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.