You are on page 1of 53

Distribuciones

discretas y
continuas
M TODOS C UA NT I TAT I VOS PA R A L A S F I N A NZA S Y L A G EST I N
UNIVERSIDAD NACIONAL DE COLOMBIA

DOCENTE: MARA INS BARBOSA C.


Variables aleatorias
Variable Aleatoria: X es una v.a. si al ser una funcin definida del espacio
muestral transforma todos los posibles resultados del espacio muestral
en cantidades numricas

Variable Aleatoria Discreta: El nmero de valores que toma es contable,


pero no necesariamente infinito o muy grande. Ej: Precio de mercado de
acciones, opciones y commodities

Variable Aleatoria Continua: Toma valores dentro de un intervalo: entre


dos valores comprendidos en la recta de los reales; siempre tiene
infinitas posibilidades. Ej: retornos de acciones.
Variable aleatoria
bidimensional discreta
(X,Y) es una v.a. bidimensional discreta si el nmero de
posibles valores que toma es una cantidad finita.
Se puede asociar una funcin de probabilidad conjunta que
satisface:
,, ( , )
, =1
, = ( ,
Distribuciones y funciones
FUNCIN DE PROBABILIDAD
FUNCIN DE PROBABILIDAD
ACUMULADA
Funcin matemtica que Da la probabilidad que una
asigna una probabilidad a v.a. tomar sobre un valor
cada realizacin de x de la menor o igual a un valor
variable aleatoria X. dado.

P( X x) p( x) P( X x) F ( x)
Propiedades de una funcin
de probabilidad
DISCRETA CONTINUA

0 () 1 0,

=1 =1

= 1

= = =



Distribuciones de probabilidad
en R
Para cada distribucin, R dispone de cuatro funciones. Se puede
acceder a cada una de ellas simplemente precediendo el nombre de la
distribucin que figura en la tabla anterior por la letra que se indica a
continuacin:
d: funcin de densidad o de probabilidad.
p: funcin de distribucin
q: funcin para el clculo de cuantiles.
r: funcin para simular datos con dicha distribucin.

* tomado de http://www.dma.ulpgc.es/profesores/personal/stat/cursoR4ULPGC/10-
distribProbabilidad.html
Distribuciones de Probabilidad
DISCRETAS CONTINUAS

Distribucin Nombre en R Distribucin Nombre en R


Binomial binom Uniforme unif
Poisson pois Normal norm
Hipergeomtrica hyper T student t
Binomial negativa nbinom F-Fisher F
Chi-cuadrado chisq
Exponencial exp
Gamma gamma
Weibull weibull
Beta beta
Distribucin Bernoulli
Un evento o experimento que puede ser repetido y cuyo resultado es
uno de dos posibles resultados.
Ej: Precio de un accin al alza o a la baja. Puede ser visto como prueba
Bernoulli que puede ser repetida cada da. La prediccin puede ser
correcta o incorrecta. Se considera xito si se acierta la prediccin.
Distribucin Binomial
El resultado de cada prueba de un experimento se
clasifica en una de dos categoras mutuamente
excluyentes: xito o fracaso.
La variable aleatoria permite contar el nmero de xitos
en una cantidad fija de pruebas.
La probabilidad de xito y fracaso es la misma para cada
prueba
Las pruebas son independientes, lo cual significa que el
resultado de una prueba no influye en el resultado de
otra prueba.
Funcin de Probabilidad Binomial
n x
P( x)n Cx p (1 p)
x

C: representa una combinacin


n: nmero de pruebas
x: variable aleatoria definida como nmero
de xitos
p: probabilidad de un xito en cada prueba.
Media de una Varianza de una
distribucin distribucin
binomial binomial
np np(1 p)
2
Ejemplo:
Suponga que intenta predecir el movimiento del
mercado accionario, con una probabilidad de xito de
7% cada da durante 25 das. Cul es la probabilidad
que en los 25 das no haya xito?

P( x 0) ( 25 C0 )0.07 0 (1 0.07) 250 0.163


Rta: La probabilidad de que en los 25 das no haya xito es
de 16.3%.
dbinom(k,n,p)
dbinom(0,25,0.07)
Cul es la probabilidad de que mximo se tengan dos xitos?

P( x 2) P( x 0) P( x 1) P( x 2)
pbinom(k,n,p)
pbinom(2,25,0.07)

Que en la predicciones se tengan mnimo cuatro aciertos


P( x 4) 1 P( x 0) P( x 1) P( x 2) P( x 3)
pbinom(k,n,p)
1- pbinom(3,25,0.07)
rbol Binomial
Suponga que va a estimar el comportamiento del
mercado accionario durante cuatro das. Con dos
opciones: al alza en 5% (A) con una probabilidad de 30% o
a la baja en 10% (B) con una probabilidad de 70%.

Precio
Precio Probabilid
Opcin Frecuencia F*P(X) final*F*P(
final ad
X)

60(1.05)3*
AAAB 4 (0.3)3(0.7) 0.0756 4.73
(0.9)
rbol Binomial

AB: 60(1.05)(0.9)=P1(0.9)=63(0.9)=56.7
BA: 60(0.9)(1.05)=P1(1.05)=54(1.05)=56.7
E(P2)=60(1.05)2(0.3)2+60(1.05)(0.3)(0.9)(0.7)*2
+60(0.9)2(0.7)2=53.58
Valor esperado
Varianza
Distribucin de Poisson
La variable aleatoria es el nmero de veces que ocurre
un evento durante un intervalo definido.
La probabilidad de que ocurra el evento es proporcional
al tamao del intervalo
Los intervalos no se superponen, son independientes

Media y varianza de la distribucin Poisson

np 2
Frmula de una distribucin Poisson
x
e
P( x)
x!
: media de la cantidad de veces (xitos que presenta
un evento en un intervalo particular) =np
e: exponencial Constante = 2.71828)
x: nmero de veces que se presenta un evento
n: nmero total de pruebas
p: probabilidad de xito
Ejemplo:
Se observa la variacin diaria de los precios de una accin
determinada, buscando analizar el nmero de veces durante el da
en que el precio es mayor al de apertura.

Da Veces = 12
Lunes 15
Martes 18
ppois(16,12)
Mircoles 9
Jueves 12
Viernes 17

Rta: La probabilidad de que el nmero de veces en que el precio es


mayor al de apertura sea menor e igual de 16 es de 89.87%.
Distribucin Hipergeomtrica
Los resultados de cada prueba de un experimento se
clasifican en dos categoras exclusivas: xito o fracaso.
La variable aleatoria es el nmero de xitos de un
nmero fijo de pruebas.
Las pruebas no son independientes.
Los muestreos se realizan con una poblacin finita sin
reemplazos
La probabilidad de xito cambia en cada prueba.
Frmula de la Distribucin Hipergeomtrica

( S C x )( N S Cn x )
P( x)
N Cn

C: Smbolo de combinacin
N: representa el tamao de la poblacin
S: nmero de xitos en la poblacin
x: nmero de xitos en la muestra
n: tamao de la muestra o nmero de pruebas
Ejemplo:
Suponga que hay 30 estudiantes de un MBA que tomaron un examen
en el que podan aprobar o no. 3 de 15 estudiantes que tomaron el
examen desaprobaron. Si se toma una muestra de 5 exmenes, cul
es la probabilidad de que ningn examen de la muestra sea
reprobado?

( 3 C0 )(153 C50 )
P( x 0) 0.2637
15 C5
Rta: La probabilidad de que ningn examen de la muestra sea
reprobado es de 26,37%.
dhyper(x, m, n, k)
dhyper(0, 3, 12, 5)
Teoras de Conteo:
Permutaciones
Permutacin: Cualquier distribucin de r objetos seleccionados de un
solo grupo de n posibles objetos.

n!
n Pr
(n r )!

Ejemplo: Una empresa analiza 15 proveedores y luego elige 5 de


ellos. De cuntas formas se pueden ocupar las cinco primeras
posiciones entre los 15 proveedores?
La informacin que se tiene es:
n = 15 proveedores
r = 5 seleccionados
Como un proveedor puede hacer parte de los
seleccionados, y a la vez ser elegido como cualquiera de
las 5 posiciones, se tiene una permutacin.

15!
15 P5 360360
(15 5)!
Rta: Hay 360360 formas de elegir los 5 proveedores y sus
posiciones en pago por parte de la empresa.
Teoras de Conteo:
Combinaciones

Combinaciones: Se obtienen cuando cada observacin se da slo una


vez y el orden en que aparecen no es de importancia.

n!
nCr
r!(n r )!

Ejemplo: Un club tiene 20 miembros. De cuntas formas


se puede elegir una junta directiva de cuatro miembros?
La informacin que se tiene es:
n = 20 miembros de un club
r = 4 miembros para la junta
Como un miembro del club puede hacer parte de los 4
miembros de la junta, y no importa su posicin, es decir,
siempre se va a tener una junta de 4 sin importar el cargo
dentro de la junta que se ocupa; no importa el orden, luego
se tiene una combinacin.
20!
20 C4 4845
4!(20 4)!
Rta: Hay 4845 formas de elegir los 4 miembros de la junta de un
club con 20 miembros, sin importar su posicin dentro de ella.
Factoriales
Diversificar conglomerado con 5 principales negocios 5!
Tiene 15 acciones para clasificar en igual categorias para compra, venta
y mantenerlas
Cul elegir?
Contar nmero de opciones que pueden seleccionarse de
un grupo SIN orden, use combinatoria
Contar nmero de opciones que pueden seleccionarse de
un grupo CON orden, use permutacin
Contar opciones de un grupo que pueden ser asignadas a k
diferentes categorias, use multinomial
Contar nmero de opciones que pueden colocarse en n
items, usar factorial
Distribucin binomial negativa
Escenario binomial, en dnde en lugar de fijar n y
observar el nmero de xitos, se continan los ensayos
hasta que han ocurrido k xitos

P( x)k x1 Ck 1 p (1 p) k x

k (1 p) k (1 p)
E ( x) ; V ( x)
p p2
dnbinom(x, size, prob)
Ej: Retornos Bancolombia
Suponga que un inversionista tiene xito en uno de cada diez das que
invierte. Hallar la probabilidad de que no gane en su inversin despus
de 7 das de cotizacin.
dnbinom(8-0,0,0.1)

E ( x) E 2 ( x)
p ; k
V ( x) V ( x) E ( x)
Distribuciones de Probabilidad
Continua
Valor Esperado


E ( x) xf ( x)dx

Varianza

V ( x) E ( x ) E ( x)
2 2
Ej: Suponga dos variables
aleatorias X y Y
Distribucin uniforme
continua
Toma un nmero infinito no contable de resultados
posibles entre 0 y 1 inclusive.

1 0; x a
; a xb x a
f ( x) b a
F ( x) ; a xb
0 en otro caso b a
1; x b
Media y varianza

(a b) (b a) 2
;
2

2 12
Ej: Tasa de crecimiento del PIB
Suponga que la tasa de crecimiento del PIB caer entre 1% y 4%.
Cul es la probabilidad de que la tasa de crecimiento del PIB sea menor
e igual a 2%. P(X2)=1/3.
E(X)=5/2
V(X)=9/12

punif(2, min=1, max=4)


Distribucin normal
Funcin de distribucin

( x )2
1
2

f ( x) e 2
; x
2
Ej: Retornos de Bancolombia
Suponga que la accin de Bancolombia sigue una
distribucin normal, donde la media de los retornos es
de 4% con una desviacin estndar de 1.5%.
Cul es la probabilidad de obtener un retorno inferior a
2%?
Si un inversionista decide invertir con retornos entre 2% y
5%. Cul es la probabilidad de que no invierta?
Qu retornos debera esperar un inversionista dentro de
30 das?
pnorm(2,mean=4,sd=1.5)
Distribucin Log-normal
Una v.a. X se considera distribuida log-normal si Ln(x) se
distribuye normal. Se usa principalmente para modelar
componentes continuos de retornos.
Pt
rt ,t 1 ln( ) ln(1 Rt ,t 1 )
Pt 1
rt ,t 1 Componente continuo de la tasa de retorno
Pt Precio de la accin en t
Pt 1 Precio de la accin en t+1
Rt ,t 1 Tasa de retorno discreta de t a t+1
Ej: Log-retornos
Suponga que el precio de una accin aumento de un
ao a otro de $20.000 a $25.000. Cul es la tasa anual
de retorno? Cul es el componente contino de la
tasa de retorno?
Tasa anual de retorno:
25000/20000 1 = 25%
Componente continuo del retorno
ln(25000/20000)= 22.31%

plnorm(2,meanlog=4,sdlog=1.5)
Ej 2: Precios
Suponga que la tasa anual de retorno de una accin fue
de 25% el ltimo ao y de 15% el ao anterior. Si el
precio actual es $1.500.
Cul es el precio inicial?

F Pe i*n
1500 /(1.25)(1.15) $1.043
Cul es el componente continuo de la tasa de retorno
los ltimos dos aos?
Continuacin precios
Precio al primer ao:

F Pe i*n
1043 * (1.15) $1.200
Componente continuo 1er ao:

ln(1200 / 1043) 13.97%


Componente continuo:

ln(1500 / 1043) 36.29%


Funcin gamma del
argumento n
Para evaluar integrales como:
x
E g ( x)

e dx
2 5
g ( x ) f ( x ) dx x
0

Donde se integra un producto de una potencia por una


exponencial negativa sobre R>0 se emplea:

(n) u n 1e u du, n 0
0
Distribucin gamma
Verstil, al tomar varios perfiles que dependen del valor de

1 1 x /

x e x 0; , 0
f ( x; , ) ( )
0
en otro caso
Si 1; tiene forma de J transpuesta
Si >1 presenta un pico en x=(-1)
Los factores de forma y escala son y respectivamente
Distribucin gamma para
diferentes valores de y
Ej: Cambios en precios
Suponga que el intervalo de tiempo necesario X para observar
cambios en el precio de una accin en transaccin, sigue una
distribucin gamma con =3, =2 (minutos). Calcule la
probabilidad de que un inversionista necesite entre 10 y 20
minutos para revisar el cambio en el precio de la accin.

1
x 31e x / 2 x 0;
f ( x;3,2) (3)2 3

0
en otro caso

20
1 2 x / 2
P(10 x 20) 10 16 x e dx 0.1218
pgamma(20,shape=3,scale=2)-pgamma(10,shape=3,scale=2)
Distribucin gamma
Adecuada para variables aleatorias continuas con asimetra positiva
(mayor densidad de sucesos a la izquierda de la media)
Forma (parmetro alfa)
0 se asemeja a la distribucin exponencial
se asemeja a la distribucin normal

Escala (parmetro beta)


0 alcance de la asimetra (la altura mxima es reducida)
acumula mayor probabilidad en la cola derecha

Valor esperado y varianza


E[X]=
V[X]=
Distribucin Gamma
0.2
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

=2, =2 =2, =3 =2, =4 =2, =5


Distribucin Gamma
0.4

0.35

0.3

0.25

0.2

0.15

0.1

0.05

0
1 2 3 4 5 6 7 8 9 10

=1, =1 =1, =2 =1, =3 =1, =4


Distribucin Beta
Se utiliza para representar v.a. con valores restringidos a un
intervalo de longitud finita y para encontrar lmites de tolerancia
sin usar la distribucin normal.

( ) 1 1
x (1 x ) 0 x 1; , 0
f ( x; , ) ( )( )
0
en otro caso
Si ,<1; la distribucin tiene forma de u
Si <1 y 1, tiene forma de J transpuesta
Si 1 y <1, tiene forma de J
Ej: Colocacin de tarjetas de crdito
Un asesor bancario debe cumplir con un rango de colocacin de
tarjetas de crdito al mes. Se ha observado que la colocacin de
tarjetas se asemeja a una distribucin beta con =5 y =3. Halle
la probabilidad de que coloque por lo menos el 80% del nmero
de tarjetas en un mes determinado.
(5 3) 51
x (1 x)31 0 x 1;
f ( x; , ) (5)(3)
0
en otro caso
1
P( x 0.8) 105 x 4 (1 x) 2 dx 0.1480
0.8

pbeta(0.8,5,3,lower.tail = FALSE)
Funcin beta para distintos
valores de y
Distribucin Weibull
Pertenece a familia de distribuciones que dependen de dos
parmetros y .

1 ( x / )
x e x 0; , 0
f ( x; , )
0 en otro caso
Si < 1; tiene forma de J transpuesta
Si >1 presenta un pico nico
Los factores de forma y escala son y respectivamente
Ej: Transacciones en bolsa
Suponga que el nmero de transacciones en bolsa es estable a lo
largo de un ao de cotizacin y que el tiempo en que ocurren
cambios drsticos en las transacciones es una v.a. weibull con
parmetros =2 y =40. Halle la probabilidad de que ocurran
cambios antes del ao estable de cotizacin.

2 21 ( x / 40) 2
2x e x0
f ( x;2,40) 40
0 en otro caso
12
2 1 ( x 2 /1600)
P( x 12) xe dx 0.0861
0
1600
pweibull(12,2,40)
Distribucin weibull para
diferentes valores de y
Distribucin exponencial
negativa
Se caracteriza por el parmetro que representa el tiempo promedio
de fallas

1 x
f ( x; ) e ; x 0, 0

Ej: Mesa de dinero
Una mesa de dinero tiene 5 traders y todos reciben dinero
para transar en bolsa. La cantidad de dinero que puede
transar cada trader en bolsa cada da se puede representar
mediante una distribucin exponencial con =3 (miles de
millones). Si los traders trabajan de forma independiente,
calcule la probabilidad de que exactamente dos de ellos
transen ms de 4 mil millones en un da determinado
1 3x
f ( x;3) e ; x 0,
3

1
P( x 4) e x / 3dx 0.26 pexp(4,1/3,lower.tail = FALSE)
4
3

You might also like