Introducción a Probabilidades y sus Distribuciones para la Toma de Decisiones

MÓDULO 1: INTRODUCCIÓN a COMBINATORIA y PROBABILIDADES

Unidad 1: Cálculo Combinatorio con y sin Repetición

Combinatoria simple: Permutaciones. Combinaciones. Variaciones.

Combinatoria con repetición: Permutaciones. Combinaciones. Variaciones.

Problemas de conteo.

Números combinatorios.

Actividades de aplicación específicas para el perfil profesional del cursante.

Unidad 2: Probabilidades y sus Aplicaciones

Probabilidad y posibilidad.

Terminología y conceptos básicos en probabilidades.

Escuelas de Probabilidad: Clásica, Experimental, Axiomática y Subjetiva.

Definiciones de probabilidad. Ventajas e inconvenientes.

Actividades de aplicación específicas para el perfil profesional del cursante.

Unidad 3: Operaciones con Probabilidades. Sus aplicaciones prácticas

Tablas de contingencia y Diagramas de árbol.

Reglas de la suma y el producto de probabilidades.

Sucesos mutuamente excluyentes.

Sucesos independientes. Probabilidad condicional.

Actividades de aplicación y Modelos típicos para el perfil del cursante.

Unidad 4: Probabilidad de las Causas. Modelos de Decisión

Modelo de Bayes. Su importancia en la toma de decisiones.

Probabilidad de las causas o “a posteriori”.

Regla de la probabilidad total.

Modelo de árboles de decisión.

Actividades de aplicación y Modelos típicos para el perfil del cursante.

MÓDULO 2: INTRODUCCIÓN a VARIABLES ALEATORIAS DISCRETAS

Unidad 1: Introducción a Variables Aleatorias

Concepto y características de una variable aleatoria.

Variable Aleatoria Discreta: Función de Probabilidad y Función de Acumulación.

Variable Aleatoria Continua: Función de Densidad y Función de Distribución.

Funciones de probabilidad: Acumuladas y Desacumuladas.

Actividades de aplicación y Modelos típicos para el perfil del cursante.

Unidad 2: Caracterización de una Variable Aleatoria

Esperanza de una VA (Variable Aleatoria). Propiedades de la Esperanza.

Varianza y DS (Desvío Estandar) de una Variable Aleatoria. Estandarización de VA.

Coeficiente de variación. Su importancia en la comparación de distribuciones.

Noción de juego equitativo.

Actividades de aplicación y Modelos típicos para el perfil del cursante.

Unidad 3: Distribuciones Particulares de Variables Aleatorias Discretas

VA de Bernoullí - Distribución Binomial.

Distribución de Pascal o Binomial negativa.

Distribución Hipergeométrica.

Manejo de Tablas y Calculadoras estadísticas.

Actividades de aplicación y Modelos típicos para el perfil del cursante.

Unidad 4: Otras Distribuciones Particulares de Variables Aleatorias Discretas

Distribución Multinomial y distribución Multihipergeométrica.

Distribución Uniforme Discreta y Distribución Geométrica.

Distribución de Poisson.

Aproximación de Poisson por la Binomial.

Actividades de aplicación y Modelos típicos para el perfil del cursante.

MÓDULO 3: INTRODUCCIÓN a VARIABLES ALEATORIAS CONTINUAS

Unidad 1: Distribución Normal (la famosa “campana de Gauss”)

Propiedades de la Normal de Gauss.

Función de densidad y función de distribución de la Normal.

Estandarización y desentadarización de la Normal.

Manejo de Tablas y calculadoras estadísticas.

Actividades de aplicación y Modelos típicos para el perfil del cursante.

Unidad 2: Aproximaciones y Otras Distribuciones Particulares de Variables Aleatorias Continuas

Aproximaciones por Normal de Binomial y Poisson.

Distribución Chi-Cuadrado.

Distribución “t” de Student.

Distribución “F” de Fisher/Snedecor.

Actividades de aplicación y Modelos típicos para el perfil del cursante.

Unidad 3: TCL, Tchebycheff y Otra Distribuciones Particulares de Variables Aleatorias Continuas

TCL (Teorema Central del Límite) sus aplicaciones prácticas.

Acotación de Tchebycheff y sus aplicaciones prácticas.

Distribución Uniforme – Distribución Triangular.

Distribución logNormal – Distribución Gamma.

Actividades de aplicación y Modelos típicos para el perfil del cursante.

Unidad 4: Otras Distribuciones Particulares de Variables Aleatorias Continuas

Distribución Exponencial – Distribución Erlang.

Distribución Weibull – Distribución Gumbel.

Distribución Beta – Distribución de Cauchy.

Distribución Logística – Distribución de Laplace – Distribución de Pareto.

Actividades de aplicación y Modelos típicos para el perfil del cursante.