Probabilidad_GEM

Teoría de la probabilidad

Curso de Probabilidad de nivel intermedio dirigido a alumnos de pregrado, posgrado, egresados y público interesado.

Información general

• Modalidad:

  • Virtual
  • Inicio 10 de abril

• Docentes:

  • Daniel Camarena (actual)
  • David Morante (actual)
  • Francisco Herrera (actual)
  • Kriss Gutierrez (actual)
  • Paolo Camarena (actual)
  • Miller Silva
  • Jhon Astoquillca

• Lanzamiento (GEM UNI):

  • Duración: 2021/04/24 - 2021/11/13 (aprox. 1 ciclo académico)
  • Post informativo

• Relanzamiento (GEM UNI y Grupo CENTEC):

  • Duración: 2023/04/10 - 2023/06/27 (12 semanas)
  • Horario de Teoría: Lu y Ju 8pm (Hora Perú, asincrónico).
  • Horario de Práctica: Ma 8-10pm (Hora Perú, sincrónico)
  • Post informativo
  • Observaciones: La parte práctica es sincrónica (no hay grabación), al siguiente día de la sesión se subirá la grabación a Youtube junto con el resto de clases de teoría.

• Requisitos:

  • Familiaridad con cálculo diferencial e integral (nivel básico).
  • Familiaridad con probabilidad (nivel básico).
  • ¡Muchísimas ganas de aprender!

Desarrollo

I. Temarios

• Temario de lanzamiento (2021).
• Temario de relanzamiento (2023): Adiciona clases de resolución de ejercicios al temario previo.

II. Repositorios:

• YouTube
• GitHub

III. Clases

1. Espacio de Probabilidad. Material. Grabación.
   P1. Clase práctica 1: Introducción al curso. Material. Grabación. Cuestionario de entrada.
   
2. Probabilidad Condicional. Material. Grabación.
   
3. Independencia. Material. Grabación.
   P2. Clase práctica 2: Espacios de probabilidad. Lista de ejercicios. Grabación. Solucionario.
   
4. Sigma-álgebras y medidas. Material. Grabación.
   
5. Variables Aleatorias. Material. Grabación.
   P3. Clase práctica 3: Independencia. Lista de ejercicios. Grabación. Solucionario.
   
6. Función de Distribución. Material. Grabación.
   
7. Tipos de variables aleatorias. Material. Grabación.
   P4. Clase práctica 4: Espacios de probabilidad e Independencia. Lista de ejercicios. Grabación. Cuaderno jupyter (Python).
   
8. Distribuciones de Variables Aleatorias. Material. Grabación.
   
9. Vectores Aleatorios. Material. Grabación.
   P5. Clase práctica 5: Variables Aleatorias. Lista de ejercicios. Grabación. Solucionario.
   
10. Distribución Uniforme y Convolución. Material. Grabación.
    
11. Esperanza Matemática e Integración. Material. Grabación.
    P6. Clase práctica 6: Distribuciones de Probabilidad. Cuaderno jupyter (R). Grabación. Cuaderno jupyter adicional (Python)
    
12. Propiedades de la Esperanza. Material. Grabación.
    
13. Momentos y funciones de vectores aleatorios. Material. Grabación.
    P7. Clase práctica 7: Vectores Aleatorios (Python). Cuaderno jupyter. Grabación.
    
14. Teoremas de Convergencia. Material. Grabación.
    
15. Condicionamiento: caso discreto y continuo. Material. Grabación.
    P8. Clase práctica 8a: Condicionamiento y Esperanza Condicional. Lista de ejercicios. Solucionario de la lista. Grabación.
    P8. Clase práctica 8b: Condicionamiento y Esperanza Condicional (Python). Cuaderno jupyter. student-por.csv. Grabación.
    
16. Distribución Condicional: caso general. Material. Grabación.
    
17. Esperanza Condicional. Material. Grabación.
    P9. Clase práctica 9: Convergencia y Leyes de Grandes Números. Lista de ejercicios. Grabación. Solucionario.
    
18. Las leyes de los grandes Números, la Ley Débil. Material. Grabación.
    
19. La Ley Fuerte y Lema de Borel-Cantelli. Material. Grabación.
    P10. Clase práctica 10: Convergencia y Leyes de Grandes Números (Python). Teoría. Grabación. Cuaderno jupyter.
    
20. Funciones Características. Material. Grabación.
    
21. Convergencia en Distribución. Material. Grabación.
    
22. El Teorema Central del Límite. Material. Grabación.
    P11. Clase práctica 11: Teorema Central del Límite. Lista de ejercicios. Grabación. Cuaderno jupyter.
    
23. El Teorema Central del Límite, extensiones. Material. Grabación.
    P12a. Introducción a los procesos estocásticos I. Teoría. Grabación. Cuaderno jupyter.
    P12b. Introducción a los procesos estocásticos II. Cuaderno jupyter. Grabación.
    

IV. Referencias

[1]. James, B. (2004). Probabilidad: Un curso de nivel intermedio. Textos IMCA.
[2]. Bertsekas, D., & Tsitsiklis, J. N. (2008). Introduction to probability. Athena Scientific.
[3]. De Nápoli, P. (2023). Notas de Probabilidad y Estadística.

Otros talleres

Por parte de GEM:

• Análisis Matemático.
• Métodos Numéricos.
• Cadenas de Markov (Próximo relanzamiento).

Por parte de Grupo CENTEC:

• Matemática Aplicada con R.
• Estadística Aplicada con R.
• Python para Machine Learning y Deep Learning (Próximo lanzamiento).
• Econometría Avanzada (Próximo lanzamiento).
• Matemática Avanzada (Próximo lanzamiento).

Anuncios

• Se ha finalizado la presente edición del curso.

Se ha actualizado todo el material y grabaciones.

• Además, cualquier error o incorrección sobre el curso favor de escribir al correo:

  [email protected]