CORRELACIONES EN FINANZAS
|
|
- Belén Velázquez Pinto
- hace 8 años
- Vistas:
Transcripción
1 CORRELACIONES EN FINANZAS Juan Carlos García Césedes SEMINARIO E MATEMATICAS FINANCIERAS Instituto MEFF - UAM Enero.00 OBJETIVOS! iscutir el conceto de correlación! Exoner algunas limitaciones.! Presentar algunas herramientas y concetos utiles.! Todo ello en relación con las finanzas (riesgo de mercado y riesgo de crédito.
2 CORRELACION! Conceto absolutamente extendido y a la vez mal entendido! En general or correlación se entiende cualquier tio de deendencia/relación entre variables aleatorias.! Sin embargo, la correlación es tan sólo una medida entre muchas otras de la relación que existe entre variables aleatorias.! Es la medida base en el universo de las distribuciones normales (gaussianas, mas genéricamente en el universo de las distribuciones esféricas y elíticas.! Se ha extendido or extraolación la utilidad de la correlación lineal al resto de distribuciones ALGUNOS PROBLEMAS CON LA CORRELACIÓN: " Para que exista correlación, las varianza de X e Y deben existir, esto es, las variables aleatorias con distribuciones de colas gruesas no tienen correlación " Indeendencia imlica correlación cero, ero no al revés. Ejemlo YX, donde X es normal (0,. Y X
3 ALGUNOS PROBLEMAS MÁS CON LA CORRELACIÓN: " Solo en el entorno de las normales multivariantes odemos interretar correlación cero igual a indeendencia. " Sin embargo, dos normales correlacionadas cero no imlica necesariamente indeendencia Existe alguna contradicción???? NO, orque... "Que las distribuciones marginales sean Normales no imlica que la distribución conjunta sea una normal multivariante, "Existen infinitas distribuciones bivariantes con una correlación dada y con marginales gaussianas. Veamos un ejemlo... CUESTIÓN Uno de estos conjuntos de untos sigue una distribución normal bivariante. Cuál? 3
4 Vamos a quedarnos con las distribuciones y Estos untos se han generado a artir de dos distribuciones normales correlacionadas (ρ 0,7
5 Estos otros untos... También se han generado a artir de dos distribuciones normales correlacionadas (ρ 0,7!? Las diferencias entre los dos conjuntos de untos son evidentes......no siguen la misma distribución y sin embargo sus distribuciones marginales son normales con la misma correlación.
6 Las diferencias entre los dos conjuntos de untos son evidentes......no siguen la misma distribución y sin embargo sus distribuciones marginales son normales con la misma correlación. qué conclusiones odemos sacar en términos de riesgo de mercado?... Aunque los factores de riesgo sean individualmente normales, el riesgo de la cartera uede ser mayor de lo que creemos.
7 Lo sorrendente es que, como vemos, las distribuciones marginales de los ejemlos son erfectamente normales LAS CÓPULAS (en estadística Una cóula es una distribución multivariante cuyas distribuciones marginales son uniformes (0,. ( u u C,...,, u n Sean x,x,...,x n variables aleatorias con distribuciones acumuladas marginales F (x, F (x,...,f n (x n. Entonces: ( x x,..., x C ( F ( x, F ( x,..., F ( x, n n n F define una distribución conjunta acumulada cuyas marginales son recisamente F (, F (,...,F n (.
8 LAS CÓPULAS (en estadística Es osible maear las variables aleatorias en variables uniformes a través de su distribución acumulada. La estructura de deendencia vendrá determinada or relaciones entre distribuciones uniformes. Si se le da la vuelta al argumento, una cóula es un instrumento magnífico ara la simulación de variables aleatorias con distribuciones marginales dadas, solo habremos de simular variables uniformes con estructuras de correlaciones determinadas. Teorema de Sklar Sea F(x,x,...,x n una función de distribución acumulada, entonces existe una n-cóula tal que, ( x x,..., x C ( F ( x, F ( x,..., F ( x, n n n F Las coulas ermiten searar la estructura de deendencia multivariante de la estructura de distribuciones marginales univariantes. Veamos que sucede si maeamos las distribuciones anteriores a uniformes... 3
9 El gráfico 3 se ha generado a artir de la llamada cóula de Frank. A continuación odemos ver su distribución acumulada y su densidad. C( u, v α u α v ( e ( e - < < ln + α α α e Cuanto mayor es el arámetro α, en valor absoluto, mayor es la relación entre las dos variables. El gráfico se ha generado a artir de la llamada cóula de Clayton. A continuación odemos ver su distribución acumulada y su densidad. C( u, v α α ( u + v α α > Nuevamente, cuanto mayor es el arámetro α, mayor es la relación entre las dos variables.
10 Qué está asando? Qué conclusión odemos sacar? El conceto de correlación hace aguas, sólo tiene sentido en determinados entornos, en otros hay que interretarlo con sumo cuidado. En resumen: La correlación no caracteriza la estructura de relaciones entre las variables aleatorias, estas estructuras en general son muy ricas y difícilmente se ueden caturar con un solo arámetro. Existen otras medidas de correlación, o mejor dicho, de relación entre variables aleatorias, mencionemos dos: La correlación de Searman La Tau de Kendall Recordemos el conceto tradicional de correlación, que llamaremos correlación lineal: ρ l ( X, Y Cov( X, Y Var( X Var( Y La correlación de searman se define como: ρ ( X, Y ρ ( F ( X, F ( Y s l X Y Cov( F Var( F X X ( X, F ( X Y ( Y Var( F Y ( Y La correlación de searman no es más que la correlación lineal ero en el mundo de las distribuciones uniformes, esto es, las variables aleatorias reviamente se transforman en uniformes.
11 La Tau de Kendall se define como: ρ τ [ X X ( Y Y > 0] Ρ[ ( X X ( Y 0] ( < Ρ Y Puntos concordantes Puntos discordantes Y Y Correlación ositiva indica que hay más untos concordantes que discordantes y viceversa X X Existe una relación entre la correlación lineal y la Tau de Kendall ρ τ ( X, Y arcsin l Y π ( ρ ( X, Para estimar emíricamente la Tau de Kendall se recomienda la fórmula siguiente τˆ c + d + e c d c + d + X e Y correlación lineal se ve muy afectada or los datos atíicos... ato atíico...sin embargo la Tau de Kendall es mucho mas robusta
12 Riesgo de crédito, correlaciones y la robabilidad conjunta de incumlimiento Para dos réstamos existen cuatro osibles escenarios: Sólo incumle (, 0 Ninguna incumle ( 0, 0 Incumlen ambas (, Sólo incumle ( 0, : Probabilidad de incumlimiento de la comañía. P( : Probabilidad de incumlimiento de la comañía. P( & : Probabilidad de incumlimiento conjunto. P( Nótese que or definición & Min(,! En el entorno de las variables aleatorias bernouilli, las correlaciones son algo diferentes: atos : E( E( corr( cov( + & & corr(,, (, ( ρ cov(, σ σ (, & σ σ ( + ( ( ( ( (0 & ( + + ( & (0 ( & (0 (0 (... La correlación vemos que es función de las robabilidades individuales de incumlimiento y de la conjunta. +
13 corr(, ρ, ( & ( Vamos a analizar la función anterior, un rimer caso, sencillo, es corr(, ρ, ( & ( & ( & + ρ, ( ( Como 0 & entonces ( < ρ, < La correlación no uede ser - salvo que 0,5! Límites a las correlaciones de default entre dos contraartidas cuando las dos robabilidades de incumlimiento son iguales 00% 80% 60% 40% min rho max rho 0% 0% -0% -40% -60% -80% -00% 0% 5% 0% 5% 0% 5% 30% 35% 40% 45% 50% Si las robabilidades de default son bajas, que es lo habitual, las correlaciones no ueden muy negativas y la cobertura del riesgo deberá hacerse mediante diversificación.
14 corr(, ρ, ( & ( El caso general es ara : suongamos sin érdida de generalidad que < & + ρ, ( ( Como 0 & min(, entonces ( ( < ρ, < ( ( Salvo que la correlación no uede ser igual a! Por tanto, las contraartidas con diferente calidad crediticia no odrán tener correlación erfecta. Límite suerior de las correlaciones de default en el caso general en el que las robabilidades de incumlimiento no son iguales Correlación máxima % 4% 8% % 6% 0% 4% 8% 3% 36% 40% 44% 48% % % 0.% 44% 33%
15 Límite inferior a las correlaciones de default en el caso general en el que las robabilidades de incumlimiento no son iguales - Correlación mínima % 4% 8% % 6% 0% 4% 8% 3% 36% 40% 44% 48% 0.% 7% 4% % 8% 35% 4% 49% Cómo se estima la robabilidad de incumlimiento conjunto? Veamos el modelo de Merton ara dos contraartidas con correlación de activos ositiva Sólo incumle la comañía Las dos comañías incumlen COMPAÑÍA Ninguna comañía incumle Sólo incumle la comañía COMPAÑÍA
16 El modelo de Merton ara dos contraartidas con correlación de activos cercana a Sólo incumle la comañía Las dos comañías incumlen COMPAÑÍA Ninguna comañía incumle Sólo incumle la comañía COMPAÑÍA El modelo de Merton ara dos contraartidas con correlación de activos negativa Sólo incumle la comañía Las dos comañías incumlen COMPAÑÍA Ninguna comañía incumle Sólo incumle la comañía COMPAÑÍA
17 Cómo se estima la robabilidad de incumlimiento conjunto? Para ello tan sólo hay que calcular el volumen de camana que cae or encima de la región de incumlimiento conjunto, dicho volumen deenderá de 3 factores: Las robabilidades individuales de incumlimiento La correlación de activos Finalmente, vemos que la correlación de default es también una función de los mismos 3 factores: Las robabilidades individuales de incumlimiento La correlación de activos corr ( g (,,, ρ (, Activos ρ ( ( & f (,, ρ ( Activos El modelo de Merton es un modelo de cóulas semejante a los que antes hemos visto, en este caso se determina la estructura de deendencia entre variables aleatorias bernouilli a través de variables ocultas gaussianas. Es lo que se denomina una coula gaussiana. C Ω ( u, u,..., u Φ ( Φ ( u, Φ ( u,..., Φ ( u n Ω n ( onde, Φ Ω es una distribución normal estandar multivariante con estructura de correlaciones Ω y Φ ( son normales univariantes estandar inversas
18 RESUMEN Y CONCLUSIONES Hemos visto que la correlación es un conceto articular ara medir la relación entre variables aleatorias y que las distribuciones marginales más la estructura de correlaciones no definen las distribuciones conjuntas Hemos definido el conceto de cóula que nos odrá ser util ara simular variables aleatorias con distribuciones marginales determinadas, además hemos visto algunos ejemlos Hemos visto algunas medidas nuevas de la relación entre variables aleatorias, la rho de Searman y la Tau de Kendall, en articular hemos visto otra forma de estimar la correlación lineal. En relación al riesgo de crédito hemos visto el modelo de Merton como un caso articular de cóula, además hemos visto que las correlaciones de default son muy diferentes de las correlaciones con las que habitualmente trabajamos. BIBLIOGRAFÍA:. Linear Correlation Estimation, Fili Lindskog - htt:// Modelling eendence with Coulas and Alications to Risk Management, Master Thesis by Fili Lindskog 3. Understanding Relationshis Using Coulas, Edward W. Frees and Emiliano A. Valdez 4. Correlation And eendence In Risk Management: Proerties and Pitfalls, Paul Embrechts, Alexander McNeil, and aniel Straumann 5. Correlation: Pitfalls and Alternatives, Paul Embrechts, Alexander McNeil, and aniel Straumann 6. Coulas for Finance: A Reading Guide and Some Alications, Eric Bouyé, Valdo urrleman, Ashkan Nikeghbali, Gaël Riboulet and Thierry Roncalli 7. On efault Correlation: A Coula Function Aroach, avid X. Li
Distribuciones Multivariantes. Distribuciones Multivariantes. Distribuciones Multivariantes. Objetivos del tema:
Distribuciones Multivariantes Distribuciones Multivariantes Distribución conjunta de un vector aleatorio Objetivos del tema: Distribuciones marginales y condicionadas Al final del tema el alumno será capaz
Más detallesSIMULACION. Formulación de modelos: solución obtenida de manera analítica
SIMULACION Formulación de modelos: solución obtenida de manera analítica Modelos analíticos: suposiciones simplificatorias, sus soluciones son inadecuadas para ponerlas en práctica. Simulación: Imitar
Más detallesUso de cópulas en la estimación del capital económico
www.pwc.es Uso de cópulas en la estimación del capital económico Centre de Recerca Matèmatica, CRM Bellaterra, Barcelona 22 de febrero de 2.013 Índice 1.- Capital regulatorio: modelo de Merton 2.- Capital
Más detalles9. INTRODUCCIÓN A DISTRIBU- CIONES MULTIVARIANTES
9. INTRODUCCIÓN A DISTRIBU- CIONES MULTIVARIANTES Objetivo Introducir la idea de la distribución conjunta de dos variables discretas. Generalizar las ideas del tema 2. Introducir la distribución normal
Más detalles1. MEDIDAS DE TENDENCIA CENTRAL
1. MEDIDAS DE TENDENCIA CENTRAL Lo importante en una tendencia central es calcular un valor central que actúe como resumen numérico para representar al conjunto de datos. Estos valores son las medidas
Más detallesPRINCIPALES DISTRIBUCIONES DISCRETAS
PRINCIPALES DISTRIBUCIONES DISCRETAS Objetivos generales del tema En este tema definiremos y discutiremos diversas e imortantes distribuciones discretas, es decir, funciones masa de robabilidad o funciones
Más detallesCómo vender tu producto o servicio
Cómo vender tu producto o servicio Índice 1. Qué se entiende por estrategia de ventas?... 3 2. Qué se entiende por argumentación de venta?... 3 3. Qué variables determinan el tamaño de la red comercial,
Más detallesEjercicios Riesgo y Retorno Resueltos
Ejercicios Riesgo y Retorno Resueltos Comentes:. ara lograr el efecto diversificación en un ortafolio debemos necesariamente invertir en activos que no se correlacionen o que tienen correlación negativa.
Más detallesTema 3. Medidas de tendencia central. 3.1. Introducción. Contenido
Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6
Más detallesACCIONES Y OTROS TÍTULOS DE INVERSIÓN
ACCIONES Y OTROS TÍTULOS DE INVERSIÓN TASAS EFECTIVAS DE RENDIMIENTO ANUAL Y MENSUAL: Es aquélla que se emplea en la compraventa de algunos valores en el Mercado Bursátil o Bolsa de Valores. Estas tasas
Más detallesLección 4: Suma y resta de números racionales
GUÍA DE MATEMÁTICAS II Lección : Suma y resta de números racionales En esta lección recordaremos cómo sumar y restar números racionales. Como los racionales pueden estar representados como fracción o decimal,
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesProfr. Efraín Soto Apolinar. Función Inversa
Función Inversa Una función es una relación entre dos variables, de manera que para cada valor de la variable independiente eiste a lo más un único valor asignado a la variable independiente por la función.
Más detallesPRÁCTICA 4. De las dos primeras CPO operando y simplificando se obtiene la condición de tangencia:
.- Determine la exresión de la demanda del bien x ara la siguiente función de utilidad: Para calcular la del bien x hay que resolver el roblema de maximización de la utilidad condicionada a la renta disonible
Más detallesEjercicio de estadística para 3º de la ESO
Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población
Más detallesMEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL
MEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL Las medias de tendencia central o posición nos indican donde se sitúa un dato dentro de una distribución de datos. Las medidas de dispersión, variabilidad o variación
Más detallesGuías aprendeafinanciarte.com
1 El futuro de muchas pequeñas y medianas empresas depende de la financiación externa. Y conseguir un crédito es indispensable una estrategia adecuada. Siempre es aconsejable que la empresa opere crediticiamente
Más detallesGeneración de Números Pseudo-Aleatorios
Números Aleatorios Son un ingrediente básico en la simulación de sistemas Los paquetes de simulación generan números aleatorios para simular eventos de tiempo u otras variables aleatorias Una secuencia
Más detallesInferencia Estadística
EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre
Más detallesEl modelo Ordinal y el modelo Multinomial
El modelo Ordinal y el modelo Multinomial Microeconomía Cuantitativa R. Mora Departmento de Economía Universidad Carlos III de Madrid Esquema Motivación 1 Motivación 2 3 Motivación Consideramos las siguientes
Más detallesProf. Daniel Villar Escuela Técnica del Buceo 2009
Matemática: Teórico 009 Seguramente el lector ya conoce estructuras numéricas, naturales, enteros, racionales. Sus diferencias y carencias. Qué hizo necesario la creación de una estructura aún más amlia
Más detallesEL FONDO DE MANIOBRA Y LAS NECESIDADES OPERATIVAS DE FONDOS
2 EL FONDO DE MANIOBRA Y LAS NECESIDADES OPERATIVAS DE FONDOS Las inversiones de una empresa están reflejadas en su activo. Una forma de clasificación de las diferentes inversiones es en función del plazo
Más detallesCIIF CENTRO INTERNACIONAL DE INVESTIGACION FINANCIERA
I E S E Universidad de Navarra CIIF CENTRO INTERNACIONAL DE INVESTIGACION FINANCIERA INFORME SOBRE LA RELACION ENTRE CONSUMO, MOROSIDAD Y CICLOS BURSATILES Miguel A. Ariño* María Coello de Portugal** DOCUMENTO
Más detallesANÁLISIS DE BALANCES CON EL NUEVO PGC DE 2008
ANÁLISIS DE BALANCES CON EL NUEVO PGC DE 2008 Índice: 1.- ANÁLISIS DE BALANCES. GENERALIDADES...2 2.- EL FONDO DE MANIOBRA...2 3.- ANÁLISIS FINANCIERO DEL BALANCE...3 4.- ANÁLISIS ECONÓMICO DEL BALANCE...6
Más detallesUNIDAD 1. LOS NÚMEROS ENTEROS.
UNIDAD 1. LOS NÚMEROS ENTEROS. Al final deberás haber aprendido... Interpretar y expresar números enteros. Representar números enteros en la recta numérica. Comparar y ordenar números enteros. Realizar
Más detalles- MANUAL DE USUARIO -
- MANUAL DE USUARIO - Aplicación: Kz Precio Hora Instagi Instagi Teléfono: 943424465-943466874 Email: instagi@instagi.com GUIA PROGRAMA CALCULO PRECIO HORA 1. Introducción 2. Datos de la empresa 2.1.Gastos
Más detallesCAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de
CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.
Más detallesSe podría entender como una matriz de filas y columnas. Cada combinación de fila y columna se denomina celda. Por ejemplo la celda A1, B33, Z68.
Departamento de Economía Aplicada: UDI de Estadística. Universidad Autónoma de Madrid Notas sobre el manejo de Excel para el análisis descriptivo y exploratorio de datos. (Descriptiva) 1 1 Introducción
Más detallesDeterminación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones
Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica
Más detallesANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO
ANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO Por: Pablo Lledó Master of Science en Evaluación de Proyectos (University of York) Project Management Professional (PMP) Profesor de Project Management y Evaluación
Más detallesEcuaciones de primer grado con dos incógnitas
Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad
Más detallesMaterial preparado por: C.P. Raúl H. Vallado Fernández, M.F. Rhvf. 1
Material preparado por: C.P. Raúl H. Vallado Fernández, M.F. 1 Está pasando su empresa problemas financieros?, Estará al borde de la quiebra? Qué hacer para mejorar su situación? Antes que nada, es necesario
Más detallesEcuaciones Diferenciales Tema 2. Trasformada de Laplace
Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ester Simó Mezquita Matemática Aplicada IV 1 1. Transformada de Laplace de una función admisible 2. Propiedades básicas de la transformada de Laplace
Más detallesTema 1 con soluciones de los ejercicios. María Araceli Garín
Tema 1 con soluciones de los ejercicios María Araceli Garín Capítulo 1 Introducción. Probabilidad en los modelos estocásticos actuariales Se describe a continuación la Tarea 1, en la que se enumeran un
Más detallesCONCEPTOS PREVIOS TEMA 2
1.PROPORCIONALIDAD 1.1 REPARTOS PROPORCIONALES CONCEPTOS PREVIOS TEMA 2 Cuando queremos repartir una cantidad entre varias personas, siempre dividimos el total por el número de personas que forman parte
Más detallesCap. 24 La Ley de Gauss
Cap. 24 La Ley de Gauss Una misma ley física enunciada desde diferentes puntos de vista Coulomb Gauss Son equivalentes Pero ambas tienen situaciones para las cuales son superiores que la otra Aquí hay
Más detallesI. FONDO DE MANIOBRA O CAPITAL CIRCULANTE
I. FONDO DE MANIOBRA O CAPITAL CIRCULANTE Se entiende por liquidez la capacidad de una empresa para atender sus deudas a corto plazo. Al analizar la capacidad de una empresa para atender sus deudas a corto
Más detallesEn la presente investigación, se contrastará el modelo propuesto en la. investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y
Capítulo 2.- Metodología En la presente investigación, se contrastará el modelo propuesto en la investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y Participación en el mercado de
Más detallesCORRELACIÓN Y PREDICIÓN
CORRELACIÓN Y PREDICIÓN 1. Introducción 2. Curvas de regresión 3. Concepto de correlación 4. Regresión lineal 5. Regresión múltiple INTRODUCCIÓN: Muy a menudo se encuentra en la práctica que existe una
Más detallesBenchmarking de Compensaciones DIRECTOR EJECUTIVO CONFIDENCIAL:
Benchmarking de Compensaciones DIRECTOR EJECUTIVO CONFIDENCIAL: Este informe ha sido preparado como modelo, por lo que las cifras que contiene no se corresponden con casos reales, siendo por lo tanto no
Más detallesTema 3: Variables aleatorias y vectores aleatorios bidimensionales
Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos
Más detallesSelectividad Junio 2008 JUNIO 2008 PRUEBA A
Selectividad Junio 008 JUNIO 008 PRUEBA A 3 a x + a y =.- Sea el sistema: x + a y = 0 a) En función del número de soluciones, clasifica el sistema para los distintos valores del parámetro a. b) Resuélvelo
Más detallesPUBLICACIÓN INFORMATIVA DE LA ASOCIACIÓN ESPAÑOLA DE FINANCIEROS DE EMPRESA N 64. MARZO
PUBLICACIÓN INFORMATIVA DE LA ASOCIACIÓN ESPAÑOLA DE FINANCIEROS DE EMPRESA N 64. MARZO 2013 Entrevista a Luis de la Haza, Grupo COSENTINO ı 38 ı Deducibilidad de los gastos financieros en el IS ı 24 ı
Más detallesTEMA 7: Análisis de la Capacidad del Proceso
TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesChile más equitativo. Por Claudio Sapelli (*)
Chile más equitativo posteado por: Posteador invitado Por Claudio Sapelli (*) El pasado 8 de junio, apareció mi libro Chile: Más Equitativo?, en el que se analizan los temas de distribución del ingreso
Más detallesANÁLISIS DE BONOS. Fuente: Alexander, Sharpe, Bailey; Fundamentos de Inversiones: Teoría y Práctica; Tercera edición, 2003
ANÁLISIS DE BONOS Fuente: Alexander, Sharpe, Bailey; Fundamentos de Inversiones: Teoría y Práctica; Tercera edición, 2003 Métodos de Análisis Una forma de analizar un bono es comparar su rendimiento al
Más detalles39.- Inversiones financieras en instrumentos de deuda mantenidas hasta el vencimiento y disponibles para la venta. Evaluación del riesgo de crédito.
39.- Inversiones financieras en instrumentos de deuda mantenidas hasta el vencimiento y disponibles para la venta. Evaluación del riesgo de crédito. Autores: Horacio Molina (ETEA. Centro adscrito a la
Más detallesNT8. El Valor en Riesgo (VaR)
NT8. El Valor en Riesgo (VaR) Introducción VaR son las siglas de Valor en el Riesgo (Value at Risk) y fue desarrollado por la división RiskMetric de JP Morgan en 1994. es una manera de medir el riesgo
Más detallesOPERACIONES EN RÉGIMEN DE COMPUESTA
OPERACIONES EN RÉGIMEN DE COMPUESTA Las operaciones en régimen de compuesta se caracterizan porque los intereses, a diferencia de lo que ocurre en régimen de simple, a medida que se van generando pasan
Más detallesDescomposición factorial de polinomios
Descomposición factorial de polinomios Contenidos del tema Introducción Sacar factor común Productos notables Fórmula de la ecuación de segundo grado Método de Ruffini y Teorema del Resto Combinación de
Más detallesAnálisis de medidas conjuntas (conjoint analysis)
Análisis de medidas conuntas (conoint analysis). Introducción Como ya hemos dicho anteriormente, esta técnica de análisis nos sirve para analizar la importancia que dan los consumidores a cada uno de los
Más detallesModelos estadísticos aplicados en administración de negocios que generan ventajas competitivas
Modelos estadísticos aplicados en administración de negocios que generan ventajas competitivas Videoconferencias semana de estadística Universidad Latina, Campus Heredia Costa Rica Universidad del Valle
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesFísica de los Procesos Biológicos Curso 2005/6
Bibliografía: ísica, Kane, Tema 8 ísica de los Procesos Biológicos Curso 2005/6 Grupo 3 TEMA 2 BIOMECÁNICA 2.1 SÓIDO DEORMABE Parte 1 Introducción Vamos a estudiar como los materiales se deforman debido
Más detalles5.2. Selección Adversa
5.2. Selección Adversa Matilde P. Machado matilde.machado@uc3m.es 5.2. Selección Adversa Asimetría de información se da siemre que una de las artes en una transacción tiene más información que otra. Ejemlos:
Más detallesLas Tasas de Interés Efectiva y Nominal
1 Las Tasas de Interés Efectiva y Nominal En el presente documento se explican los diferentes tipos de tasas de interés que normalmente se utilizan en el mercado financiero. Inicialmente veremos la diferencia
Más detallesBASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Más detallesTema 1: Test de Distribuciones de Probabilidad
Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).
Más detallesCAPÍTULO 4: FIJACIÓN DE LAS PRIMAS Y ANÁLISIS DE LA VARIABLE BORROSO ALEATORIA
arte III: Análisis de la determinación de las rimas en los seguros de vida y de la solvencia dinámica del asegurador cuando los tios de interés de valoración vienen estimados a través de números borrosos
Más detallesADMINISTRACION FINANCIERA. Parte IV Capítulos 2 Títulos, Carteras de inversión.-
ADMINISTRACION FINANCIERA Parte IV Capítulos 2 Títulos, Carteras de inversión.- Puntos 4-6. CPN. Juan Pablo Jorge Ciencias Económicas Tel. (02954) 456124/433049 jpjorge@speedy.com.ar 1 Carteras - Sumario
Más detallesFracción másica y fracción molar. Definiciones y conversión
Fracción másica y fracción ar. Definiciones y conversión Apellidos, nombre Atarés Huerta, Lorena (loathue@tal.upv.es) Departamento Centro Departamento de Tecnología de Alimentos ETSIAMN (Universidad Politécnica
Más detallesTEMA 4: Variables binarias
TEMA 4: Variables binarias Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 4: Variables binarias Curso 2011-12 1 / 51 Variables
Más detallesControl de objetivos y alertas mediante Tablas Dinámicas
Control de objetivos y alertas mediante Tablas Dinámicas Autor: Luis Muñiz Socio-Director SisConGes & Estrategia info@sistemacontrolgestion.com INTRODUCCIÓN Estamos ante una situación en que los sistemas
Más detallesIntroducción a la Valoración de Empresas: Los Distintos Flujos de Caja
Introducción a la Valoración de Empresas: Los Distintos Flujos de Caja 2013 Instituto Europeo de Posgrado Contenido 1. Introducción 1.1 Análisis Detallado de los Diferentes Flujos de Caja de una Empresa
Más detallesApuntes de Matemática Discreta 9. Funciones
Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y
Más detallesPrograma para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones
Fracciones. Las fracciones y los números Racionales Las fracciones se utilizan cotidianamente en contextos relacionados con la medida, el reparto o como forma de relacionar dos cantidades. Tenemos entonces
Más detalles1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0 1 0 0 0 0 1 1 0 1 1 0 0 0 1 1 1 1
5.1.3 Multiplicación de números enteros. El algoritmo de la multiplicación tal y como se realizaría manualmente con operandos positivos de cuatro bits es el siguiente: 1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0
Más detallesIntroducción al @RISK 5.7
Introducción al @RISK 5.7 Javier Ordóñez, PhD Director de Soluciones Personalizadas Riesgo» Riesgo: Un escenario en donde existe una posibilidad de desviación respecto de un resultado deseado o esperado»
Más detallesDiversificación Internacional: Literatura
Diversificación internacional de las carteras de los fondos de pensiones Marlies van Boom 1 1 Marlies van Boom se graduó de la Universidad Erasmus de Rotterdam con un título de Maestría en Econometría
Más detallesCOMPARACIÓN DE ÁREAS DE FIGURAS POR ESTUDIANTES DE PRIMERO DE MAGISTERIO
COMPARACIÓN DE ÁREAS DE FIGURAS POR ESTUDIANTES DE PRIMERO DE MAGISTERIO Sonia Aguilera Piqueras y Pablo Flores Martínez Departamento de Didáctica de la Matemática Universidad de Granada 1. Introducción
Más detallesHasta el momento hemos analizado como los agentes económicos toman sus decisiones de consumo o producción en condiciones de certeza total.
III. Elección en condiciones de incertidumbre Hasta el momento hemos analizado como los agentes económicos toman sus decisiones de consumo o producción en condiciones de certeza total. Es decir, cuando
Más detallesForo de Opciones. 1. Introducción. 2. Determinación del precio. 3. Acerca de la volatilidad. 4. Estándares de mercado I.
Foro de Opciones El objetivo de esta presentación es acercar a los Ingresarios en un nivel básico a los instrumentos de opciones, esta se dividirá en 4 partes de la siguiente manera: 1. Introducción 2.
Más detallesFunciones, x, y, gráficos
Funciones, x, y, gráficos Vamos a ver los siguientes temas: funciones, definición, dominio, codominio, imágenes, gráficos, y algo más. Recordemos el concepto de función: Una función es una relación entre
Más detallesMuestreo estadístico. Relación 2 Curso 2007-2008
Muestreo estadístico. Relación 2 Curso 2007-2008 1. Para tomar la decisión de mantener un determinado libro como texto oficial de una asignatura, se pretende tomar una muestra aleatoria simple entre los
Más detallesControl Estadístico de Procesos
Control Estadístico de Procesos Gráficos de Control Los gráficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos. Básicamente, una Carta de Control
Más detallesde la empresa Al finalizar la unidad, el alumno:
de la empresa Al finalizar la unidad, el alumno: Identificará el concepto de rentabilidad. Identificará cómo afecta a una empresa la rentabilidad. Evaluará la rentabilidad de una empresa, mediante la aplicación
Más detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detallesAula Banca Privada. La importancia de la diversificación
Aula Banca Privada La importancia de la diversificación La importancia de la diversificación La diversificación de carteras es el principio básico de la operativa en mercados financieros, según el cual
Más detallesPROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables
Capítulo 8 PROGRAMACIÓN LINEAL 8.1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX), que consiste en una serie de métodos y procedimientos que permiten resolver
Más detallesMateria: Informática. Nota de Clases Sistemas de Numeración
Nota de Clases Sistemas de Numeración Conversión Entre Sistemas de Numeración 1. EL SISTEMA DE NUMERACIÓN 1.1. DEFINICIÓN DE UN SISTEMA DE NUMERACIÓN Un sistema de numeración es un conjunto finito de símbolos
Más detallesAplicaciones de Estadística Descriptiva
Aplicaciones de Estadística Descriptiva Contenidos de la presentación Funciones estadísticas en Excel. Gráficos. El módulo de análisis de datos y las tablas dinámicas de Excel. Información Intentaremos
Más detallesLas Griegas de las Opciones
ANÁLISIS Y OPINIÓN Las Griegas de las Opciones 134 Mtro. Sergio García Quintana, Integrante de la Comisión de Finanzas y Sistema Financiero del Colegio de Contadores Públicos de México, A.C. Son medidas
Más detallesEJEMPLO DE REPORTE DE LIBERTAD FINANCIERA
EJEMPLO DE REPORTE DE LIBERTAD FINANCIERA 1. Introduccio n El propósito de este reporte es describir de manera detallada un diagnóstico de su habilidad para generar ingresos pasivos, es decir, ingresos
Más detallesEduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS
ANÁLISIS DE DATOS Hoy día vamos a hablar de algunas medidas de resumen de datos: cómo resumir cuando tenemos una serie de datos numéricos, generalmente en variables intervalares. Cuando nosotros tenemos
Más detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
Más detallesDatos estadísticos. 1.3. PRESENTACIÓN DE DATOS INDIVIDUALES Y DATOS AGRUPADOS EN TABLAS Y GRÁFICOS
.. PRESENTACIÓN DE DATOS INDIVIDUALES Y DATOS AGRUPADOS EN TABLAS Y GRÁFICOS Ser: Describir el método de construcción del diagrama de tallo, tabla de frecuencias, histograma y polígono. Hacer: Construir
Más detallesDiagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics-
Diagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics- 1. Introducción Ficheros de datos: TiempoaccesoWeb.sf3 ; AlumnosIndustriales.sf3 El objetivo de esta práctica es asignar un modelo
Más detallesCómo se sabe si una metodología científica es confiable y válida?
Cómo se sabe si una metodología científica es confiable y válida? POR: Tupak Ernesto Obando Rivera Ingeniero en Geología. Master y Doctorado en Geología, y Gestión Ambiental por la Universidad Internacional
Más detallesProbabilidades y Estadística (Computación) Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires Ana M. Bianco y Elena J.
Generación de Números Aleatorios Números elegidos al azar son útiles en diversas aplicaciones, entre las cuáles podemos mencionar: Simulación o métodos de Monte Carlo: se simula un proceso natural en forma
Más detalles1.4.- D E S I G U A L D A D E S
1.4.- D E S I G U A L D A D E S OBJETIVO: Que el alumno conozca y maneje las reglas empleadas en la resolución de desigualdades y las use para determinar el conjunto solución de una desigualdad dada y
Más detallesRENTA FIJA VS. RENTA VARIABLE
RENTA FIJA VS. RENTA VARIABLE TÍTULOS DE RENTA FIJA: Se denominan también de contenido crediticio. Incorporan un derecho de crédito, por lo tanto obligan y dan derecho a una prestación en dinero, es decir,
Más detallesTema 10. Estimación Puntual.
Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener
Más detallesSISTEMAS DE NUMERACIÓN. Sistema decimal
SISTEMAS DE NUMERACIÓN Sistema decimal Desde antiguo el Hombre ha ideado sistemas para numerar objetos, algunos sistemas primitivos han llegado hasta nuestros días, tal es el caso de los "números romanos",
Más detallesDiseños de Investigación 40 conceptos que debes conocer
Diseños de Investigación 40 conceptos que debes conocer 1. El método científico: Se puede realizar desde dos enfoques distintos, hipotético deductivo y analítico inductivo. Con frecuencia los dos ocurren
Más detallesÁrboles AVL. Laboratorio de Programación II
Árboles AVL Laboratorio de Programación II Definición Un árbol AVL es un árbol binario de búsqueda que cumple con la condición de que la diferencia entre las alturas de los subárboles de cada uno de sus
Más detallesVectores aleatorios. Estadística I curso 2008 2009
Vectores aleatorios Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 En numerosas ocasiones estudiamos más de una variable asociada a
Más detallesUNIDAD 6. POLINOMIOS CON COEFICIENTES ENTEROS
UNIDAD 6. POLINOMIOS CON COEFICIENTES ENTEROS Unidad 6: Polinomios con coeficientes enteros. Al final deberás haber aprendido... Expresar algebraicamente enunciados sencillos. Extraer enunciados razonables
Más detalles