probability and Random Processes. Oxford University Press. 5. Karr, A.F. (1993). Probability. Springer-Verlag. 6. Kijima, M. (1997). Markov Processes for Stochastic Modelling. Chapman-Hall. 7. Quesada, V. y Pardo, L. (1987). Curso Superior de Probabilidades. PPU, Barcelona. 8. Ross, S. M. (1989). Introduction to Probability Models. Academic Press. 9. Ross, S. M. (1996). Stochastic Processes. Wiley. 10. Rohatgi, V.K. (1976). An Introduction to Probability Theory and Mathematical Statistics. Wiley. 11. Taylor, H. And Karlin, S. (1994). An Introduction to Stochastic Modelling. Academic Press. 12. Vlez, R. e Ibarrola, P. (1977) Procesos Estocsticos. UNED. http://matematicas.unex.es/~mvelasco/ http://www.mathcs.carleton.edu/probweb/probweb.html Bibliografa y sitios web complementarios: 1. Ash, R.B. (1972). Real Analysis and Probability. Academic Press. 2. Karlin, S. And Taylor, H. (1975). A First Course in Stochastic Analysis. Academic Press. 3. Karlin, S. And Taylor, H. (1981). A Second Course in Stochastic Analysis. Academic Press. 4. Laha, R.G. and Rohatgi, V.K., (1979). Probability Theory. Wiley. 5. Tijms, H.C. (2003). A First Course in Stochastic Models. Wiley.

Tutoras Prof. M. Gonzlez Horario Primer Cuatrimestre Martes Mircoles Jueves De 11.00 a 13.00 horas De 11.00 a 13.00 horas De 11.00 a 13.00 horas Segundo Cuatrimestre Martes De 10.00 a 11.00 horas De 12:00 a 13:00 horas Mircoles Viernes De 11.00 a 13.00 horas De 10.00 a 11.00 horas y de 12:00 a 13:00 Tutoras Prof. J. R. Martn Horario Primer y Segundo Cuatrimestre Lunes Martes Mircoles De 10:00 a 12:00 horas De 10:00 a 12:00 horas De 10:00 a 12:00 horas Despacho B39 Edificio de Matemticas Despacho B39 Edificio de Matemticas Despacho B39 Edificio de Matemticas Lugar Despacho B37 Edificio de Matemticas Ctedra de Bioestadstica Facultad de Medicina Despacho B37 Edificio de Matemticas Ctedra de Bioestadstica Facultad de Medicina Despacho B37 Edificio de Matemticas Despacho B37 Edificio de Matemticas Despacho B37 Edificio de Matemticas Lugar