Backtesting. Modelos de Capital y Reservas
|
|
- Raquel Ortiz Poblete
- hace 6 años
- Vistas:
Transcripción
1 Backtesting Modelos de Capital y Reservas Mayo 2009
2 Contenido 1. Antecedentes 2. Backtesting 3. Perspectivas
3 Backtesting de los Modelos de Reservas y Capital Antecedentes Nuevos esquemas regulatorios a nivel mundial, como Solvencia II, tienden a la utilización de modelos propios por parte de las compañías de seguros y bancos. Dichos modelos idealmente habrían de medir las obligaciones de la compañía con base en las características y comportamiento propio de sus riesgos; sin embargo, ante la complejidad de éstos, no es posible determinar analíticamente si darán resultados congruentes con la realidad. Adicionalmente, ante el comportamiento dinámico de los riesgos, existe la constante posibilidad de que el modelo se desajuste. Ante tal circunstancia, la herramienta más eficiente para vigilar el desempeño de los modelos es la prueba retrospectiva llamada Back Testing. México tiende a la adopción de un esquema regulatorio que contempla la aplicación de modelos propios, lo que obliga a implementar esquemas de Back Testing.
4 Contenido 1. Antecedentes 2. Backtesting 3. Perspectivas
5 Definición de Backtesting El Backtesting es un procedimiento técnico que consiste en validar la precisión y validez de un modelo ideado para hacer estimaciones de un determinado valor contingente, mediante la comparación de las estimaciones hechas por el modelo respecto de los valores reales observados en periodos anteriores. No existe modelos únicos predefinidos de Backtesting, se debe crear la prueba dependiendo del tipo de modelos que se quieren validar. No obstante, existen principios fundamentales para hacer el Backtesting. Un grado de tolerancia para la magnitud del error entre la estimación y la realidad. Una tolerancia para el número de veces que puede fallar el modelo.
6 Utilidad la Prueba de Backtesting en el Contexto de Solvencia II En el contexto de Solvencia II, la adopción de modelos propios para estimar las reservas y capital de solvencia, pueden generar resultados que son susceptibles de diferir de la realidad en un grado de error producido por la variación natural del fenómeno o por que el modelo es erróneo. Ante esto, resulta necesario definir esquemas de Backtesting para determinar la precisión y validez de los modelos adoptados por la compañías. Tres cuestiones fundamentales deben definirse: Cómo serán los modelos de Backtesting que deben aplicarse? A qué modelos se le debe aplicar Backtesting? Cuáles serán las tolerancias para el error de los modelos?
7 El Esquema de Basilea II, para Instituciones Bancarias En el esquema regulatorio de Basilea II, se establece el Backtesting que deben aplicar las instituciones bancarias, al momento de calcular su capital de solvencia. Consiste en analizar el número de veces que un modelo de estimación del capital, ajustado con un nivel del confianza del 99%, falla en un año, de 250 pruebas realizadas durante el periodo de un año. 1. Se dice que el modelo presenta una excepción, cuando se observa que el valor real de las pérdidas son superiores a la estimación dada por el modelo. 2. Dado que el modelo se supone ajustado al 99% de confianza, entonces se establece que la tolerancia es de una excepción por cada 100 ensayos (uno diario). 3. Cuando el modelo falla más de una vez en cada 100, se establecen esquemas de alerta que van de amarillo a rojo, dependiendo del número de veces que las excepciones han superado al parámetro de tolerancia. La máxima tolerancia es de 4 fallas en 100 veces (4%).
8 El Esquema de Basilea II, para Instituciones Bancarias En modelos de predicción, los valores que exceden la magnitud de la estimación son llamadas excepciones o fracasos. Función de Densidad de Pérdidas Se presenta una excepción, cuando la realidad supera a la estimación hecha con el modelo (excedencia).
9 El Esquema de Basilea II, para Instituciones Bancarias Dado que la estimación está determinada al 99% de confianza, se puede considerar un modelo binomial con probabilidad de éxito del 0.99 y probabilidad de fracaso del Con base en este criterio se establece que en 100 observaciones o más, sólo habrá el 1% de excepciones. En Basilea II, se da una tolerancia máxima del 4%, es decir, cuatro excepciones en 100 ensayos. La tolerancia del 4% se establece para evitar errores de tipo I y II. El error de tipo I consiste en rechazar un modelo que es adecuado, el error tipo II consiste en aceptar un modelo que es inadecuado. Aun cuando un modelo sea adecuado, puede presentar excepciones por encima del número esperado, pero a medida que se desvía el número de excepciones, es más improbable que el modelo sea adecuado. Para ello se puede establecer el número de excepciones a partir de lo cual se rechaza la hipótesis de que el modelo sea adecuado, con un alto grado de confianza. Este criterio ha sido criticado por no tomar en cuenta la magnitud de la excedencia que se genera en cada excepción.
10 La fórmula de Capital de Argentina A manera de ejemplo, tenemos la fórmula de Requerimiento de Capital para instituciones bancarias en Argentina: MRC 60 = max VaRt, (3 + st VaR i= 1 t+ 1 ) t 1 El factor multiplicativo ha sido justificado mediante la desigualdad de Chebyshev, desigualdad que implica que las fronteras para un nivel de confianza del 99%, nunca estarán a más de 10 desviaciones de la media, independientemente de la distribución. En este sentido, cuando se desconoce la verdadera distribución, el factor se justifica.
11 Qué debe hacerse en México? Se deben crear pruebas de Backtesting para los modelos propios de estimación de reservas. En este caso, se debe probar tanto el valor esperado del riesgo, como el margen de riesgo. También se deben crear pruebas de Backtesting para modelos propios de capital. Por otra parte, las técnicas de VaR no son apropiadas, debido a que el riesgo de seguros difiere de manera importante del riesgo financiero de instrumentos de inversión. Las diferencias más relevantes son: 1. Las mediciones de pérdidas de seguros no son diarias, por lo que la serie estadística para el backtesting requiere un mayor periodo de observación. 2. Las variables de riesgo de seguros son dos (siniestros y tasa), por lo que se presenta la dificultad de tener variables aleatorias conjuntas, cuya función de distribución conjunta es difícil de obtener.
12 Un modelo de Backtesting para Reservas Las reservas son el valor medio de las obligaciones. Lo anterior plantea la necesidad de elaborar un Backtesting para la media. La media es un valor que con un determinado grado de confianza su valor se encontrará en un determinado intervalo (intervalo de confianza). Resulta natural realizar la prueba de Backtesting dando un intervalo de confianza para la variación de esa media, y determinar en función de ello, el número de excepciones que se realizarán en un determinado periodo, que deben corresponder a aquéllas que permiten eliminar errores del tipo I y II. Con base en el número de excepciones, se pueden definir zonas de aceptación (verde), advertencia (amarilla), y rechazo (roja). Otro enfoque es crear un intervalo de confianza para el error de la media, con base en una estadística de errores observado en el mercado, definidos dichos errores como porcentaje de la media. Se produce una excepción cuando el valor de la media real difiere del estimador en una cantidad que se ubica fuera del intervalo de confianza.
13 Un modelo de Backtesting para Reservas Las reservas son el valor medio de las obligaciones. Lo anterior plantea la necesidad de elaborar un Backtesting para la media. La media es un valor que con un determinado grado de confianza su valor se encontrará en un determinado intervalo (intervalo de confianza). Media Varianza 1 Veces la desv. (k) 2.00 Intervalo aceptación 8.00 Prob. acumuladas Zona de Excepciones Prob intervalo Densidad Prob. intervalo 95.45% Prob. excepción 4.55%
14 Un modelo de Backtesting para Reservas 0.25 Excepciones Probabilidad % % % % % % % % % % % % % % % % % % % % % Prob intervalo Densidad Media 10 Varianza 1 Veces la desv. (k) 2.00 Prob. intervalo 95.45% Prob. excepción 4.55% observaciones 4 limite inferior 2 media limite superior
15 Un modelo de Backtesting para Reservas Excepciones Probabilidad % % % % % % % % % % % % % % % % % % % % % Con base en el número de excepciones, calculando la probabilidad del número excepciones mediante una binomial, cuya probabilidad de éxito es la probabilidad de excedencia de la estimación, en caso de pruebas de una cola o la probabilidad de caer fuera del intervalo de confianza en el caso de pruebas con intervalos de confianza, como es el caso. El número de excepciones que puedan presentarse con a lo más el 95% de confianza definen la zona verde, en tanto que la zona amarilla es para número de excepciones que puedan presentarse con un grado de confianza superior al 95%, pero menor al 99.99% de confianza, definiendo la zona roja como aquella en donde el número de excepciones sólo puede ocurrir con una probabilidad muy pequeña, es decir que la probabilidad de que ese número de excepciones no ocurra es del 99.99%.
16 Un modelo de Backtesting para Reservas Excepciones Probabilidad % % % % % % % % % % % % % % % % % % % % % Prob intervalo Densidad Media 10 Varianza 1 Veces la desv (k) 3.00 Prob. intervalo 99.73% Prob. de excepción 0.27% observaciones 4 limite inferior 2 media limite superior
17 Un modelo de Backtesting para Reservas Adicionalmente, es necesario establecer una prueba que permita detectar un modelo que no obstante que se mantiene dentro del intervalo, extrañamente presente resultados siempre inferiores a la media. En este caso, se puede aplicar una prueba binomial que nos indique la probabilidad de que una serie de valores aleatorios sea factible. Supongamos que se observó que de 30 ensayos, 25 veces estos se ubicaron debajo de la media. Cuál es la probabilidad de tener 25 valores por debajo de la media en 30 ensayos? observaciones limite inferior media limite superior
18 Un modelo de Backtesting para Reservas observaciones limite inferior media limite superior La probabilidad de que ese escenario ocurra es inferior a por lo que el modelo se rechaza, con una probabilidad muy baja de que exista un error de tipo I o II. Pr( E i 30 ) = =
19 Un modelo de Backtesting para Reservas No obstante, un modelo incorrecto podría pasar las dos pruebas ya que podría cumplir con la binomial pero estar cargado hacia abajo o hacia arriba. Para estos caso, se probaría la diferencia de medias, determinando que el modelo es incorrecto cuando la media de los resultados del modelo, aún pasando las dos pruebas anteriores, sea inferior representativamente a la media real. Esta último caso se basaría en realizar una prueba de hipótesis sobre la media observaciones limite inferior media limite superior Serie
20 Un modelo de Backtesting para Capital El modelo de Backtesting para capital o para margen de riesgo, debe basarse en la probabilidad de exceder la estimación hecha al 99.5% de confianza, considerando excedencia a toda pérdida observada superior a la estimación. Se debe considerar que el criterio coincide con el de VaR, sin embargo la función de distribución de pérdidas tiene un mayor grado de dificultad. Función de Densidad de Pérdidas Se presenta una excepción, cuando la realidad supera a la estimación hecha con el modelo (excedencia).
21 Contenido 1. Antecedentes 2. Backtesting 3. Perspectivas
22 Perspectivas Es necesario idear modelos de Backtesting apropiados para cada modelo que se quiera probar, entre de los más importantes: Reservas de riesgos en curso Reserva de Siniestros ocurridos no reportados Requerimientos de Capital de Solvencia Modelos de estimación de pérdidas financieras VaR. Modelos de estimación de pérdidas por descalce Modelos de estimación de PML
23 Perspectivas Estos modelos no existen, se deben idear!! de acuerdo a nuestras necesidades..
24 Backtesting Modelos de Capital y Reservas Mayo 2009
INFERENCIA ESTADISTICA
INFERENCIA ESTADISTICA ESTIMACION 2 maneras de estimar: Estimaciones puntuales x s 2 Estimaciones por intervalo 2 ESTIMACION Estimaciones por intervalo Limites de Confianza LCI
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesLímite de Retención. Un Nuevo Esquema Regulatorio
Límite de Retención Un Nuevo Esquema Regulatorio Mayo 12, 2009 Contenido 1. Proyecto de Reglas 2. Aspectos Actuariales 3. Conclusiones Límite de Retención Reglas para fijar los límites máximos de retención
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesContrastes de hipótesis paramétricos
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Introducción 1 Introducción 2 Contraste de Neyman-Pearson Sea X f X (x, θ). Desonocemos θ y queremos saber que valor toma este parámetro,
Más detallesPruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis
Diseño Estadístico y Herramientas para la Calidad Pruebas de Hipótesis Expositor: Dr. Juan José Flores Romero juanf@umich.mx http://lsc.fie.umich.mx/~juan M. en Calidad Total y Competitividad Pruebas de
Más detallesObjetivo: Comprender cómo se calculan los intervalos de confianza y determinar el tamaño ideal de una muetra
PROBABILIDAD Y ESTADÍSTICA Sesión 8 (Hasta tema 7.5) 7. PRUEBA DE HIPÓTESIS 7.1 Errores tipo I y tipo II 7.2 Potencia de la prueba 7.3 Formulación de hipótesis estadística 7.4 Prueba de hipótesis para
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesANÁLISIS DE FRECUENCIAS
ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE
Más detalles3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
Más detallesEl primer paso en la realización de una investigación es planear las hipótesis de investigación. Definamos el concepto de hipótesis:
El primer paso en la realización de una investigación es planear las hipótesis de investigación. Definamos el concepto de hipótesis Definición 1.- Una hipótesis es una afirmación que está sujeta a verificación
Más detallesReaseguro Proporcional con Límites
Reaseguro Proporcional con Límites Por: Act. Pedro Aguilar Beltrán paguilar@cnsf.gob.mx Comisión Nacional de eguros y Fianzas México Fundamentos 1 Fundamentos Los contratos de reaseguro proporcional, en
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesObjetivos. Epígrafes 3-1. Francisco José García Álvarez
Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesDesempeño de Medidas de Riesgo sobre Distribuciones de Valores Extremos
Desempeño de Medidas de Riesgo sobre Distribuciones de Valores Extremos Resumen Ejecutivo Antecedentes El riesgo es un concepto ampliamente estudiado, con diversas definiciones que dependen del contexto
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesEstimaciones puntuales. Estadística II
Estimaciones puntuales Estadística II Estimación Podemos hacer dos tipos de estimaciones concernientes a una población: una estimación puntual y una estimación de intervalo. Una estimación puntual es un
Más detallesTeoría de la decisión Estadística
Pruebas de hìpótesis Unidad 8. Pruebas de hipótesis. Formulación general. Distribución de varianza conocida. Prueba para la bondad del ajuste. Validación de modelos 1 Formulación Una Hipótesis es una proposición
Más detallesEnlace del Plan de Auditoría con los Riesgos y Exposiciones
Enlace del Plan de Auditoría con los Riesgos y Exposiciones Estándar principalmente relacionado: 2320 Análisis y Evaluación Los auditores internos deben basar sus conclusiones y los resultados del trabajo
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detalles4. Prueba de Hipótesis
4. Prueba de Hipótesis Como se ha indicado anteriormente, nuestro objetivo al tomar una muestra es extraer alguna conclusión o inferencia sobre una población. En nuestro interés es conocer acerca de los
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesCONTRASTE SOBRE UN COEFICIENTE DE LA REGRESIÓN
Modelo: Y =! 1 +! 2 X + u Hipótesis nula: Hipótesis alternativa H 1 :!!! 2 2 Ejemplo de modelo: p =! 1 +! 2 w + u Hipótesis nula: Hipótesis alternativa: H :!! 1 2 1. Como ilustración, consideremos un modelo
Más detallesMuchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Más detallesPreparación de los datos de entrada
Preparación de los datos de entrada Clase nro. 6 CURSO 2010 Objetivo Modelado de las características estocásticas de los sistemas. Variables aleatorias con su distribución de probabilidad. Por ejemplo:
Más detallesPBS 8 Gestión de Riesgos y Controles Internos
PBS 8 Gestión de Riesgos y Controles Internos Seminario de Capacitación en Seguros ASSAL - IAIS San José, Costa Rica 29 de Noviembre de 2016 M. Fernanda Plaza Superintendencia de Valores y Seguros - Chile
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis
Más detallesPruebas de Hipótesis
Pruebas de Hipótesis Tipos de errores Se pueden cometer dos tipos de errores: Decisión Población Ho es erdadera Ho es falsa No rechazar Ho Decisión correcta. Error tipo II Rechazar Ho Error tipo I Decisión
Más detallesAYUDANTÍA 2: RIESGO EN PROYECTOS
AYUDANTÍA 2: RIESGO EN PROYECTOS ICC2302 INGENIERÍA DE CONSTRUCCIÓN 1 2008 TEMARIO Estimación de Costos de Proyectos Estimación Preliminar Estimación Conceptual Estimación Detallada Estimación Definitiva
Más detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesTema 8: Contraste de hipótesis
Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA NIVEL: LICENCIATURA CRÉDITOS: 9 CLAVE: ICAD24.500919 HORAS TEORÍA: 4.5 SEMESTRE: CUARTO HORAS PRÁCTICA: 0 REQUISITOS:
Más detallesGuía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA
1. Introducción Guía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA Los análisis económicos y empresariales se efectúan sobre la base de la toma de decisiones, las cuales se toman a partir de la información
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
Más detallesObjetivos. Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos. Epígrafes
Objetivos Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos Epígrafes Introducción a los Gráficos p, np. Interpretación Gráficos c y u. Interpretación 2-1 Gráfico
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesGermán Jesús Rubio Luna Catedrático de Matemáticas del IES Francisco Ayala
Decisión estadística. Contraste de hipótesis Nota.- Cuando tratábamos la estimación de parámetros, intentábamos obtener un valor o un intervalo de valores que constituyesen la mejor estimación del parámetro
Más detallesMATEMÁTICAS APLICADAS A LAS CCSS I (1º BACHILLERATO)
MATEMÁTICAS APLICADAS A LAS CCSS I (1º BACHILLERATO) 1.1.1 Contenidos Matemáticas Aplicadas a las Ciencias Sociales I 1.1.1.1 Bloque 1. Aritmética y álgebra (Total: 34 sesiones) Números racionales e irracionales.
Más detallesTEMA 10 COMPARAR MEDIAS
TEMA 10 COMPARAR MEDIAS Los procedimientos incluidos en el menú Comparar medias permiten el cálculo de medias y otros estadísticos, así como la comparación de medias para diferentes tipos de variables,
Más detallesPLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07
PLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07 TEMAS A ESTUDIAR En esta guía nos dedicaremos a estudiar el tema de Estimación por intervalo y comenzaremos a estudiar las pruebas de hipótesis paramétricas.
Más detallesANALISIS DE FRECUENCIA
ANALISIS DE FRECUENCIA HIDROLOGÍA Determinística: enfoque en el cual los parámetros se calculan en base a relaciones físicas para procesos dinámicos del ciclo hidrológico. Estocástico: Enfoque en el cual
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detallesProyecto Tema 8: Tests de hipótesis. Resumen teórico
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 8: Tests de hipótesis Resumen teórico Tests de hipótesis Concepto de test de hipótesis Un test de hipótesis (o
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesControl Estadístico de Procesos Capacidad de Proceso
Control Estadístico de Procesos Capacidad de Proceso Un proceso de fabricación es un conjunto de equipos, materiales, personas y métodos de trabajo que genera un producto fabricado. Maquinaria Métodos
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
Más detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Más detallesGrupo 23 Semestre Segundo examen parcial
Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige
Más detallesLABORATORIO No. 0. Cálculo de errores en las mediciones. 0.1 Introducción
LABORATORIO No. 0 Cálculo de errores en las mediciones 0.1 Introducción Es bien sabido que la especificación de una magnitud físicamente medible requiere cuando menos de dos elementos: Un número y una
Más detallesDEPARTAMENTO DE MATEMÁTICAS. IES GALLICUM
UNIDAD I: NÚMEROS (6 Horas) 1.- Repasar el cálculo con números racionales y potencias de exponente entero. 2.- Resolver problemas de la vida cotidiana en los que intervengan los números racionales. 1.-
Más detallesCurso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Tercera clase: Introducción al concepto de probabilidad y Distribuciones de probablidad discretas Programa Técnico en Riesgo, 2014 Agenda 1 Concepto de probabilidad
Más detallesPROGRAMA DE ESTUDIO : UN SEMESTRE ACADÉMICO : TERCER AÑO, PRIMER SEMESTRE
PROGRAMA DE ESTUDIO A. Antecedentes Generales ASIGNATURA : Estadística CÓDIGO : IIM313A DURACIÓN : UN SEMESTRE ACADÉMICO PRE - REQUISITO : PROBABILIDADES CO REQUISITO : NO TIENE UBICACIÓN : TERCER AÑO,
Más detalles1. VALORES FALTANTES 2. MECANISMOS DE PÉRDIDA
1. VALORES FALTANTES Los valores faltantes son observaciones que en un se tenía la intención de hacerlas, pero por distintas razones no se obtuvieron. Puede ser que no se encuentre a un encuestado, entonces
Más detallesMATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.
MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En
Más detallesCarrera: Ingeniería Civil CIM 0531
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería Civil CIM 0531 3 2 8 2.- HISTORIA DEL PROGRAMA
Más detallesAplicaciones de apoyo al diagnóstico médico. Identificación de objetos amigos y enemigos. Identificación de zonas afectadas por un desastre natural.
Capítulo 5 Evaluación En muchas ocasiones requerimos hacer una evaluación muy precisa de nuestros algoritmos de aprendizaje computacional porque los vamos a utilizar en algún tipo de aplicación que así
Más detallesPOBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN
POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN Adela del Carpio Rivera Doctor en Medicina UNIVERSO Conjunto de individuos u objetos de los que se desea conocer algo en una investigación Población o universo
Más detallesEvaluación económica de proyectos de inversión utilizando simulación
Jiménez Boulanger, Francisco. Evaluación económica de proyectos de inversión utilizando simulación Tecnología en Marcha. Vol. 19-1. Evaluación económica de proyectos de inversión utilizando simulación
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesTEMA 3. Algunos modelos de probabilidad de tipo discreto. 3.1 Al finalizar el tema el alumno debe conocer...
TEMA 3. Algunos modelos de probabilidad de tipo discreto En este capítulo se abordan «familias» muy específicas de probabilidad, que con cierta frecuencia se nos presentan en el mundo real. Van a ser distribuciones
Más detallesEstadística Aplicada
Estadística Aplicada Distribuciones de Probabilidad Variables aleatorias Toman un valor numérico para cada resultado de un espacio muestral Discretas. Sus valores posibles constituyen un conjunto discreto.
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesPLANIFICACIÓN UNIDAD 5 MATEMÁTICA IV MEDIO BICENTENARIO. CMO Aprendizajes esperados Indicador Habilidad Contenido Clases
PLANIFICACIÓN UNIDAD 5 MATEMÁTICA IV MEDIO BICENTENARIO CMO Aprendizajes esperados Indicador Habilidad Contenido Clases 9 y aplicar los conceptos de función densidad y distribución de probabilidad para
Más detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
Más detallesObjetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev
PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 5 Simulación
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 5 Simulación ORGANIZACIÓN DEL TEMA Sesiones: Introducción Ejemplos prácticos Procedimiento y evaluación de resultados INTRODUCCIÓN Simulación: Procedimiento
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
Más detallesEjercicio 1 (20 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Examen Montevideo, 15 de diciembre de 2015. Nombre: C.I.: EXAMEN Libre Reglamentado El examen consta de dos partes. La primera parte debe ser realizada
Más detallesPruebas de hipótesis
Pruebas de hipótesis Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Prueba de hipótesis Uno de los objetivos de la estadística es hacer
Más detallesObjetivos. Epígrafes 8-1. Francisco José García Álvarez
Objetivos Entender los fundamentos estadísticos del muestreo de aceptación por variables. Aprender los procedimientos más usados del muestreo de aceptación por variables: Norma militar 414 Epígrafes Introducción
Más detallesDiscretas. Continuas
UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de
Más detallesDEFINICIONES BÁSICAS
1 CLASES DE ESTADÍSTICA II CLASE 14) INTRODUCCIÓN A LAS PRUEBAS DE HIPÓTESIS. A menudo el analista debe tomar decisiones acerca de la investigación que se está desarrollando. En ese proceso de toma de
Más detallesTAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN
TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN En este artículo, se trata de explicar una metodología estadística sencilla y sobre todo práctica, para la estimación del tamaño de muestra
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I 1º BACHILLERATO
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I 1º BACHILLERATO DEL CURSO 1. Utilizar los números reales, sus notaciones, operaciones y procedimientos asociados, para presentar e intercambiar información,
Más detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Más detallesPRESUPUESTOS MÓNICA HIDALGO ANDINO, MSC
PRESUPUESTOS EL PRESUPUESTO Y EL PROCESO DE DIRECCIÓN LA PLANIFICACIÓN Y EL CONTROL DE LA GESTIÓN DEL TALENTO HUMANO SON FUNCIONES DE LA GESTIÓN ADMINISTRATIVA QUE SE MATERIALIZAN EN EL PROCESO DE ELABORACIÓN
Más detallesINSTITUCIÓN EDUCATIVA SAN VICENTE DE PAÚL ANÁLISIS RESULTADOS PRUEBAS SABER 3, 5 Y
INSTITUCIÓN EDUCATIVA SAN VICENTE DE PAÚL ANÁLISIS RESULTADOS PRUEBAS SABER 3, 5 Y 9 2015 RESULTADOS DE TERCER GRADO EN EL ÁREA DE LENGUAJE Comparación de porcentajes según niveles de desempeño por año
Más detallesAGRO Examen Parcial 2. Nombre:
Densidad Densidad Densidad Densidad Examen Parcial 2 AGRO 5005 Nombre: Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro, las tablas con fórmulas y la
Más detallesANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA)
ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA) El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K poblaciones (K >2) son iguales, frente a la hipótesis alternativa de
Más detallesCarrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Probabilidad y Estadística Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3-2-8 2.- HISTORIA DEL PROGRAMA Lugar
Más detallesFISICA I Escuela Politécnica de Ingeniería de Minas y Energía TEORÍA DE ERRORES
TEORÍA DE ERRORES Se pretende en este capítulo dar una explicación de la Teoría de Errores, lo más somera posible y fundamentalmente práctica, que pueda servir al alumno cuando efectúe sus trabajos en
Más detallesHERRAMIENTAS DE CALIDAD EN PROCESOS METROLÓGICOS
HERRAMIENTAS DE CALIDAD EN PROCESOS METROLÓGICOS Ing. Claudia Santo Directora de Metrología Científica e Industrial 17/05/2016 MEDELLÍN, COLOMBIA MEDIR Cómo sabemos que nuestras meciones son correctas?
Más detallesIndicaciones para el lector... xv Prólogo... xvii
ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesCAPÍTULO I. INTRODUCCIÓN. Cuando se requiere obtener información de una población, y se desean obtener los mejores
CAPÍTULO I. INTRODUCCIÓN I.1 Breve Descripción Cuando se requiere obtener información de una población, y se desean obtener los mejores y más completos resultados, el censo es una opción para dar una respuesta
Más detallesMétodos Estadísticos de la Ingeniería Tema 11: Contrastes de Hipótesis Grupo B
Métodos Estadísticos de la Ingeniería Tema 11: Contrastes de Hipótesis Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Abril 2010 Contenidos...............................................................
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesCAPÍTULO 4 TÉCNICA PERT
54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con
Más detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detallesObjetivo: Comprender cómo se calculan los intervalos de confianza y determinar el tamaño ideal de una muetra
PROBABILIDAD Y ESTADÍSTICA SESIÓN 9 7.6 Prueba de hipótesis para la proporción 7.7 Prueba de hipótesis para la diferencia de proporciones 7.8 Prueba de hipótesis para la varianza 7.9 Prueba de hipótesis
Más detalles