Laboratorio de

Simulación
Financiera 2
Docente: MSc Diego Alberto Castaño
Quien Soy?
 Unidad Tema Sema
na
Unidad 1: Aspectos Generlaes y Concepto de modelos financieros 1
Gerencia del valor
Clasificación de los modelos 2
financieros
Modelos financieros con enfoque 3
de sistemas.
Etapas para la creación de un 4
modelo financiero.
Unidad 2: Riesgo aplicado Riesgos en proyectos 5
Modelos de riego en Excel
Ejecución y uso del software Risk
Simulator
6
7 Contenido
Generación de informes 8
Parcial Evaluación Parcial 9
Unidad 3: Mercado bursátil aplicado Análisis de sensibilidad 10
a sistemas de simulación Ajustes de tasas de interés 10
Tendencias y regresiones 12
Portfolios 12
Valoración de opciones put y call 12
Flujos de Caja 13-14
Final Evaluación final 15
 Unidad Tema Sema
na
Unidad 1: Aspectos Generales y 1
Gerencia del valor
2

Examen Corto 1 4

Unidad 2: Riesgo aplicado 5

6
7 Evaluación
Examen Corto 2 8
Parcial Evaluación Parcial 9
Unidad 3: Mercado bursátil aplicado 10
a sistemas de simulación 11
12
Trabajo Escrito 15
Examen Corto 3 16

Final Evaluación final 17

Unidad 1: Generalidades
Modelo y Simulación
 SIMULACIÓN
Resumen:

Para poder comprender la realidad y complejidad de

las operaciones que se llevan acabo en un sistema
real, ha sido necesario construir métodos y
herramientas que buscan imitar y experimentar el
comportamiento de los sistemas reales. La simulación
por computadora es una técnica que imita los procesos
de un sistema real para evaluarlo numéricamente y los
datos generados por el software nos permitirán
predecir el comportamiento del sistema que se está
analizando o estudiando.
 ¿QUÉ ES UN SISTEMA?
Un sistema puede definirse como una colección de objetos o
entidades que interactúan entre sí para alcanzar un cierto
objetivo. Los sistemas reciben datos, energía o materia del
ambiente (entradas) y proveen información, energía o
materia (salidas).
Parte del Relación
Límite del sistema
sistema
Propiedades de los sistemas
Sinergia: Con los componentes y su interrelación se consigue
más que lo que en principio resultaría de la simple suma de
los componentes.

Entropía: Refleja el grado de desorden del sistema. Se puede

reducir la entropía ingresando información al sistema.

Equilibrio homeostático: Equilibrio dinámico que mantiene

los valores dentro de un rango establecido.
 Tipos de Sistemas en
Simulación
Sistema discreto: Se caracteriza porque las propiedades de
interés (variables del estado de interés) del sistema cambian
únicamente en un cierto instante o secuencia de instantes, y
permanecen constantes el resto del tiempo.

Sistema continuo: Se caracteriza porque las variables de

estado cambian de forma continúa.
Modelo Sistema

La descripción de las
Sistema Modelo del
características de interés de actual (real) sistema real
un sistema se conoce como
modelo del sistema, y el
proceso de abstracción para Modelos Modelos
físicos matemáticos
obtener esta descripción se
conoce como modelado.
Solución
Simulación
analítica
Formas de estudiar un
sistema
Modelo
Físico
 Simulación
La simulación se refiere al conjunto de métodos y
aplicaciones que buscan imitar el comportamiento de
sistemas reales, generalmente en un computadora con un
software apropiado.
 Tipos de Simulación
Estático vs Dinámico: El tiempo no desempeña un papel natural
en los modelos estáticos pero si en los dinámicos.

Continuo vs Discreto: En un modelo continuo el estado del

sistema puede cambiar continuamente en el tiempo, en un modelo
discreto el cambio puede ocurrir sólo en tiempos separados del
tiempo.

Determinista vs Estocástico: Los modelos que no tienen entradas

aleatorias son deterministas y los que tiene entradas aleatorias son
estocásticos.
 Estocástico (*) Determinístico
Si el estado de la variable en el Si el estado de la variable en el
siguiente instante de tiempo no se siguiente instante de tiempo se
puede determinar con los datos del puede determinar con los datos del
momento actual. estado actual.

yj = fm(xi, lk)
xi (Existen yj xi yj = fm(xi) yj
variables internas
–como lk–
aleatorias)

Método analítico: usa probabilidades Método numérico: algún método de

para determinar la curva de resolución analítica.
distribución de frecuencias.
 Continuo Discreto (*)
El estado de las variables cambia El estado del sistema cambia en
de forma continua a lo largo del tiempos discretos del tiempo
tiempo.

e = f (t) e = f(nT)

Método analítico: emplea

Método numérico: utiliza
razonamiento de matemáticas
procedimientos computacionales
deductivas para definir y resolver
para resolver el modelo matemático.
el sistema.
 Estático Dinámico (*)
Si el estado de las variables puede
cambiar mientras se realiza algún
cálculo
Entre las variables no se encuentra
la variable tiempo.
f [ nT ] ≠ f [ n(T+1) ]

Método analítico: algún método de

resolución analítica.
Método numérico: usa
procedimientos computacionales
para resolver el modelo matemático.
 Simulación
• La simulación del sistema
imita la operación del sistema
actual sobre el tiempo.
• La historia artificial del
sistema puede generarse,
observarse y analizarse.
• La escala de tiempo puede
alterarse según la necesidad.
• Las conclusiones acerca de las
características del sistema
actual se pueden inferir.
Simulación de eventos discretos
En este tipo de simulación se generan y administran eventos en el
tiempo por medio de una cola de eventos ordenada según el tiempo
de simulación en que deben ocurrir y de esta forma el simulador lee
de la cola y dispara nuevos eventos. Un evento puede ser: la llegada
de un cliente, la llegada de un camión, el inicio del proceso de una
pieza, la finalización de un proceso de fabricación. Esta modalidad de
simulación se usa típicamente en el diseño de la mayoría de
eslabones de la cadena de suministro tales como: líneas de
producción, plantas de procesamiento, bodegas de materia prima,
bodegas de producto terminado, puntos de atención a clientes,
hospitales, centros de atención médica.
 SISTEMA EN SIMULACIÓN
Entidades: Son los objetos que fluyen a través del sistema,
podrían ser: clientes, productos, cajas, camiones y pallets entre
otros.

Atributos: Son las diferentes características que definen a las

entidades, por ejemplo tipo, edad, género, peso, volumen, tiempo
de inicio de un proceso.

Variables: Una variable es un fragmento de información que refleja

alguna característica del sistema, independientemente de las
entidades que se muevan por el modelo.
 SISTEMA EN SIMULACIÓN
• Recursos: Las entidades compiten por ser servidas por
recursos que representan cosas como personal, equipo,
espacio en un almacén de tamaño limitado, etc.

• Colas: Cuando una entidad no puede continuar su

movimiento a través del modelo, a menudo porque necesita
un recurso que está ocupado, necesita un espacio donde
esperar que le recurso quede libre, ésta es la función de las
colas.
SISTEMA EN SIMULACIÓN

• Acumuladores de estadísticos: Para obtener las

medidas de eficiencia finales, podría ser conveniente hacer
un seguimiento de algunas variables intermedias en las
que se calculan estadísticas, por ejemplo: el número total
de piezas producidas, todos estos acumuladores deberían
ser inicializados a 0.

• Eventos: Un evento es algo que sucede en un instante

determinado de tiempo en la simulación, que podría hacer
cambiar los atributos, variables, o acumuladores de
estadísticas.
 SISTEMA EN SIMULACIÓN
• Reloj de la Simulación: El valor del tiempo transcurrido, se
almacena en una variable denominada Reloj de Simulación.
Este reloj irá avanzando de evento en evento, ya que al no
cambiar nada entre eventos, no es necesario gastar tiempo
llegando de uno a otro.
Unidad 1: Generalidades
Estadística
 INTRODUCCIÓN A LA
Estadística
La estadística es una Los diseños estadísticos son los
herramienta fundamental para principios y procedimientos que
la realización de procesos de permiten obtener los datos pertinentes,
investigación en ciencias fácticas acorde a las restricciones – de tiempo y
que utilizan la investigación recursos- y para suplir las necesidades
cuantitativa. de información –que se hacen explicitas
a través de las preguntas de
investigación. (Ojeda Ramírez y
Colegas)
Metodología para el análisis
estadístico

Interpretación y
El diseño adecuado
presentación de los
para la El análisis de éstos
resultados en forma
obtención de datos
apropiada
 OBJETI
VO Recopilación de datos

FASES DEL ESTUDIO

ESTADÍSTICO
Procesamiento de la
El análisis de los datos procede a información
partir de una serie de métodos y
procedimientos para explotar
los datos de manera tal que sea Análisis de los datos
posible extraer de ellos la
información relevante, tal que
resuelva las preguntas que dieron Presentación e interpretación
origen al estudio las llamadas de
preguntas de investigación. los resultados
Variables estadísticas
 DESDE BASES
XML DE DATOS

DESDE LA
WEB CSV

REDES
Excel SOCIALES

Formatos para le exportación

y análisis de datos
Presentación final de datos
Dashboard Información general
5 2

Análisis por entidad federativa Volver a Menú Tipo de municipio Población adulta
Número de
municipios
Jalisco Chihuahua-Rural Rural 44,011 19
Chihuahua-En transición En transición 152,916 24
Chihuahua-Semi-urbano Semi-urbano 321,385 15
Estado Chihuahua Chihuahua-Urbano Urbano 495,982 7
Chihuahua Chihuahua-Semi-metrópoli Semi-metrópoli 693,257 1
* Cifras a nivel nacional en verde Chihuahua-Metrópoli Metrópoli 1,037,661 1
Chihuahua Chihuahua-Chihuahua Chihuahua 2,745,212 67

ACCESO USO - CAPTACIÓN USO - CRÉDITO

Canales de acceso Banca Banca
Puntos de acceso por cada 10,000 adultos: Banca Tarjetas de crédito Créditos grupales
Distribución por Créditos hipotecarios Créditos personales
Sucursales 1.7 1.9 113 2,145 77 8,485 1 330 13,216 tipo de crédito Créditos de nómina Crédito automotriz
76 1,560 95 10,211 0 186 13,370 Crédito ABCD
Comisionistas 5.0 4.8
6% 19%
3% 12% 2%
Cajeros automáticos 6.8 5.5
13,370 Contratos por cada 4%

TPV 125.6
1,560 10,211 10,000 adultos:
98.7 76 95 0 186
5,047
Cuentas N1 Cuentas N2 Cuentas N3 Cuentas Cuentas de Depósito a Tarjetas de
Total 139.1 110.9
54%
tradicionales ahorro plazo débito
5,716

Municipios con acceso Cobertura Entidades de Ahorro y Crédito Popular Entidades de Ahorro y Crédito Popular

Con acceso a sucursales y corresponsales

Municipios con al menos un 1,411 46
Distribución por Crédito al consumo
Con acceso a corresponsales únicamente 130 84
Con acceso a sucursales únicamente
punto de acceso: tipo de crédito Crédito a la vivienda
7 796 35 13
Sin acceso a sucursales o corresponsales
3% 54 81%

34% Adultos con posibilidad de 1%

24% 796
acceder al menos a un canal: Contratos por cada
EACP 10,000 adultos:
7 35 13 99%
2,710,673 226
39% Depósitos al Depósitos a la Depósitos a Tarjetas de
99% ahorro vista plazo débito
348
Porcentaje de municipios
 Obtención de datos xml
Definición: UTILICEMOS LA WEB DEL BANCO DE LA
XML es un lenguaje de etiquetado REPUBLICA PARA VER LOS DIFERENTES
extensible muy simple, pero
estricto que juega un papel
FORMATOS DE VISUALIZACIÓN DE DATOS
fundamental en el intercambio de https://totoro.banrep.gov.co/analytics/saw.dll?
una gran variedad de datos. Es un Go&NQUser=publico&NQPassword=publico123&Action=prom
lenguaje muy similar a HTML pero pt&path=%2Fshared%2FSeries%20Estad%C3%ADsticas_T
%2F1.%20Tasas%20de%20Captaci%C3%B3n%2F1.1%20Serie
su función principal es describir
%20empalmada%2F1.1.3%20Mensuales%20-%20(Desde
datos y no mostrarlos como es el
%20enero%20de%201986)%2F1.1.3.1.TCA_Para%20un
caso de HTML %20rango%20de%20fechas%20dado%20(DTF)&Options=rdf
 Ejemplo obtención de
datos formato xlm
Pasos:
1. Ir a
http://www.banrep.gov.co/
es/dtf
2. Descargar formato XML
3. Abrir Libro de Excel
4. Ir a la pestaña datos
5. Elegir desde el texto/CSV o
la opción obtener datos
6. Elegir la opción XML
 Ejemplo obtención de
datos formato CSV
Pasos:
1. Ir a
http://www.banrep.gov.co/
es/dtf
2. Descargar formato CSV
3. Abrir Libro de Excel
4. Ir a la pestaña datos
5. Elegir desde el texto/CSV o
la opción obtener datos
6. Elegir la opción CSV
 Ejemplo obtención de
datos formato XLS
Pasos:
1. Ir a
http://www.banrep.
gov.co/es/dtf
2. Descargar formato
Excel
3. Abrir Libro de Excel
 Ejemplo obtención de
datos desde la web
Pasos:
1. Ir a http://www.datos.gov.co
2. Elegir que datos deseo trabajar
3. Descargar formato Excel
4. Trabajar desde web
5. Exportar seleccionar Odata
6. Copiar el primer enlace e ir a
datos luego desde otras
fuentes y pegar el enlace en la
opción Odata
PRESENTACIÓN DE Tablas y
GRÁFICOS
PRESENTACIÓN DE Tablas y
GRÁFICOS
PRESENTACIÓN DE Tablas y
GRÁFICOS
PRESENTACIÓN DE Tablas y
GRÁFICOS
PRESENTACIÓN DE Tablas y
GRÁFICOS
PRESENTACIÓN DE Tablas y
GRÁFICOS
 Análisis de datos -
consideraciones
1. No intentar analizar los datos antes de tener un entendimiento claro de qué es lo que se
está midiendo y por qué.
2. Conocer cómo fueron recolectados los datos. Aquí se destaca básicamente la importancia
de conocer, la forma de obtención de los datos.
3. Especificar la estructura de los datos, siendo importante aquí contestar las siguientes
preguntas: ¿son suficientes las observaciones para explicar el problema o fenómeno? ¿Son
muchas o pocas las variables explicativas?.
4. Examinar los datos en una forma exploratoria antes de tratar de intentar un análisis más
complejo.
5. Ser coherente al tener siempre presente la procedencia de los datos y contar con una
teoría que sustente la definición de la relación entre las variables implicadas en el fenómeno
de estudio.
6. Reportar los resultados de tal forma que éstos reflejen claramente el proceso llevado a
cabo con el análisis de los datos
ESTADISTICA
DESCRIPTIVA
Medidas de tendencia central
Medidas de dispersión
DISTRIBUCIÓN DE FRECUENCIAS

Las distribuciones de frecuencias son tablas en que se

dispone las modalidades de la variable por filas. En las
columnas se dispone el número de ocurrencias por cada
valor, porcentajes, etc. La finalidad de las agrupaciones en
frecuencias es facilitar la obtención de la información que
contienen los datos.
Pueden ser sin agrupar y agrupados
DISTRIBUCIÓN DE FRECUENCIAS
Significado: Frecuencia se refiere al número de veces que una
categoría de una variable en estudios se esta repitiendo dentro
del análisis que venimos desarrollando.

Variable Edad
Categorías o Niveles 4

Pueden ser : Frecuencias simple, Frecuencias Simple Relativa,

Frecuencias Acumulada, Frecuencias Acumulada Relativa
TABLA DE CONTINGENCIA
Una tabla de contingencia es una tabla que cuenta
las observaciones por múltiples variables
categóricas. Las filas y columnas de las tablas
corresponden a estas variables categóricas.
Por ejemplo, después de una elección reciente entre
dos candidatos, una encuesta de salida registró el
sexo y el voto de 100 electores seleccionados de
manera aleatoria y los datos se tabularon de la
siguiente manera:
TABLA DE CONTINGENCIA
 HISTOGRAMAS
Gráfico de la representación de distribuciones de
frecuencias, en el que se emplean rectángulos dentro
de unas coordenadas.
 POLIGONO DE
Gráfico
FRECUENCIAS
de la representación de distribuciones de
frecuencias, en el que se emplean rectángulos dentro de
unas coordenadas.
Gráficos de barras
Gráficos de barras
Gráficos de barras
Gráficos de barras
Gráficos de barras
Gráficos de TIEMPO
Gráficos de PARETO
Gráficos DE SECTORES
Gráficos DE SECTORES
PICTOGRAMAS
GRAFICO DE DISPERSIÓN
CARTOGRAMA
SESIÓN n°2

MEDIDAS DE TENDENCIA, DISPERCIÓN Y PROBABILIDAD

Medidas de Posición y Tendencia Central

Medidas de Dispersión, de Formación y de Apuntamiento

Teoría de Probabilidades

Distribución de Probabilidades Discretas y Continuas

Distribución de Muéstrales

Pruebas de Hipótesis
MEDIDAS DE POSICIÓN Y
TENDENCIA CENTRAL
Medidas de posición: son aquellos valores numéricos que
nos permiten o bien dar alguna medida de tendencia
central, dividiendo el recorrido de la variable en dos, o
bien fragmentar la cantidad de datos en partes iguales.
Las más usuales son la media, la mediana, la moda, los
cuartiles, quintiles, deciles y percentiles. Pueden ser de
dos tipos: de tendencia central o de tipismo.
MEDIDAS DE POSICIÓN Y
TENDENCIA CENTRAL
Medidas de Dispersión: se llaman medidas de dispersión
aquellas que permiten retratar la distancia de los valores
de la variable a un cierto valor central, o que permiten
identificar la concentración de los datos en un cierto
sector del recorrido de la variable. Se trata de
coeficientes para variables cuantitativas. Las más usuales
son el desvío estándar y la varianza.
La media aritmética
La media aritmética (o simplemente media sin lugar a Confusión)
consiste en repartir o dividir la suma de todos datos entre el
𝑥
número de Individuos y se denotara por
La media aritmética es la medida de tendencia central más
utilizada cuando la variable es de tipo cardinal. Es la más
operativa, porque es muy sencilla de calcular y tiene muy buenas
propiedades matemáticas. Es muy informativa, porque tiene en
cuenta la magnitud de todos los valores de la muestra. Sin
embargo, presenta dos inconvenientes fundamentales. El primero
es que no se puede calcular para datos agrupados cuando no se
conoce el límite del ultimo intervalo. El segundo es que esta muy
influenciada por los posibles valores extremos
Media ponderada

La media ponderada es análoga a la media aritmética, pero se utiliza cuando los

valores tienen una importancia que no tiene que ver con sus frecuencias. En
general, las importancias suelen denotarse como wi y se denominan
ponderaciones
 Mediana

La mediana es un punto que divide la muestra ordenada (de menor a mayor) en

dos grupos iguales (deja el 50 % de los valores por debajo y el otro 50 % por
encima) y se suele denotar por Me. Es un punto que esta justo en mitad de la
muestra, y no tiene por que coincidir con la media.
Moda

La moda representa el valor (o valores) más frecuente de la distribución. Es decir,

el que tenga un ni o un fi más alto. Se suele denotar por Mo y se puede calcular
para todo tipo de distribuciones, pero como no resulta muy informativa, solo se
utilizará cuando no sea posible usar la media ni la mediana (por ejemplo, para
variables nominales).
Cuartiles
Se definen los cuartiles como tres valores de la variable que
dividen las observaciones en cuatro partes iguales.

DECILES
Se definen los deciles como nueve valores de la variable
que dividen las observaciones en diez partes iguales

PERCENTILES
Se definen los percentiles como 99 valores de la variable
que dividen las observaciones en 100 partes iguales
Medidas de dispersión

Las medidas de dispersión entregan información sobre la variación de la variable.

Pretenden resumir en un solo valor la dispersión que tiene un conjunto de datos.
Las medidas de dispersión más utilizadas son: Rango de variación, Varianza,
Desviación estándar, Coeficiente de variación
Rango de variación

Se define como la diferencia entre el mayor valor de la variable y el menor valor

de la variable.
Varianza – desviación estándar

Interpretación de la varianza (válida también para la desviación estándar): un alto

valor de la varianza indica que los datos están alejados del promedio.
TEOREMA DEL LIMITE CENTRAL
Coeficiente de variación

Es una medida de la dispersión relativa de los datos. Se define como la desviación

estándar de la muestra expresada como porcentaje de la media muestral.
 COEFICIENTE DE VARIACIÓN

Es la razón entre la desviación típica y la media.

Mide el porcentaje de variación de los datos Con respecto de la

media

• Si el cv  5% ----> datos muy homogéneos, media aritmética muy

representativa 
• Si el 5%  cv  10% ----> datos con homogeneidad aceptable. La
media aritmética es representativa 
• Si el cv  20% ----> datos heterogéneos, la media aritmética es
poco representativa
Medidas de forma. Asimetría y apuntamiento

Asimetría : Se dice que una distribución de frecuencias es simétrica cuando

valores de la variable equidistantes de un valor central tienen las mismas
frecuencias. La simetría puede comprobarse fácilmente a través de una
representación gráfica (diagrama de barras, histograma o polígono de
frecuencias).
Curtosis y asimetria

Curtosis. La curtosis (o apuntamiento) es una medida de forma

que mide cuán escarpada o achatada está una curva o
distribución. Este coeficiente indica la cantidad de datos que hay
cercanos a la media, de manera que a mayor grado de curtosis,
más escarpada (o apuntada) será la forma de la curva.
El coeficiente de asimetría de fisher, representado por F , se
define como: donde es el tercer momento en torno a la media y
es la desviación estándar. Si , la distribución es asimétrica
positiva o a la derecha. Si , la distribución es asimétrica negativa
o a la izquierda
Coeficiente de
Asimetría o Sesgo
• Una distribución es simétrica si la
mitad izquierda de su distribución es la
imagen especular de su mitad derecha.

• En las distribuciones simétricas media

y mediana coinciden. Si sólo hay una
moda también coincide

• La asimetría es positiva o negativa en

función de a qué lado se encuentra la
cola de la distribución.

• La media tiende a desplazarse hacia las

valores extremos (colas).

• Las discrepancias entre las medidas de

centralización son indicación de
asimetría.
Curtosis y asimetría
 Ejemplo
Para tener en cuenta !
Si el CV  5%: Media aritmética muy
representativa
 
Si el 5%  CV  20%: La media aritmética es
representativa
 
Si el CV  20%: La media aritmética es poco
representativa

Platicúrtica (aplanada): curtosis < 0

PARÁMETRO VALOR
Media 20,1428571 Mesocúrtica (como la normal): curtosis = 0
Mediana 16
Leptocúrtica (apuntada): curtosis > 0
Moda 15
Desviación estándar 10,9913386
Coeficiente de variación 55%
Coef. de asimetría > 0: la mayoría de los
Curtosis 6,87682185 datos están por debajo de la media.
Coeficiente de asimetría 2,61514549
Rango 30
Coef. de asimetría < 0: la mayoría de los
datos están por encima de la media.
Mínimo 15
Máximo 45
Caja de bigotes
Taller aplicado a acciones
TEORIA
MSc. Diego A
PROBABILIDADES - Castaño
DISTRIBUCIONES
QUE ES UNA PROBABILIDAD

En términos generales, la probabilidad es un estudio que mide la frecuencia con la

que se obtiene un cierto resultado cuando se lleva a cabo una serie de
experimentos aleatorios con características conocidas y controladas. Para estudiar
la probabilidad deben tenerse en cuenta todos los posibles resultados del
experimento en cuestión.
¿Para qué sirve?

La teoría de la probabilidad es un instrumento muy útil a la hora de predecir la

frecuencia con que ocurren ciertos fenómenos, por lo que se utiliza
frecuentemente en ciencias como la física o las matemáticas. Con el paso de los
siglos y la modernidad de los tiempos, el estudio de la probabilidad se asoció
también a la estadística, las ciencias en general y, por supuesto, a las finanzas.
 ¿Cómo se usa la probabilidad en
finanzas?

Lo anterior quiere decir que, en el mundo de las finanzas, la

probabilidad está asociada a la recurrencia de un cierto resultado
cuando se analiza a gran escala un mismo instrumento o situación
financiera.
Distribución de Probabilidades Discretas y
Continuas

Una distribución de probabilidad es un modelo matemático que asocia valores

de una variable aleatoria con sus respectivas probabilidades, es decir:   

Las distribuciones se caracterizan por una fórmula que determina el tipo de

distribución y por un conjunto de parámetros, que son propios de cada espacio
muestral.
 MEDIA, VARIANZA Y DESVIACIÓN
ESTÁNDAR
Parámetros:
Histograma de la Poblacion
160

140 Media (m)

120

100 Varianza(s2)

Frecuencia
Datos 80

60 Desv. Est. (s)

(Población de Interés) 40

20 Etc.
0
-4 -2 0 2 4
Clases

Inferencias

Muestreo 16
Histograma de la Muestra
Estadísticos:
14

12 Promedio ( X )
10

Frecuencia
Muestras 8 Varianza muestral(S2)
6

4 Desv. Est. muestral(s)

2

0
-4 -2 0 2 4
Etc.
Clases
generalidades

Los fenómenos pueden ser determinísticos (si no hay

incertidumbre acerca de su resultado cuando se repita o que
puedan predecirse por ecuaciones matemáticas) o aleatorios
(que no pueden predecirse exactamente, aunque se repitan
en forma similar).
 PROBABILIDAD MARGINAL, CONDICIONAL Y CONJUNTA:
• Probabilidad marginal es la probabilidad de un evento simple [P(A),
P(B)]; es decir, es la probabilidad de que se presente un evento
correspondiente a una variable, sin considerar la otra u otras
variables.
• Probabilidad conjunta es la probabilidad de que varios eventos
ocurran simultáneamente. Se expresa como P(A∩B) o P(AB).
• La probabilidad condicional se representa como p(b\a), lo cual
indica la probabilidad de que un evento b ocurra si ya se sabe que
ocurrió el evento a. De
La misma forma P(A\B) indica la probabilidad de que ocurra A dado
que ocurrió B.
DISTRIBUCIONES DE PROBABILIDAD
EN FINANZAS
PROBABILIDADES
PROBABILIDADES
a. ¿Cuál es la probabilidad de que tenga capacidad alta para las
Matemática?
b. ¿Cuál es la probabilidad de que tenga interés bajo o medio
por la estadística?
c. ¿Cuál es la probabilidad de que tenga capacidad media para
las Matemáticas o un interés alto por la Estadística?
d. ¿Cuál es la probabilidad de que no tenga capacidad alta para
las Matemáticas?
e. ¿Cuál es la probabilidad de que tenga capacidad alta para las
Matemáticas, dado que su interés por la Estadística es bajo?
f. ¿Cuál es la probabilidad de que tanto la capacidad para las
Matemáticas como el interés por la Estadística sean medios?
Binomial

Se maneja cuando se satisfacen las siguientes características:

A. La variable que se estudia es discreta o cualitativa.
B. El experimento consiste en una sucesión de n ensayos o intentos
idénticos.
C. El resultado de cada ensayo se clasifica dentro de dos categorías
mutuamente excluyentes: éxito o fracaso. El uso de esos términos
es por conveniencia, pero no tienen la misma connotación de la
vida real (éxito no necesariamente es lo que convenga).
D. La probabilidad de éxito permanece constante en todos los
ensayos.
E. Los ensayos son independientes, lo que significa que la
ocurrencia de uno de ellos no afecta el resultado de cualquier otro.
HIPERGEOMETRICA

Como el muestreo sin reemplazo viola las condiciones de un experimento

binomial si la muestra no es grande, algunas veces es necesario plantear un
tipo diferente de distribución.
Cuando se selecciona sin reemplazo una muestra aleatoria de tamaño n de
una población de tamaño n y el interés recae en la probabilidad de
seleccionar x éxitos de los k artículos considerados como éxitos en la
población, se realiza un experimento hipergeométrico y su función de
probabilidad viene determinada por:
La distribución hipergeométrica requiere el conocimiento de k y n.
POISSON

Este es el modelo de probabilidad más adecuado para eventos que

ocurren aleatoriamente a través del tiempo o el espacio. La función
de probabilidad de poisson calcula la probabilidad de exactamente x
ocurrencias independientes durante un período de tiempo dado, si
los eventos ocurren independientemente y a una tasa constante. La
función de la probabilidad de poisson también representa el número
de ocurrencias sobre áreas o volúmenes constantes.
NORMAL

• Es la más empleada para modelar experimentos aleatorios continuos

porque describe ajustadamente muchos fenómenos naturales,
industriales e investigativos; los errores en mediciones científicas se
aproximan bien mediante la distribución normal.
• Esta distribución puede obtenerse al considerar el modelo de una
variable binomial cuando el número de ensayos tiende a infinito.
INTERVALOS DE CONFIANZA
PRUEBAS DE HIPOTESIS