En esta tesis se estudian las Gramaticas Incontextuales Probabilisticas y su aplicacion en problemas de Modelizacion del Lenguaje, Dos son los grandes problemas que se va a considerar en este tipo de modelos: el aprendizaje de las funciones de probabilidad asociadas a las reglas, y su integracion como modelo de interpretacion en tareas complejas de Modelizacion del Lenguaje. En primero de los problemas que se estudia es la estimacion de las funciones de probabilidad asociadas a las reglas.Se presentan y estudian dos de los algoritmos clasicos de estimacion de las GIP, el algoritmo Inside-Outside y el algoritmo basado en las cuentas de Viterbi. Despues se proponen nuevos algoritmos de estimacion en los cuales se utiliza un subconjunto especifico de derivaciones e cada cadena. Finalmente,los algoritmos propuestos se aplican al conjunto de datos del Penn Treebank para ilustrar su comportamiento en la practica. Por utlimo se aborda el problema de la interpretacion e integracion de las Gramaticas Incontextuales Probabilisticas en problemas de Modelizacion del Lenguaje. A continuacion se hace una propuesta de integracion que combina modelos de $n$-gramas a nivel de palabras con una Gramatica Incontextual Probabilistica a nivel de categorias lexicas.