Tema 1. PROBABILIDAD
      1.2 Axiomas de Probabilidad. Teoremas. Espacios Finitos. Espacios Finitos Equiprobables. Técnicas de Conteo (Análisis Combinatorio).
      1.3 Probabilidad Geométrica. Ejemplos Tipos. Probabilidad Condicional. Teorema del Producto. Teorema de Probabilidad Total. Teorema de Bayes.
      1.4 Independencia de Eventos. Teoremas.
Tema 2. VARIABLE ALEATORIA
      2.1 Introducción. Definición de Variable Aleatoria. Función Indicadora. Variable Aleatoria Discreta y Variable Aleatoria Continua.
      2.2 Función de Distribución. Definición y Propiedades. Función de Probabilidad: Función de Masa de Probabilidad y Función de Densidad.
      2.3 Vector Aleatorio: Discreto y Continuo. Función de Distribución de un Vector Aleatorio. Propiedades. Distribución Conjunta, Marginal y Condicional.
      2.4 Variables Aleatorias Independientes. Funciones de Variables Aleatorias: Introducción. Caso Discreto y Caso Continuo. Distribución de la Suma, Producto y Cociente de dos variables Aleatorias.
      2.5 Estadísticos de Orden. Definición. Distribución de Estadísticos de Orden. Distribución del Mínimo, del Máximo y del Rango: Caso Bivariante y Caso Multivariante. Independencia.
Tema 3. MOMENTOS Y FUNCIONES GENERATRICES
      3.1 Introducción. Esperanza Matemática: Definición. Propiedades. Esperanza de una función de Variables Aleatorias: Definición. Propiedades.
      3.2 Momentos. Covarianza y Coeficiente de Correlación: Definición. Propiedades. Esperanza Condicional. Definición. Curva de Regresión.
      3.3 Función Generatriz de Momentos: Definición. Propiedades. Técnica de la Función Generatriz de Momentos para hallar la Distribución de Funciones de Variables Aleatorias. Función Generatriz de Momentos de un Vector Aleatorio: Definición. Propiedades.
      3.4 Desigualdades Importantes: Chebychev, Jensen, Cauchy-Schwartz.
Tema 4. DISTRIBUCIONES UNIVARIANTES
      4.1 Distribuciones Discretas: Uniforme, Bernoulli, Binomial, Poisson, Binomial Negativa (Pascal), Geométrica, Hipergeométrica y otras Distribuciones Discretas. Definición y Características más Importantes en cada caso.
      4.2 Distribuciones Continuas: Uniforme, Normal, Gamma, Beta, Exponencial, Cauchy, Log-Normal, Laplace, Pareto y otras Distribuciones Continuas. Definición y Características más Importantes en cada caso.
Tema 5. DISTRIBUCIONES MULTIVARIANTES
      5.1 Distribuciones Discretas Multivariantes: Multinomial. Distribución Normal Multivariante: Normal Bivariante, Normal p-variante. Caracterización de una Distribución Normal Multivariante. Función Generatriz de Momentos. Distribuciones Marginales y Condicionales. Distribución Normal Multivariante Singular y No Singular. Correlación Parcial y Múltiple. Distribución de una Función Lineal de un Vector Aleatorio distribuido según Normal p-variante. Independencia entre Vectores Aleatorios.
Tema 6. DISTRIBUCIONES DERIVADAS DE LA NORMAL
      6.1 Distribuciones Centrales y No Centrales de Chi-Cuadrado, t de Student y F.
      6.2 Distribución de Formas Cuadráticas. Independencia entre una Forma Cuadrática y una Forma Lineal. Teoremas.
Tema 7. TEOREMAS DE CONVERGENCIA
      7.1 Introducción. Tipos de Convergencia de una Sucesión de Variables Aleatorias.
      7.2 La Ley Débil de Los Grandes Números. La Ley Fuerte de Los Granes números.
      7.3 El Teorema Central del Límite: Teorema de Lindberg-Levy. Teorema de Liapunov. Teorema de Lindberg-Feller. Teorema Central del Límite Multivariante.