UNIVERSIDAD NACIONAL DE SAN AGUSTÍN DE AREQUIPA

VICE RECTORADO ACADÉMICO

UNIDAD DE POSGRADO DE LA FACULTAD DE CIENCIAS NATURALES Y FORMALES

MAESTRÍA EN CIENCIAS MATEMÁTICAS

MENCIÓN:

SÍLABO 2017-2

CURSO:

I. DATOS GENERALES

Periodo académico: 2017

Escuela profesional: Escuela de Posgrado
Código del curso: 1601102
Semestre: Primero
Características: Semestral
Duración: 17 SEMANAS
Número de horas Teóricas: 4
Prácticas: 2
Número de Créditos:5
Prerrequisitos: Ninguno

II. DATOS ADMINISTRATIVOS

PROFESOR​: Jhon Franky Bernedo Gonzales

GRADO ACADÉMICO: Doctorado

DEPARTAMENTO ACADÉMICO:
 HORARIO Viernes Sábado Domingo
Total Semanal: 7:15-12:15
6 Hrs.

AULA: 303

 
III. FUNDAMENTACIÓN (JUSTIFICACIÓN)
El curso contribuye a la formación básica del estudiante. La asignatura es de naturaleza
teórica-práctica. En este sentido, el curso proporcionará la capacidad de modelar los
diferentes procesos que se presentan por medio de un modelo probabilístico.
También, este curso es una herramienta básica para el análisis de datos así como las reglas
para la construcción de modelos estocásticos con la finalidad de describir, caracterizar y
realizar predicciones que ayuden a la toma de decisiones.

IV. OBJETIVOS DEL CURSO

● Describir la naturaleza de los experimentos aleatorios y plantear el modelo asociado
con el experimento.
● Estudiar las características de los modelos probabilísticos y su uso para la modelación
estocástica.
● Analizar las diferentes propiedades de una variable aleatoria, así como sus
características más relevantes.
● Aplicar los modelos probabilísticos para el modelamiento de los diferentes problemas
y procesos que se presentan.

V. SUMILLA DEL CURSO

La asignatura contiene: Probabilidad, Probabilidad condicional e independencia, variables

aleatorias, vectores aleatorios, Distribuciones muestrales e estimación.

VI. CONTENIDO TEMÁTICO

1. Capítulo 1: Probabilidad
● Espacio muestral: - algebra de eventos
● Axiomas de probabilidad
● Sucesión de eventos
● Propiedades de probabilidad
● Simulación de eventos en R

2. Capítulo 2: Probabilidad condicional e independencia

● Probabilidad condicional, teorema de Bayes
● Independencia de eventos
 ● Ecuaciones en diferencias y recurrencias
● Simulación de probabilidad condicional en R

3. Capítulo 3: Variables aleatorias

● Variables aleatorias
● Distribuciones
● Variable aleatoria discreta y continua
● Valor esperado y varianza de una variable aleatoria
● Desigualdades

4. Capítulo 4: Vectores aleatorios: Independencia y Dependencia

● Distribución conjunta
● Distribución marginal y condicional
● Independencia
● Esperanza, varianza de un vector aleatorio
● Suma y producto de variables aleatorias
● Dependencia
● Convergencia
5. Capítulo 5: Distribuciones muestrales y Estimación
● Distribucion muestral
● Estimador de una parámetro: propiedades
● Estimación: máxima verosimilitud, método de los momentos
● Propiedades asintóticas de los estimadores
 
VII. ESTRATEGIAS DE ENSEÑANZA

CM: Clase magistral: Se emplearan para la discusión sobre las nociones conceptuales
contenidas en los contenidos de los temas.

P: Prácticas:
Se aplicaran para que los estudiantes aprendan los instrumentos
informáticos que les permitan simular los modelos probabilísticos.

VIII. CRONOGRAMA ACADÉMICO

Semana Tema / Evaluación Estrategia Avance (%)

Introducción a probabilidad: Espacio Muestral , sigma 6

1 CM, P
algebra de eventos, axiomas de probabilidad
2 Sucesión de eventos, propiedades de probabilidad CM, P 12
3 Simulación en R, Probabilidad condicional CM, P 18
Independencia de eventos, Teorema de Bayes, ecuaciones en 24
4 CM, P
diferencias
5 Primera Prueba CM, P 29
 6 Variable aleatoria, Función de distribución CM, P 35
7 Valor esperado, varianza de una variable aleatoria CM, P 41
8 Variable aleatoria discreta y continua CM, P 47
Desigualdad estocástica, simulación de variables aleatorias 53
9 CM, P
en R
10 Vector aleatório, distribución conjunta CM, P 59
11 Segunda Prueba CM, P 65
12 Distribución marginal y condicional de un vector aleatoria CM, P 71
13 Independencia, esperanza y varianza de um vector CM, P 77
14 Suma, produto, dependência y convergência de uma vector CM, P 83
15 Distribución muestral, estimador de um parametro CM, P 89
Estimación por máxima verosimilitud, propiedades 95
16 CM, P

17 Tercera Prueba CM, P 100

IX. EVALUACIÓN

Evaluación Ponderació
n
porcentual

Primera evaluación 0.33

Segunda
Segunda evaluación 0.33

Tercera evaluación 0.34

Total= 1.00
 

X. REQUISITOS DE APROBACIÓN

a) El alumno tendrá derecho a observar o en su defecto a ratificar las notas consignadas

en sus evaluaciones, después de ser entregadas las mismas por parte del profesor,
salvo el vencimiento de plazos para culminación del semestre académico, luego del
mismo, no se admitirán reclamos, alumno que no se haga presente en el día
establecido, perderá su derecho a reclamo.

b) Para aprobar el curso el alumno debe obtener una nota igual o superior a 14, en el
promedio final
 c) El redondeo, solo se efectuará en el cálculo del promedio final, quedando expreso, que
las notas parciales, no se redondearán individualmente.

d) El alumno que no tenga alguna de sus evaluaciones y no haya solicitado evaluación de

rezagados en el plazo oportuno, se le considerará como abandono.

e) El estudiante quedará en situación de “abandono” si el porcentaje de asistencia es

menor al ochenta (80%) por ciento en las actividades que requieran evaluación
continua (Prácticas, talleres, seminarios, etc.).

XI. BIBLIOGRAFÍA

a. Ross, S. (2010). Probabilidade: um curso moderno com aplicações. Bookman

Companhia Editora Ltda,São Paulo, 8th edition
b. Stirzaker, D. (2003). Elementary Probability. Cambridge University Press, New York,
second edition.
c. Gut, A. (2009). An Intermediate Course in Probability. Springer. New York, second
edition​.

Arequipa,

Firma