Modelos Probabilísticos y Optimización – Víctor Hernández, Eduardo Ramos, Ricardo Vélez – 1ra Edición

Prólogo

1. Modelos probabilísticos discretos
1.1. Modelo matemático del Azar
1.2. Modelos dinámicos
1.3. Variables aleatorias discretas
1.4. Modelos de distribuciones discretas
1.5. Vectores aleatorios discretos
1.6. Variables aleatorias independientes

2. Modelos probabilísticos continuos
2.1. Variables aleatorias continuas
2.2. Modelos de funciones de densidad
2.3. Funciones de distribución
2.4. Vectores aleatorios continuos

3. Muestreo aleatorio
3.1. Muestras aleatorias
3.2. Distribuciones que se presentan en el muestreo
3.3. Método de Monte Cario
3.4. Generadores de números aleatorios y pseudoaleatorios
3.5. Transformaciones de la distribución uniforme

4. Inferencia estadística
4.1. Estimaciones por punto
4.2. Intervalos de confianza
4.3. Contrastes de hipótesis

5. Modelos de optimización
5.1. Optimización: sistemas y modelos
5.2. Características de los problemas de optimización
5.3. Formulación de un problema de programación
5.4. El modelo general de programación lineal
5.5. El algoritmo del simplex
5.6. Postoptimización
5.7. El modelo de programación entera