Download PROGRAMA DE CURSO Código Nombre MA3401
Document related concepts
Transcript
PROGRAMA DE CURSO Código MA3401 Nombre PROBABILIDADES Nombre en Inglés PROBABILITY Horas Horas de Docencia Trabajo Auxiliar Personal 6 10 3 2 5 Requisitos Carácter del Curso MA2001 Cálculo en Varias Variables CFB, curso de Licenciatura Obligatorio para Ingeniería Civil Matemática Resultados de Aprendizaje El estudiante al término del curso demuestra que: • Comprende los conceptos y técnicas fundamentales de la teoría de probabilidades y procesos aleatorios, enfatizando la importancia de estas herramientas en el modelamiento matemático en Ingeniería. SCT Unidades Docentes Horas de Cátedra Metodología Docente Las estrategias que serán desarrolladas son: • Clases expositivas. • Clases de ejercicios auxiliares. Evaluación General Las instancias de evaluación de los estudiantes serán: • • 3 controles un examen. Resumen de Unidades Temáticas Número 1 2 3 4 5 6 7 8 9 10 11 Nombre de la Unidad Axiomática de Probabilidades Probabilidad Condicional Variables Aleatorias y Distribución Valor Esperado, Momentos Familias de distribuciones discretas Familias de distribuciones continuas Distribuciones Multivariadas Sumas de Variables Aleatorias Independientes Teoría asintótica Procesos Estocásticos en Tiempo Discreto Procesos de Poisson TOTAL Duración en Semanas 2.0 1.0 1.0 1.0 1.0 1.0 2.0 1.0 1.0 2.0 2.0 15.0 Unidades Temáticas Número Nombre de la Unidad Duración en Semanas 1 AXIOMÁTICA DE PROBABILIDADES 2.0 Resultados de Aprendizajes de Referencias a Contenidos la Unidad la Bibliografía 1. Introducción: el azar, El estudiante: Toda la determinismo, ejemplos 1. Reconoce un fenómeno Bibliografía variados, juegos. aleatorio simple y es de referencia 2. Definición axiomática de capaz de proponer un probabilidad y propiedades. modelo apropiado. Espacio muestral, sucesos, 2. Es capaz de calcular probabilidades de σ-álgebra. algunos sucesos 3. Espacios finitos y sencillos. numerables. Construcción de una probabilidad, combinatoria. Espacios equiprobables. Número Nombre de la Unidad Número Nombre de la Unidad Duración en Semanas 2 PROBABILIDAD CONDICIONAL 1.0 Resultados de Aprendizajes de Referencias a Contenidos la Unidad la Bibliografía 1. Definición de Probabilidad El estudiante Toda la Condicional. 1. Conoce los conceptos de Bibliografía 2. Teorema de Probabilidades probabilidad e de referencia Totales y de Bayes. independencia así como Fórmula del producto. los teoremas de Bayes y 3. Noción de independencia probabilidades totales. estocástica. 2. Aplica estos conceptos en situaciones concretas. Duración en Semanas 3 VARIABLES ALEATORIAS Y DISTRIBUCIÓN 1.0 Resultados de Aprendizajes de Referencias a Contenidos la Unidad la Bibliografía 1. Definición de variables El estudiante: Toda la aleatorias discretas y 1. Conoce el concepto de Bibliografía continuas. variable aleatoria y sabe de referencia 2. Probabilidad inducida. calcular probabilidades 3. Distribución. Densidad en usando las funciones de caso discreto y continuo. densidad o distribución. 4. Transformaciones de variables aleatorias. Número Nombre de la Unidad Duración en Semanas 4 VALOR ESPERADO, MOMENTOS 1.0 Resultados de Aprendizajes de Referencias a Contenidos la Unidad la Bibliografía 1. Valor Esperado. Casos El estudiante: discretos, continuos 1. Conoce e interpreta el (7) (integral de Riemannconcepto del valor (6) Stieltjes). esperado y momentos y 2. Momentos y función es capaz de calcularlos. generadora. Número Nombre de la Unidad Número Nombre de la Unidad Duración en Semanas 5 FAMILIAS DE DISTRIBUCIONES DISCRETAS 1.0 Resultados de Aprendizajes de Referencias a Contenidos la Unidad la Bibliografía 1. Distribuciones Binomial, El estudiante: Poisson, Hipergeométrica y 1. Adquiere familiaridad (7) Binomial Negativa. con los modelos clásicos (6) 2. Momentos y relaciones discretos, conoce sus entre diversas propiedades y su distribuciones. dominio de aplicación. 3. Ejemplos relevantes. Duración en Semanas 6 FAMILIAS DE DISTRIBUCIONES CONTINUAS 1.0 Resultados de Aprendizajes de Referencias a Contenidos la Unidad la Bibliografía 1. Distribuciones Uniforme, El estudiante: Exponencial, Normal, 1. Adquiere familiaridad (7) Gamma y Beta. con los modelos clásicos (6) 2. Momentos, relaciones. continuos, conoce sus Transformaciones. propiedades y su dominio de aplicación. Número Nombre de la Unidad Duración en Semanas 7 DISTRIBUCIONES MULTIVARIADAS 2.0 Resultados de Aprendizajes de Referencias a Contenidos la Unidad la Bibliografía 1. Vectores aleatorios. El estudiante: 2. Distribución, densidad 1. Comprende los (7) conjunta, densidad conceptos de vector (6) marginal y densidad aleatorio, densidades y condicional. distribuciones 3. Esperanza condicional. marginales o Independencia de variables condicionales. aleatorias. 2. Calcula probabilidades 4. Esperanza del producto. relacionadas con vectores aleatorios. Covarianza, correlación, ortogonalidad. 3. Conoce los conceptos de 5. Cambio de variables, esperanza, varianza y transformaciones lineales, covarianza y puede normal multivariada, calcularlos en casos multinomial. concretos. 4. Obtiene la distribución de ciertas transformaciones de variables aleatorias. Número 8 Nombre de la Unidad SUMAS DE VARIABLES ALEATORIAS INDEPENDIENTES Resultados de Aprendizajes de Contenidos la Unidad 1. Función característica o El alumno generadora de momentos. 1. Comprende la operación 2. Suma de variables de convolución y su aleatorias igualmente relación con las distribuídas. Convolución. variables aleatorias independientes y función 3. χ-cuadrado. característica. 2. Conoce la distribución χcuadrado y su deducción. Duración en Semanas 1.0 Referencias a la Bibliografía Toda la Bibliografía de referencia Número Nombre de la Unidad Duración en Semanas 9 TEORÍA ASINTÓTICA 1.0 Resultados de Aprendizajes de Referencias a Contenidos la Unidad la Bibliografía 1. Nociones de convergencia: El estudiante: (2) en probabilidad, casi 1. Comprende las diversas segura, en Lp, en nociones de distribución, en media convergencia de variable cuadrática. aleatoria, sus relaciones 2. Desigualdad de Tchvychef. y puede obtener límites 3. Ley de los grandes en ejemplos números. Convergencia de seleccionados. funciones características. 4. Teorema Central del Límite. 2. Comprende la ley de los 5. Aproximación de la ley grandes números y el Binomial por la Normal y la Teorema Central del Poisson. Límite, así como su deducción teórica. Además reconoce su importancia teórica y aplicada. Número Nombre de la Unidad 10 1. 2. 3. 4. PROCESOS ESTOCÁSTICOS EN TIEMPO DISCRETO Resultados de Aprendizajes de Contenidos la Unidad Introducción y ejemplos de El estudiante: procesos. 1. Conoce los elementos Cadenas de Markov: básicos de las cadenas definición, matriz de de Markov en tiempo transición, recurrencia, discreto y es capaz de periodicidad, clasificación analizar algunos ejemplos de aplicación de estados. Probabilidades seleccionados: paseos al estacionarias. azar, ruina de un Teoremas ergódicos. jugador, modelos de urna, etc. Duración en Semanas 2.0 Referencias a la Bibliografía (8) (4) Número Nombre de la Unidad Duración en Semanas 11 PROCESOS DE POISSON 2.0 Resultados de Aprendizajes de Referencias a Contenidos la Unidad la Bibliografía 1. Definición de un proceso de El estudiante: Poisson homogéneo. 1. Conoce los elementos (8) 2. Ecuaciones infinitesimales. básicos del proceso de (4) 3. Tiempos entre llegadas. Poisson homogéneo y 4. Procesos no homogéneos. sus aplicaciones. 5. Procesos de nacimiento y 2. Realiza algunos cálculos muerte. de probabilidades para 6. Aplicación a la cola M/M/1, este tipo de proceso. M/M/c, etc. 3. Conoce la definición de los procesos de nacimiento y muerte y sus aplicaciones en teoría de colas. Bibliografía (1) ANG A. & TANG W., Probability Concepts in Engineering Planning and Design, John Wiley (1984) (2) BILLINGSLEY P., Probability and Measure, John Wiley (1986) (3) DEGROOT M. Optimal Statistical Decisions, Mc Graw-Hill (1970) (4) KARLIN S., Initiation aux Proccesus Aléatoires, Dunod (1969) (5) KRICKEBERG K,, Probability Theory, Addison-Wesley (1965) (6) MEYER P., Probabilidad y Aplicaciones Estadísticas, Fondo Educativo Interamericano (1973) (7) FELLER, W., An Introduction to Probability Theory and its Applications, John Wiley (1965) (8) ROSS CH., Applied Probability Models with Optimization Applications, HoldenDay, 3ra. edición, 1985. (9) THOMPSON W., Applied Probability, Holt-Rinehart-Winston (1969) Vigencia desde: Elaborado por: Revisado por: Otoño 2009 Raúl Gouet 2009: Axel Osses 2010 Michal Kowalczyk (Jefe Docente) Área de Desarrollo Docente (ADD)