Probabilidad II
Probabilidad II
Probabilidad II
PROGRAMA DE ASIGNATURA
97
2. Variables y vectores aleatorios como
funciones medibles
0.1. Función medible y propiedades
básicas
0.2. Sigma-álgebras inducidas por
variables y vectores aleatorios
El alumno explicará la relación funcional entre la distribución
0.3. Función de distribución conjunta y
de probabilidad conjunta y sus distribuciones marginales así
Teorema de Sklar
como su aplicación en la construcción y análisis de modelos
0.4. Funciones cópula y construcción
de probabilidad multivariados.
de modelos de probabilidad
multivariados
0.5. Medidas de concordancia
(Kendall, Spearman) y
dependencia (Schweizer-Wolff,
Hoeffding)
3. Función característica y teoremas
límite
0.1. Definición y propiedades básicas El alumno analizará las propiedades básicas de la función
0.2. Teorema de inversión característica asociada a una variable aleatoria y su
0.3. Teorema de continuidad aplicación para la demostración de teoremas límite.
0.4. Convergencia en distribución y ley
de grandes números
0.5. Teorema central del límite
4. Convergencia de variables aleatorias El alumno analizará diversos modos de convergencia de
0.1. Más modos de convergencia: en variables aleatorias y los aplicará en la demostración de
probabilidad, casi segura y r- leyes de grandes números.
ésima media
0.2. Relaciones entre los distintos
modos de convergencia
0.3. Ley débil de grandes números
0.4. Ley fuerte de grandes números
Bibliografía básica
Domínguez Martínez, J.I. (2001). Diseño y análisis de modelos de probabilidad. México D.F: Grupo Editorial
Iberoamérica.
García Álvarez, M.A. (2005). Introducción a la teoría de la probabilidad (segundo curso). México D.F: Fondo
de Cultura Económica.
Grimmett, G.R., Stirzaker, D.R. (2004). Probability and random processes. Oxford: Oxford University Press.
Nelsen, R.B. (2006). An introduction to copulas. Nueva York: Springer.
Rincón, L. (2007). Curso intermedio de probabilidad. México D.F: Facultad de Ciencias UNAM.
Bibliografía complementaria
Ash, R.B. (2000). Probability and measure theory. London: Academic Press.
Billingsley, P. (1986). Probability and measure. New York: Wiley.
Chung, K.L. (2001). A course in probability theory. London: Academic Press.
98
• Exposiciones de los alumnos, supervisadas • Exámenes finales
por el profesor • Exámenes parciales
• Participación en técnicas grupales • Participación en clase
• Realización de ejercicios con apoyo • Tareas
computacional, utilizando software como
Maple, Mathematica, MATLAB o algún
software libre
• Resolución de exámenes ante el grupo
• Resolución de problemas
99