Visita la página personal del profesor

Visita la página personal del profesor:

Sobre los hombros de Euclides, Bernoulli y Pascal

Gracias por seguirnos visitando

Tarea β

Descarga aquí la Tarea β para el segundo examen parcial

Observación: Nota que la fecha de entrega es el lunes 14 de mayo al inicio de la clase.

Apuntes del curso

Descarga en esta entrada de la bitácora los apuntes del curso actualizados al 02 de mayo de 2007.

Dale cinco estrellas a esta entrada si te parece interesante:

Práctica 03. Cálculo de probabilidades en PQRS. 2a parte

Descarga los problemas de la Práctica 03 en formato texto

Descarga el breve resumen sobre las características de las distribuciones Poisson, binomial negativa y geométrica que vimos en el laboratorio

Dale cinco estrellas a esta entrada si te parece interesante:

I Premio Espiral de Edublogs

Queremos hacer del conocimiento de nuestros lectores que nuestra bitácora Probabilidad participa en la convocatoria de Edublogs al I Premio Espiral, en la categoría de "Blogs de Profesores y Profesoras".

Vemos con agrado que el uso de las nuevas tecnologías que la Internet ofrece nos proporciona una herramienta más que incorporar al trabajo diario de los profesores y esperamos que esfuerzos como el que realizan los editores de Edublogs permitan acercar a un grupo cada vez más amplio de usuarios estas técnicas.

Dale cinco estrellas a esta entrada si te parece interesante:

Estadísticos notables: Poisson, Simeón

Los trabajos más importantes de Poisson (pronúnciese "Poasó" o "Poasón") fueron una serie de artículos sobre integrales definidas y sus avances sobre series de Fourier. Este trabajo constituyó la base del trabajo posterior en esta área desarollado por Dirichlet y Riemann.

En su importante publicación sobre probabilidad Recherches sur la probabilité des jugements en matière criminelle et matière civile (Investigación sobre la probabilidad de juicio en materia criminal y materia civil) de 1837, aparece por primera vez la distribución Poisson que describe la probabilidad de que un evento aleatorio ocurra en un intervalo de espacio o tiempo bajo las condiciones de que la probabilidad de ocurrencia de dicho evento es muy pequeña, pero el número de ensayos es muy grande de modo que el evento de hecho ocurre unas pocas veces. Poisson también utilizó por primera vez el concepto de "ley de los grandes números". Aunque ahora se valora este trabajo como de gran importancia, fue poco favorecido en su época, con excepción de Rusia en donde Tchebyshev desarrolló sus ideas.

Traducido de:
O'Connor, John J. & Robertson, Edmund F. Poisson, Simeón, en Indexes of Biographies. MacTutor History of Mathematics. School of Mathematics and Statistics. Universidad de St Andrews, Escocia. http://www-history.mcs.st-and.ac.uk/Biographies/Poisson.html. Consultado el 16 mar 2007.

Lee la biografía completa (en Inglés)

Dale cinco estrellas a esta entrada si te parece interesante:

Práctica 03. Gráficas de funciones de probabilidad con R

Descarga el archivo de la Práctica 03 en formato R

(Observación:
El servidor en donde hospedamos nuestros archivos no permite la extensión "R", por lo que el archivo tiene extensión "txt". Tras descargarlo, edita el nombre y cambia "txt" por "R", con lo cual podrás usar el archivo sin problemas)

Dale cinco estrellas a esta entrada si te parece interesante:

Bibliografía del curso

Un poco tarde, pero les presentamos la bibliografía básica del curso de Probabilidad para Lic. en Matemáticas Aplicadas. Los números entre corchetes indican la colocación del texto en la Biblioteca de la Universidad Autónoma de Aguascalientes:

• Casella, G. and Berger, R. (2002) Statistical Inference. 2nd ed. Duxbury, Australia


• Feller, W. (1978). Introducción a la teoría de probabilidades y sus aplicaciones. 2° ed. Limusa, Méx. [519.1F317i, 519.2F318a]


• Hoel, P.; Port S. and Stone, C.(1971). Introduction to Probability Theory. Houghton Mifflin Company. Boston


• Hogg, R. and Craig, A. (1978). Introduction to mathematical statistics. MacMillan Publishing


• Mendenhall, W. (1986) Estadística matemática con aplicaciones. Iberoamericana [519.5M537e]


• Mood, A.; Graybill, F. and Boes, D. (1973) Introduction to the theory of statistics [519.5M817i]


• Parzen, E. (1973) Teoría moderna de probabilidad y sus aplicaciones [519P221t]

Dale cinco estrellas a esta entrada si te parece interesante:

Las primeras 1,000 visitas

Esta bitácora tuvo el propósito inicial de servir como material de apoyo para los alumnos de mi curso de Probabilidad de este semestre de la Licenciatura en Matemáticas aplicadas de la Universidad Autónoma de Aguascalientes; sin embargo, además de las veces que ellos se han conectado al sitio, contamos con la satisfacción de que internautas de distintos lugares de nuestro país, hasta sitios tan lejanos (en el mapa, que no en las afinidades) como Buenos Aires en Argentina, Sevilla en España o Paris en Francia, hayan tenido a bien favorecernos con una o más visitas.

Quienes hacemos posible la publicación de este blog queremos agradecer a todos nuestros visitantes que nos hayan acompañado hasta ahora, haciéndonos entrar en la lista de los 512 más leídos de Blogalaxia, México y llevándonos a estas primeras 1,000 visitas.

Esperamos seguir contando con su compañía, porque el semestre recién comienza. No duden en hacernos llegar sus comentarios y opiniones a la dirección de contacto y mientras tanto seguiremos trabajando con el mismo gusto e interés que hasta ahora.

Dale cinco estrellas a esta entrada si te parece interesante:

Práctica 2. Cálculo de probabilidades

Esta Práctica No. 2 trata sobre el uso de R y PQRS para el cálculo de probabilidades para las distribuciones binomial e hipergeométrica. También se examina la elaboración de gráficas de barras en R.

Descarga aquí el código de la práctica en formato R

Descarga aquí el texto de la Práctica 2 sobre cálculo de probabilidades con R y PQRS

Dale cinco estrellas a esta entrada si te parece interesante:

Estadísticos Notables: Bayes, Thomas

Thomas Bayes (1702 - 1761) fue un clérigo inglés que estableció su teoría de la probabilidad en un ensayo que no se publicó sino hasta tres años después de su fallecimiento, en 1764. Laplace aceptó las conclusiones de Bayes en 1781, posteriormente las redescubrió Condorcet y permanecieron incontrovertibles hasta que Boole las cuestionó. Desde entonces las técnicas Bayesianas han estado sujetas a controversia.

Traducido de:
O'Connor, John J. & Robertson, Edmund F. Bayes, Thomas, en Indexes of Biographies. MacTutor History of Mathematics. School of Mathematics and Statistics. Universidad de St Andrews, Escocia. http://www-history.mcs.st-and.ac.uk/Biographies/Bayes.html. Consultado el 16 feb 2007.

Lee la biografía completa (en Inglés)

Dale cinco estrellas a esta entrada si te parece interesante:

Estadísticos Notables: Kolmogorov, Andrey Nikolaevich

Kolmogorov (1903-1987), matemático ruso nacido en la provincia de Tambov, fue uno de los desarrolladores de la teoría de la probabilidad. Posteriormente utilizó ese trabajo para estudiar el movimiento de los planetas y el flujo turbulento de aire de un motor de avión de propulsión a chorro.

Traducido de:
O'Connor, John J & Robertson, Edmund F. Kolmogorov, Andrey Nikolaevich, en Indexes of Biographies. MacTutor History of Mathematics. School of Mathematics and Statistics. Universidad de St Andrews, Escocia. http://www-history.mcs.st-and.ac.uk/Biographies/Kolmogorov.html. Consultado el 16 feb 2007

Lee la biografía completa (en Inglés)

Dale cinco estrellas a esta entrada si te parece interesante:

Temario

El programa oficial de la materia se entregó durante la primera semana de actividades. Aquí se presenta una lista simplificada de los temas a considerar en el curso, únicamente como referencia.

Contenido del curso

1. Probabilidad


1. Espacios de probabilidad


• Elementos esenciales de la teoría de la probabilidad


• Fenómenos deterministas y aleatorios


• Conceptos de espacio muestral, σ-álgebra, medida de probabilidad, espacio de probabilidad




2. Propiedades de la probabilidad


• Principales identidades y desigualdades de la probabilidad


• Propiedad de continuidad de la probabilidad (para sucesiones crecientes o decrecientes de eventos)




3. Análisis combinatorio


• Principio general de multiplicación


• Concepto de muestras ordenadas (permutaciones) y no ordenadas (combinaciones). Muestreos con y sin reemplazo




4. Probabilidad condicional e independencia


• Problemas que implican el concepto de probabilidad condicional


• Fórmulas de Probabilidad Total y de Bayes


• Independencia estocástica de n eventos






2. Variables aleatorias discretas y continuas


1. Variables aleatorias discretas


• Principales distribuciones discretas de probabilidad: Bernoulli, Binomial, Geométrica, Binomial Negativa, Poisson, Uniforme Discreta, Hipergeométrica


• Identificación e interpretación gráfica de las densidades y distribuciones de probabilidad con distintos parámetros


• Ilustración gráfica del concepto de moda


• Esperanza, varianza y covarianza


• Deducción de la esperanza y varianza de las distribuciones examinadas




2. Variables aleatorias continuas


• Distribuciones de probabilidad continua: Uniforme Continua, Beta, Exponencial, Gamma, Gaussiana (Normal)


• Identificación e interpretación gráfica de las densidades y funciones de distribución con diferentes parámetros


• Definición e ilustración gráfica de los conceptos de moda, sesgo y kurtosis


• Propiedades de la esperanza, varianza y covarianza


• Deducción de la esperanza y varianza de las distribuciones examinadas




3. Función generatriz de momentos


• Concepto de función generatriz de momentos (FGM)


• Uso de la FGM para la deducción de los cuatro primeros momentos de distribuciones seleccionadas






3. Vectores aleatorios y convergencia


1. Distribuciones bivariadas


• Conceptos de función de distribución conjunta y función de densidad conjunta




2. Distribución de la suma y el cociente


• Deducción de la distribución de la suma de dos variables aleatorias independientes (convolución)


• Aplicación de la convolución para el caso de distribuciones normales, gamma y otras


• Deducción de la distribución del cociente de dos variables aleatorias independientes




3. Densidad condicional


• Conceptos de distribución condicional y esperanza condicional




4. Convergencia en distribución y en probabilidad


• Concepto de convergencia en distribución


• Aproximación de Poisson


• Teorema del Límite Central y su aplicación para la aproximación Normal


• Demostración de las desigualdades de Markov y Chebyshev


• Demostración y aplicación de la Ley Débil de los Grandes Números

Dale cinco estrellas a esta entrada si te parece interesante:

¿Qué es PQRS?

PQRS son las siglas del software estadístico Probabilities, Quantiles and Random Samples, desarrollado por el Dr. Sytse Knypstra



Se trata de una herramienta informática que reemplaza el uso de tablas para el cálculo de probabilidades para las distribuciones más comunes, entre las que se encuentran:

1. Discretas


• Bernoulli


• Binomial


• Uniforme


• Poisson


• Hipergeométrica




2. Continuas


• Gamma


• Exponencial


• Normal


• t de Student


• F de Fisher-Snedecor

El programa también permite calcular probabilidades, cuantiles y realizar la generación de muestras de cada distribución que presenta.

Es una herramienta muy útil para un curso introductorio de probabilidad y para un primer curso de inferencia estadística.

Visita el sitio de PQRS del Doctor Knypstra

Descarga PQRS para Windows (95, 98, 2000 y XP)

Dale cinco estrellas a esta entrada si te parece interesante:

Notas sobre medida y probabilidad

A continuación presentamos algunos textos sobre medida y probabilidad, disponibles en Internet, que hemos utilizado como material de apoyo al curso:

• Christel Geis y Stefan Geis. "An introduction to probability theory". 2006


• Charles M. Grinstead and J. Laurie Snell. "Introduction to probability"


• Boris Tsirelson. Introduction to probability. 2007


• Garauv Chandalia. "A gentle introduction to measure theory". 2006


• Richard F. Bass. "Measure theory and integration". 1998

Práctica 1

Descarga el archivo IntroR.r que contiene la práctica de introducción al paquete de análisis estadístico R.

Descarga los datos de la práctica (conjunto de datos artificiales)

Utiliza el archivo IntroR.r para comenzar a conocer las características básicas de R.
Para la parte de lectura de archivos de texto, utiliza el archivo Datos.txt y cópialo al directorio raíz de tu disco duro.

Editor de código Tinn-R

Tinn-R (Tinn Is Not Notepad-R) es un editor de código que se puede utilizar con R, pero también está preparado para escribir código en C++, HTML, Java y otros lenguajes populares.

Entre sus principales características están el resaltado de sintaxis y el manejo de proyectos (conjuntos de programas). Además, se puede ejecutar las instrucciones de programas escritos en R desde el editor.

Descarga la última versión estable de Tinn-R (1.17.2.4) utilizable en ambientes MDI.

El software de análisis estadístico R

es un software para elaboración de gráficas y análisis estadístico, el cual es similar al ambiente del software S Plus.

Es de uso gratuito a través de una licencia GNU General Public Licence (GPL).

Descarga la versión más reciente de R (v. 2.6.2 al 26 de marzo de 2008, en el sitio "espejo" de CRAN en la Universidad de Berkeley). Si la liga anterior no funciona, es debido a que existe una versión más reciente, que puedes obtener en la página del Proyecto R (sitio espejo del Proyecto R en la Universidad Autónoma del Estado de Morelos, México). Haz clic en la liga "Windows" del recuadro Download and Install R.

R tiene una cantidad importante de rutinas estadísticas definidas en su paquete base, pero además ofrece un buen número de paquetes de rutinas especializadas, los cuales se puede descargar e instalar en su página de paquetes de los colaboradores.

Este es un software altamente recomendable por lo robusto y potente de las rutinas que tiene implementadas.

Ventajas:

• Es un software robusto


• Posee un número importante de rutinas base y paquetes adicionales


• Está en constante actualización


• Gratuito

Desventajas:

• Poco amigable si no se cuenta con ciertos conocimientos básicos de programación


• Puede requerir cierta dedicación al inicio para obtener resultados observables

Formularios

Descarga los siguientes dos archivos que contienen un resumen sobre las distribuciones de probabilidad univariada más comunes:

• Distribuciones discretas


• Distribuciones discretas

Nota:
Se cambió el contenido original de esta entrada porque al parecer el archivo al que se hacía referencia ya no está disponible en el servidor de la Universidad Autónoma de Aguascalientes.

Apuntes del curso

Descarga los apuntes del curso actualizados al 02 de mayo de 2007

Ten en cuenta que recién estamos produciendo las notas y las consideramos sujetas a revisión y actualización. Nuestro curso estará en desarrollo de enero a junio de 2007. En ese lapso habrá actualizaciones periódicas de estas notas. La actualización de las notas incluye lo visto en clase hasta el viernes de la semana anterior.

Recuerda nuestro Aviso Legal.

¿Te parece útil el contenido de la bitácora? Entonces apóyanos citando el blog

Cita esta bitácora

El material publicado en esta bitácora puede ser utilizado sin fines de lucro. Se agradecerá citar el blog cuando se utilice material aquí contenido.

La siguiente es una cita de esta entrada de la bitácora en el Estilo Chicago, como debería lucir si la consulta se hubiera realizado el día en que se escribió este post.

Editores de la Bitácora Probabilidad, "Cita esta bitácora" en Probabilidad, http://problma12007.blogspot.com/2007/02/cita-este-blog.html (consultado el 09 de febrero de 2007).

(El resaltado de texto es del blog Probabilidad)

Aviso legal

Todo el material en esta bitácora incluyendo, pero sin limitarse a, los textos, ejemplos, datos, imágenes y apuntes se proporciona sin costo y "tal como está". Los editores del blog realizan su mejor esfuerzo, dentro de sus posibilidades, por mantener el contenido en un nivel general que sea adecuado para el curso para el que está planeado; pero niegan cualquier garantía, implícita o explícita, con respecto a la exactitud, integridad y grado de actualización de la información aquí presentada.

Cuando se haga uso de un nombre comercial o marca registrada, ello se indicará con el símbolo de derechos reservados o copyright, ©. Las marcas y nombres comerciales se utilizan únicamente como referencia y sin fines de lucro y pertenecen a sus respectivos propietarios.

Bienvenida

Esta es la bitácora de la materia de Probabilidad para Licenciado en Matemáticas Aplicadas de la Universidad Autónoma de Aguascalientes, impartido por el profesor . En esta bitácora electrónica o blog encontrarás algunos materiales de apoyo y avisos relacionados con el curso, por lo cual es recomendable que lo revises regularmente.

Esta es una forma relativamente nueva de hacer llegar documentación de estas exposiciones a los alumnos, por lo cual te agradeceremos tus sugerencias para mejorar el desempeño de esta nueva modalidad.

Saludos y que tengas éxito en el curso.