2.8.3 MSF/Probabilidad

Temas:
Core

• Probabilidad básica: espacios muestrales, eventos, axiomas
• Probabilidad condicional, independencia, teorema de Bayes
• Variables aleatorias: discretas y continuas, distribuciones
• Esperanza, varianza, desviación estándar
• Distribuciones comunes: uniforme, binomial, normal
• Distribuciones conjuntas, covarianza, correlación
• Teoremas límite: ley de los grandes números, teorema del límite central
• Procesos estocásticos: cadenas de Markov
• Teoría de la información: entropía, información mutua

Aprendizaje esperado (Learning Outcomes):
Core:

1. Definir conceptos básicos de probabilidad [Explicar]
2. Calcular probabilidades de eventos [Aplicar]
3. Definir probabilidad condicional e independencia [Explicar]
4. Aplicar el teorema de Bayes para actualizar probabilidades [Aplicar]
5. Definir variables aleatorias y distribuciones [Explicar]
6. Calcular esperanza y varianza [Aplicar]
7. Describir distribuciones de probabilidad comunes [Explicar]
8. Aplicar distribuciones comunes para modelar fenómenos del mundo real [Aplicar]
9. Explicar distribuciones conjuntas y dependencia [Explicar]
10. Calcular covarianza y correlación [Aplicar]
11. Analizar las implicaciones de los teoremas límite [Evaluar]
12. Modelar sistemas simples usando cadenas de Markov [Crear]