Modelos probabilistas aplicados

La unidad de aprendizaje consiste de cuatro horas semanales de clase y cinco horas de trabajo extra aula por semana, durante 20 semanas y otorga seis créditos.

Objetivo

Desarrollar un entendimiento básico de la teoría de probabilidad para el trabajo más avanzado en optimización de modelos probabilistas y en procesos estocásticos.

Pre-requisitos

Un buen entendimiento de matemáticas de licenciatura.

Calificación

Son 16 tareas semanales otorgando por máximo 5 puntos por tarea más un proyecto integrador que corresponde a las últimas cuatro semanas del semestre otorga por máximo 20 puntos.Las tareas se definen en las sesiones correspondientes.

La calificación final es la suma de los puntos de las tareas y los del proyecto. Las actividades se desarrollan en R y LaTeX, incluyendo los archivos .R, .tex, .bib y .pdf en un repositorio público tipo GitHub. No habrá examen. Las tareas se califican con la siguiente escala:

5 = excede lo que se esperaba
4 = cumple con lo que se esperaba
3 = débil en calidad
2 = débil en alcance
1 = débil en ambos alcance y calidad
0 = inadecuado en alzance y calidad
NP = tarea omitida

Temario

El semestre a nivel posgrado corresponde a 20 sesiones, una por semana. De cada tema, hay primero una sesión teórica y luego otra sesión práctica. La primera semana del semestre consiste en una sesión organizacional y la última corresponde a la aplicación en encuesta docente y la recopilación de portafolios de evidencia.

  1. Conceptos básicos de probabilidad
  2. Distribuciones y densidades de probabilidad
  3. Distribuciones conjuntas de variables aleatorias
  4. Probabilidad condicional
  5. Valores esperados
  6. Distribuciones y densidades de probabilidad multivariadas
  7. Funciones generadoras de momentos
  8. Propiedades asintóticas y teoremas de límite central
  9. Aplicaciones selectas

Resultados

Participante Puntos de las tareasPI CF

Material

Actualizado el 30 de junio del 2020.
URL: https://elisa.dyndns-web.com/teaching/prob/pisis/