Professional Documents
Culture Documents
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
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
P( x 2) P( x 0) P( x 1) P( x 2)
pbinom(k,n,p)
pbinom(2,25,0.07)
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
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
( 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 )!
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
n!
nCr
r!(n r )!
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
( 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:
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
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
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