Estudio de eventos extremos enfocado a seguros y finanzas

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Estudio de eventos extremos enfocado a seguros y finanzas"

Transcripción

1 Cuestoes Ecoómcas Vol. 0 No :3004 Estudo de evetos extremos efocado a seguros y fazas KLEVER MEJÍA ADRIANA UQUILLAS * Resume Muchos campos de la ceca modera y la geería tee que ldar co evetos que so poco frecuetes pero que trae cosecuecas muy sgfcatvas. La teoría de valores extremos ofrece las bases para la modelzacó estadístca de tales extremos. El potecal de la teoría de valores extremos efocada a problemas de fazas ha sdo recoocdo recetemete. Este artículo busca troducr los fudametos teórcos de la teoría de valores extremos además de aspectos práctcos de estmacó. Prcpalmete presetamos dos estudos. El uo está basado e la dstrbucó astótca cojuta de las estadístcas de orde extremas. El otro método alteratvo se refere a modelar todos los excesos sobre u umbral usado la dstrbucó geeralzada de Pareto. Abstract May felds of moder scece ad egeerg have to deal wth evets whch are rare but have sgfcat cosequeces. Extreme value theory s cosdered to provde the bass for the statstcal modelg of such extremes. The potetal of extreme value theory appled to facal problems has oly bee recogzed recetly. Ths paper ams at troducg the fudametals of extreme value theory as well as practcal aspects for estmatg. Maly there have bee two ew approaches: Oe approach s based o the asymptotc jot dstrbuto of extreme order statstcs; ad a alteratve approach s model all the excedaces over a hgh threshold usg a Geeralzed Pareto Dstrbuto.. Itroduccó La Teoría de Valores Extremos o es u tema uevo pues se empezó a estudarlo * El presete trabajo es u resume de la tess presetada a la Escuela Poltécca Nacoal preva a la obtecó del título de geeros matemátcos.

2 36 CUESTIONES ECONÓMICAS desde el sglo XIX o obstate es e la actualdad e que ha tomado gra fuerza especalmete e lo que se refere a sus aplcacoes e fazas y seguros. Esta teoría es la que mejor uso hace de cualquera que sea los datos que se tega sobre feómeos extremos y dado que ayuda a aclarar quetudes respecto a lo que es la proyeccó de ocurreca de evetos poco frecuetes su uso es excepcoal e la estmacó de resgos faceros. E el presete documeto trataremos de explcar cómo y cuádo ocurre los evetos extremos se expodrá métodos matemátcos apropados para explcar aquellos evetos que ocurre co probabldad relatvamete pequeña pero que tee ua flueca sgfcatvamete grade e el comportameto de todo el modelo. Los métodos de extremos so de smple aplcacó y fucoa be e estudos de smulacó. E ocasoes esta explcacó teórca o se extede a stuacoes mucho más complcadas tales como modelos de regresó basados e dstrbucoes de valores extremos. Ua de las recetes aplcacoes e el campo de las fazas es el estudo de portafolos. Cosderado por ejemplo u portafolo facero que cotee u úmero determado de resgos dsttos e: boos de goberos accoes títulos de crédto prvados etc. podría estmarse las covarazas del portafolo para obteer la dstrbucó total de la pérddas o gaacas de las versoes. Empero los aalstas de resgos los supervsores y reguladores puede además estar teresados e la fjacó de requermetos mímos de utldad o alteratvamete e determar el límte máxmo para las pérddas potecales. E este últmo caso podría obteerse el valor e resgo (VaR del portafolo aplcado la técca de valores extremos dado u vel de cofaza. Así msmo podría obteerse ua dstrbucó de défct que estma la probabldad de exceder e u valor específco u umbral determado el prmer resultado tee que ver co la estmacó cuatl para ua fucó de dstrbucó estmada. El segudo resultado tee que ver co la estmacó de la fucó de dstrbucó de los excesos. La teoría recomeda para este caso usar la Dstrbucó Geeralzada de Pareto como u modelo paramétrco atural. Se debe advertr que exste ua gra varedad de respuestas que se puede obteer a través de esta teoría; ua vez coocdos la dstrbucó de los valores máxmos (mímos de los datos subyacetes se puede calcular la probabldad de que u valor exceda el máxmo(mímo e u certo período de tempo y por otro lado se podría estmar cuáto tempo habría que esperar ates de que ocurra ua catdad de pérdda alta ya especfcada además saber cuál es la probabldad para ua varable dada la máxma pérdda para que el sguete período de tempo exceda u

3 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 37 certo vel també se podrá saber la probabldad de que la máxma pérdda exceda todas las pérddas aterores. S las varables e estudo descrbe los gresos se puede calcular el volume ecesaro de gresos para el sguete año co el objeto de que cubra los futuros egresos co probabldad lo sufcetemete alta. Exste ua gra catdad de modelos probablístcos para descrbr por vía matemátca evetos extremos e el caso udmesoal. El mudo verdadero s embargo os forma a meudo sobre tales acotecmetos co datos estadístcos: dsmucoes grades de los valores del mercado sobre certo período del tempo o valores máxmos y mímos del redmeto de u portafolo. Estos ejemplos deftvamete se refere a pregutas sobre valores extremos de u certo sstema subyacete de datos de maera que sería absurdo tratar de aplcar efcetemete e estos temas la estadístca clásca... Prcpales Tópcos de la Teoría de Valores Extremos. Fluctuacoes del Máxmo.. Itroduccó Esta teoría es fudametal para muchos resultados aplcados e valores extremos. El resultado prcpal es el teorema de Fsher Tppett el cual especfca la forma de la dstrbucó límte para máxmos cetrados y ormalzados. Itroducmos e este capítulo la ocó de fucó de exceso meda. La msma que se probará que es ua herrameta útl para dstgur las f.d de sus colas derechas y juega u papel mportate e la estmacó de colas. La dstrbucó Geeralzada de Valores Extremos també coduce a la dstrbucó Geeralzada de Pareto... Probabldades límte para máxmos E el trascurso de esta seccó X X X... es ua sucesó de v.a d. o degeeradas co fucó de dstrbucó comú F. E esta seccó vestgamos la fluctuacó de los máxmos de ua muestra. Notamos: M X M max(x... X Los resultados correspodetes a los mímos fáclmete se los puede obteer de los máxmos se los obtee de la sguete maera

4 38 CUESTIONES ECONÓMICAS m(x... X - max(- X... - X. Nota: Posterormete aalzaremos estadístcas de orde superor de la muestra X... X. La fucó de dstrbucó exacta del máxmo M la podemos escrbr como: P(M x P(X x. X x F (x x y Los extremos se da cerca del f superor de la base de la dstrbucó aquí tutvamete el comportameto astótco de M deberá ser descrto de la f.d F e su cola derecha cerca del puto fal derecho. Deotamos por x F sup{ x : F(x <} el puto fal derecho de F. De dode medatamete obteemos para todo x < x F P(M x F (x 0 Y e el caso e que x F <. Teemos para x x F que P(M x F (x p Así M x F cuado dode x F. Ya que la sucesó (M es o decrecete e esto coverge c.s. y de aquí coclumos que M c. s x F (. Este hecho o os da mucha formacó. S embargo ua mayor compresó sobre la magtud del máxmo está dada por el resultado de la covergeca débl para máxmos cetrados y ormalzados. Este es uo de los tópcos mportates de la teoría de valores extremos clásca. Así por ejemplo el teorema fudametal de Fsher Tppett tee el sguete cotedo: S exste costates c > 0 y d tal que c ( M d H d (.

5 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 39 para algua fucó de dstrbucó H o degeerada etoces H debe ser del tpo de ua de las tres dstrbucoes llamadas de valores extremos estádar. Esto es smlar al Teorema Cetral del Límte. Dode la dstrbucó estable es solo posble para leyes de límtes o degeeradas. Cosecuetemete se debe cosderar las probabldades de la forma P( c ( M d x las cuales puede ser escrtas como dode u u (x u x + d. P(M u (.3 Para cotuar co esta teoría comezamos co u resultado elemetal el cual es crucal para eteder la teoría del límte débl del máxmo de ua muestra. Proposcó. Aproxmacó de Posso Dado τ [0 ] y la sucesó (u de úmeros reales las sguetes relacoes so equvaletes F (u τ (.4 P(M u e -τ (.5 Demostracó Cosderamos e prmer lugar que 0 τ. S (.4 se cumple etoces P ( M u F ( u ( F ( u + ο lo que mplca (.5. Iversamete s (.5 se cump le etoces ( 0 Cosecuetemete τ F. u

6 40 CUESTIONES ECONÓMICAS mplcaría que ( M u 0 P ( M u ( F ( u P. Tomado logartmos e (.5 teemos que l ( F ( u τ Como ( x l lm x 0 x ( τ + ο( u esto mplca que F obteedo etoces (.4 S τ y (.4 se cumple pero o se cumple (.5 puede haber ua subsucesó ( tal que ( M u exp{ τ' } P cuado para algú τ '<. co Pero etoces (.5 mplca (.4 y F ( τ' < τ. Smlarmete (.5 mplca (.4 para u cotradcedo (.4 τ. Por (. (M coverge cas seguramete al puto fal derecho x F de la f.d F de aquí 0 P ( M x s s x < x x > x El sguete resultado extede esta clase de comportameto 0. F F. Corolaro. Supogamos que x F < y F (x F - F(x F F(x F - > 0.

7 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 4 Etoces para toda sucesó (u se tee que co ρ 0 o ρ. P(M u ρ Demostracó Como 0 ρ podemos escrbr ρ exp{-τ} co 0 τ. Por la aproxmacó de Posso teemos F u τ cuado. S u < x F para grade teemos ( F ( u F( > 0 y de aquí τ. La otra posbldad es que u x F para todo x F sufcetemete grade co esa suposcó F ( 0. Así τ o 0 dado ρ 0 o. E la sguete caracterzacó teemos u resultado smlar para certas dstrbucoes co puto fal derecho fto. u Teorema.3 Sea F ua f.d co puto fal derecho x F y sea τ [0 ]. Exste ua sucesó (u que satsface F (u τ s y solo s F( x lm. x x F( x F (.6 E este caso creemos que es preferble expoer este ejemplo e vez de su demostracó. Ejemplo.4 Dstrbucó de Posso Etoces P(X x e -λ λ /! 0 λ > 0. F ( F ( F( F ( F (

8 4 CUESTIONES ECONÓMICAS r λ λ!! r r λ + r r + r! la últma suma puede ser estmada por s s λ λ ( + ( +...( + s s s λ / λ / > λ la cual tede a 0 cuado así que F (/ F (- 0. El teorema.3 muestra que la dstrbucó de límte o degeerada para el máxmo o exste y además que el límte de la forma P(M u ρ (0 o exste para la sucesó de costates (u. Este resultado se aplca e partcular a dstrbucoes dscretas co puto fal derecho fto. S las alturas del salto de la f.d o decae lo sufcetemete rápdo etoces la dstrbucó límte o degeerada para el máxmo o exste. Por ejemplo s X es u valor etero y x F etoces (.6 se trasforma e F (/ F (- cuado. Como ya se djo ates el sguete resultado es básco e la teoría de valores extremos clásca. Teorema.5 Teorema de Fsher Tppett ley límte para el máxmo Sea (X ua sucesó de v.a d. S exste costates ormalzadas c > 0 d y algua f.d. H o degeerada tal que d c (M d H (.7 etoces H perteece al tpo de ua de las tres sguetes dstrbucoes:

9 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 43 Fréchet: Φ 0 ( x exp { x } exp{ ( x } Webull: Ψ ( x x 0 x > 0 x 0 x > 0 y y > 0. > 0. Gumbel: Λ(x exp{-e -x } x. La demostracó de este teorema se la puede ecotrar e Resc S.I. (987 Extreme Values Regular Varato e la proposcó 0.3 Sabemos además que para t > 0 y por la covergeca débl exste ua fucó γ(t > 0 δ(t real que satsface y c d d [ t] lm γ ( t lm δ ( t t > 0 c c [ t] [ t] H t (x H(γ(tx + δ(t. (.8 Se puede decr de (.8 que para s t > 0 γ(st γ(s γ(t δ(st γ(sδ(s + δ(t (.9 Defcó.6 Dstrbucó de valores extremos y varables aleatoras extremas Las fucoes de dstrbucó Φ Ψ y Λ como las presetadas e el teorema.5 so llamadas dstrbucoes de valores extremos estádar las varables aleatoras correspodetes varables aleatoras extremas estádar. Las fucoes de dstrbucoes de tpo Φ Ψ y Λ so dstrbucoes de valores extremos; las varables aleatoras correspodetes so varables aleatoras extremas. Las dstrbucoes de valores extremos so precsamete las dstrbucoes maxestables. E partcular los tres casos del teorema ateror correspode a

10 44 CUESTIONES ECONÓMICAS Frechét: Webull: Gumbel: d M d M M / X -/ X d X + l...3 Máxmo domo de atraccó y ormalzacó de costates E esta seccó tratamos de respoder a las sguetes pregutas: Cómo escoger las costates ormalzadas c > 0 y d tal que d c (M d H? (.0 Dada ua dstrbucó de valor extremo H qué codcoes e la f.d. F mplca que el máxmo ormalzado M coverja déblmete a H? Defcó.7 Máxmo domo de atraccó Decmos que la v.a X (la dstrbucó de X perteece al Máxmo Domo de Atraccó de la dstrbucó de valores extremos H s exste costates c > 0 y d tal que (.0 se cumple. Escrbmos X MDA(H (F MDA(H. El sguete resultado es ua cosecueca de la proposcó. y lo usaremos e las sguetes seccoes. Proposcó.8 Caracterzacó del MDA(H La f.d. F perteece al Máxmo Domo de Atraccó de la dstrbucó de valores extremos H co costates ormalzadas c > 0 y d s y solo s lm F ( c x + d lm F ( c x + d H( x x. Cuado H(x 0 el límte es terpretado como. Para todas las dstrbucoes de valores extremos se puede caracterzar su

11 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 45 Máxmo Domo de Atraccó usado el cocepto de varacoes regulares. Recordemos que la dstrbucó de colas F es ua varacó regular co ídce - para algú 0. Escrbmos F R _ s F ( xt lm t t > 0 x F ( x El sguete cocepto defe ua relacó de equvaleca e el cojuto de todas las f.d. Defcó.9 Iversa geeralzada de ua fucó moótoa Supogamos que h es ua fucó o decrecete e los reales. A la versa geeralzada de h se la defe como h (t f{x : h(x t. Defcó.0 Fucó Cuatl La versa geeralzada de la f.d. F F { x R : F ( x t} 0 < t ( t f < es llamada fucó cuatl de la f.d. F. La catdad x t F (t defe el t _cuatl de F. Gráfco No.. Fucó Cuatl empírca F de u cojuto de 0 v.a expoecales estádar X(0

12 46 CUESTIONES ECONÓMICAS..3. Máxmo domo de atraccó de la dstrbucó de Fréchet E esta seccó caracterzamos del máxmo domo de atraccó de Φ para > 0 que es la dstrbucó más usada e las fazas especalmete para fluctuacoes grades de precos. Por extesó de Taylor - Φ (x exp{-x - } x - x De aquí que la cola de Φ decrece como ua ley fuerte. Para F MDA( Φ podemos elegr c por medo de la fucó cuatl más precsamete por c F ( f { x R : F ( x } f { x R : (/ F ( x } ( / F ( (. y d puede ser elegda como 0 auque o ecesaramete. Cabe otar que las f.d. de F coforma el MDA( Φ. Teorema. Máxmo domo de atraccó de Φ La f.d. F perteece al máxmo domo de atraccó de F( x x L( x para algua fucó suavemete varate L. Φ > 0 s y solo s

13 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 47 S F MDA( Φ etoces c M d Φ dode las costate ormalzadas c puede ser elegdas como e (.. Este resultado muestra que el puto fal derecho x F para toda F MDA( Φ y c / L ( para ua fucó suavemete varate L. Demostracó Sea F R para > 0. Co ua adecuada eleccó de c y varacó regular ( c F de aquí F ( 0 cuado c. Para x > 0 c F ( c x ( c x ( c F x F Para x < 0 se ve claramete que F ( c x F ( 0 0 regular requere F(0 <. Por la proposcó.8 F MDA Φ. ( ya que la varacó Iversamete supoemos que lm F ( c x + d ( x costates apropadas c > 0 d. Esto os lleva a Φ para todo x > 0 y lm F ( c / s / s x + d s Φ ( x Φ ( s x s > 0 x > 0. Por el teorema de covergeca a tpos (aexo A.7

14 48 CUESTIONES ECONÓMICAS c s c s / y ( d d / c 0. s (c es ua sucesó que varía regularmete co ídce e partcular c. F Supoemos prmero que d 0 etoces R F ( c x x así que debdo a la proposcó del aexo A.4. El caso de d 0 es más complcado e efecto se tee que mostrar que d /c 0. S esto últmo se cumple se puede repetr el argumeto de arrba reemplazado d por 0. Por otra parte F MDA Φ F R ( dca hasta dóde puede trasladarse s perder la codcó de perteeca a MDA( Φ. Estas clases de dstrbucoes cotee dstrbucoes de colas muy pesadas. Corolaro. Codcó de Vo Mses Sea F ua f.d. absolutamete cotua co desdad f que satsface xf ( x lm > 0 x F ( x (. F etoces F MDA( Φ. Proposcó.3 Propedad de ecerro del MDA( Φ Sea F y G dos f.d. y asumamos que F MDA( Φ co costates ormalzadas c > 0 es decr Etoces lm F ( c x Φ ( x x > 0.

15 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 49 lm G ( c x Φ ( cx x > 0 para algú c > 0 s y solo s F y G so colas equvaletes co Demostracó Codcó sufcete lm F( x / G( x x c. Supogamos que ( x qg ( x F cuado x para algú q > 0. Por la proposcó.8 la relacó límte lm F ( cx Φ ( x x > 0 es equvalete a lm F( c x x para todo x > 0. Para ese x c x cuado y aquí por colas equvaletes G ( c x q e.d. uevamete por la proposcó.8 lm G ( c x exp ahora fjamos c q / y así tedremos lm G ( c x exp F ( c x q x / / { ( q x } Φ ( q x / { ( q x } Φ ( cx El otro setdo de la demostracó se la puede ecotrar e Resc S.I. (986 Valores Extremos Varacó Regular y Procesos Putuales proposcó.9. De los teoremas aterores podemos resumr lo sguete:

16 50 CUESTIONES ECONÓMICAS El MDA( Φ cosste de f.d. que satsface la codcó de Vo Mses y sus f.d. de colas equvaletes...3. Máxmo domo de atraccó de la dstrbucó de Webull Aquí caracterzaremos el máxmo domo de atraccó de ψ para > 0. U hecho mportate auque de gua maera obvo es que todas las fucoes de dstrbucó F e MDA( Ψ tee puto fal derecho x F fto. Y como ya habíamos dcado que Ψ y Φ está estrechamete relacoadas e efecto Ψ (-x - Φ (x x > 0. De aquí podemos esperar que todo MDA( Ψ y MDA( Φ esté estrechamete relacoadas. Se cofrma esto e el sguete teorema. Teorema.4 Máxmo domo de atraccó de Ψ La f.d. F perteece al máxmo domo de atraccó de Ψ > 0 s y solo s x F < y F ( x F x - x - L(x para algua fucó suavemete varate L. S F MDA( Ψ etoces c (M x F d Ψ dode la costate ormalzada c puede ser elegda como c x F - d x F. F ( - y Su demostracó se puede ecotrar e Resc S.I. (987 Extreme Values Regular Varato Debdo a que las F MDA( Ψ preseta el puto fal derecho fto e alguas ocasoes o es ua buea opcó aplcar a modelos de fazas o modelos

17 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 5 de seguros ya que estos modelos o debe teer lmtacoes auque e la práctca todo tee límte. Aterormete hablamos de la codcó de Vo Mses para extedemos a Ψ. Φ ahora la Corolaro.5 Codcó de Vo Mses Sea F ua f.d. absolutamete cotua co desdad f que es postva e algú tervalo fto (z x F. S ( x ( lm F x f x > 0 x x F F ( x (. W etoces F MDA( ψ. Aplcado la trasformacó F*(x F(x F x - ser reformulada como sgue. x > 0 la proposcó.3 puede Proposcó.6 Propedad de ecerro del MDA( Ψ Sea F y G dos f.d. co puto fal derecho x F x G < y asummos que F MDA( Ψ co costate ormalzada c e.d. etoces lm F ( c x + x Ψ ( x x < 0. F lm G ( c x + x Ψ ( cx x < 0 para algú c > 0 s y solo s F y G so colas equvalete co F

18 5 CUESTIONES ECONÓMICAS lm F ( x/ G ( x c x x F. Notemos que el teorema de represetacó para fucoes suavemete varates mplca que toda F MDA( Ψ es cola equvalete de ua f.d. absolutamete cotua que satsface (. W...4 La dstrbucó geeralzada de valores extremos y la dstrbucó geeralzada de Pareto Aterormete habíamos presetado que la dstrbucó de valores extremos estádar provee solo las leyes límtes o degeeradas para máxmos trasformados de v.a d. La represetacó u - paramétrca de los tres casos estádar e ua famla de dstrbucoes resultará ser útl. Ellos puede ser represetados troducedo u parámetro tal que - > 0 correspode a la dstrbucó de Fréchet 0 correspode a la dstrbucó de Gumbel Λ - - < 0 correspode a la dstrbucó de Webull Φ Ψ Defcó.7 Represetacó de Jeso Vo Mses de las dstrbucoes de valores extremos: La dstrbucó geeralza de valores extremos (GVE. Defmos la f.d. H por H exp ( x exp / { ( + x } { exp{ x } s 0 s 0 dode + x > 0. Aquí la base de X > H correspode a para > 0

19 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 53 X < para < 0 X para 0. H es llamada la dstrbucó geeralzada de valores extremos estádar (GEV. Cosderamos la dstrbucó H o como el límte de terpretacó H ( x exp srve como ua represetacó para todo. / { ( + x } + x > 0 H cuado 0. Co esta El sguete teorema es uo de los resultados báscos de la teoría de valores extremos. De ua maera aalítca da la formacó esecal proporcoada por el máxmo domo de atraccó. Prmero recordamos la ocó de la fucó cuatl F de F y defmos U(t F ( t - t > 0. Teorema.8 Caracterzacó del MDA( H Para los sguetes lterales so equvaletes: a F MDA( H. b Exste ua fucó postva medble a(. tal que para + x > 0 lm u x F F ( u + xa( u F ( u ( + x x e / s s 0 0 (.3 c Para x y > 0 y

20 54 CUESTIONES ECONÓMICAS U( sx U ( s lm s U( sy U ( s x y l x l y s s 0 0. (.4 La demostracó de este teorema se la puede ecotrar e Haa L(984 E Varacó Regular y Sus Aplcacoes Nota: la codcó (.3 tee ua teresate terpretacó probablístca. E efecto sea X ua v.a co f.d. F MDA( H etoces a (.3 se la reformula como X u lm P > x X u x F ( u ( + x > u x e / s s 0 0. (.5 de aquí (.5 da ua dstrbucó aproxmada de excesos sobre u umbral u. El factor escalar apropado es a(u. Esta terpretacó será crucal e muchas aplcacoes. E esta ota usamos la ocó de exceso. La sguete defcó habla más de esto. Defcó.9 Fucó de Dstrbucó de Exceso fucó de exceso meda Sea X ua v.a co f.d. F y puto fal derecho x F. Para u < F u (x P(X u x X > u x 0 (.6 x F u fjo es la fucó de dstrbucó de exceso de la v.a X sobre el umbral u. La fucó e(u E(X u X > u es llamada fucó de exceso meda de X. Gráfco No.. Fucó de exceso meda

21 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 55 ME_PLOT e(u u Este gráfco represeta la fucó de exceso medo para dsttos valores del umbral u El exceso sobre el umbral juega u papel mportate e muchos campos. Tabla No..0 Fucó de exceso meda para alguas dstrbucoes estádar Pareto Burr Loggamma Logormal Betader-tpo-I Betader-tpo-II + u > u + o( τ u + o ( σ u l u µ u + β l u β u ( τ > ( > ( + o(

22 56 CUESTIONES ECONÓMICAS Webull u r + cτ λ Expoecal ( o( Gamma β + u β Normal Trucada u ( + o( + o u Ejemplo. Cálculo de la fucó de exceso meda Usado la defcó de e(u y la tegracó por partes las sguetes fórmulas so fácles de obteer. Ellas so útles para calcular la fucó de exceso meda e casos especales. Supogamos por facldad de represetacó que X es u v.a co f.d. F y esperaza fta. Etoces e( u xf u ( x u df ( x/ F ( u F ( u x F u F ( x dx 0 < u < x F. (.7 sempre que F sea cotua x e(0 F ( x exp > 0. ( du x e x e( u 0 (.8 Se sgue medatamete de (.8 que ua f.d. cotua es úcamete determada por su fucó de exceso meda. Defcó. La dstrbucó Geeralzada de Pareto (DGP Defmos la f.d. G por

23 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 57 ( + x G ( x x e / s s 0 0 (.9 dode x 0 s 0 0 x -/ s < 0. G es llamada la dstrbucó Geeralzada de Pareto estádar (DGP. Se puede troducr la famla de localzacó y escala ateror por (x v/ β para v β > 0. G reemplazado el argumeto de x Como e el caso de H o G o puede ser també terpretado como el límte de cuado 0. Etoces para ecoomzar la otacó otaremos ;v β G / x G ; β ( x + x D( β β (.0 dode x D( β [ 0 [ 0 β / ] s 0 s < 0. sempre que X tee ua DGP co parámetros y β esto es eteddo como que X tee f.d. G. ; β La dstrbucó de Pareto geeralzada ajustada es uo de los coceptos más útles e la estadístca de evetos extremos. Teorema.3 Propedades de la DGP a Supogamos que X sgue ua DGP co parámetros y β. Etoces EX < s y

24 58 CUESTIONES ECONÓMICAS solo s <. E el últmo caso r E + X r > / β + r E l + β X! úmero atural r β EX ( G; β ( x ( r + / > 0. ( r + ( r + s < /r co r etoces EX r β r+ b Para todo F MDA( H s y solo s Γ( r r!. Γ( + r lm sup Fu ( x G ; β ( u ( x 0 u x F 0< x< xf u para alguas fucoes postvas β. c Supogamos x D(β etoces (. G β G ( x β + x ( x G β + x ( x. (. d Supogamos que N es Po(λ depedete de la sucesó d. (X co ua DGP co parámetros y β. Escrbmos M max(x X... X N. Etoces / x P( M N x exp λ + H; u β ψ ( x

25 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 59 dode µ ( λ β y Ψ βλ. e Supogamos que X sgue ua DGP co parámetros < y β. Etoces para u < x F 0. ( ( > + + > β β u u u X u X E u e Demostracó a y c sgue por verfcacó drecta. b Prevamete hemos probado e el teorema.8 que ( ζ H MDA F s y solo s 0 ( ( lm ( x G x F u u x u F β dode β(u a(u. Porque la DGP es cotua la uformdad de la covergeca se obtee 0 ( ( sup lm ( ; 0 < < x G x F u u u x x x u F F β para alguas fucoes postvas β. d medatamete obteemos { } 0. ( exp ( exp exp (! ( / / βλ λ β λ λ β λ λ β β λ x x G x x G e x M P

26 60 CUESTIONES ECONÓMICAS el caso 0 reduce a P ( M ( x β lλ / β x exp{ e }. e este resultado sgue medatamete de e( u xf u F ( u ( x u df ( x / F ( u xf u df( x x > Vetajas y desvetajas del modelo de Pareto La dstrbucó de Pareto es muy útl e muchas stuacoes. Sus prcpales vetajas so las sguetes: La dstrbucó está caracterzada co u solo parámetro. Esto hace más fácl obteer ua tucó de su flueca. Matemátcamete ésta es fácl de maejar. Todos los problemas puede ser calculados co la ayuda de fórmulas relatvamete smples. Se usa exactamete y hay ua buea catdad de coocmetos e típcos valores de parámetros para certos perfles. S embargo la dstrbucó de Pareto tee ua desvetaja: La dstrbucó de Pareto tee sólo u parámetro. Así esto o es muy flexble al aproxmar ta cerca como sea posble la dstrbucó de pérdda que actualmete ocurre e el portafolo. Frecuetemete por ejemplo hay dstrbucoes de pérddas e el mudo real e las cuales tamaños de pérddas medaas so más probables que pérddas grades o pequeñas. Esto sgfca que las fucoes de dstrbucó de aquellas dstrbucoes tee ua flexó o putos de retoro. La dstrbucó de Pareto o puede satsfacer sus requermetos porque la probabldad decrece cotuamete coforme el tamaño de la pérdda crece.. Fluctuacoes de las estadístcas de orde.. Prelmares

27 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 6 A cotuacó se extede la teoría estudada e la seccó. al comportameto comú de muchas estadístcas de orde superor recalcado que estos provee formacó e la cola derecha de ua fucó de dstrbucó. Se habla de las propedades de las estadístcas de orde de u proceso homogéeo de Posso. Además se realza ua pequeña sítess de lo que so los extremos para datos depedetes y la Teoría de Valores Extremos para sucesoes estacoaras. A cotuacó se defe el cojuto ordeado X... X Dode X m (X...X y X M max(x...x. La varable aleatora X es llamada la estadístca de orde superor ésmo. Para x troducmos la fucó de dstrbucó empírca ( x card{ : X x} I{ } F x dode I A es la fucó dcadora del cojuto A. Ahora X x I X < X x s y sólo s { x } > lo que mplca que P ( X x P( F ( x >. Para u cojuto X... X se ota la fucó de cuatl empírca por Partcularmete F. F (t X para < t Nota: ( t f { x R : F( x t} 0 < t <. para... F Es la fucó cuatl de la fucó de dstrbucó F. Proposcó.4 Fucó de Dstrbucó de las estadístcas de orde superor

28 6 CUESTIONES ECONÓMICAS ésmo. Para... F es la fucó de dstrbucó de X. Etoces ( F es el complemeto de F. F - F r r a F ( x F ( x F (. x r 0 r b S F es cotua etoces F x ( x f ( z df ( z dode f! ( x x (! ( F! ( x F ( ; f es la desdad de F co respecto a F. Demostracó a Para N se defe B I { X > x}. Es decr que B es ua suma de varables d. de Beroull co probabldad de éxto EI{ } ( ( X > x P X > x F x. De esto se sgue que para todo x F (x P( B <

29 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 63 r 0 P ( B r r r F ( x F ( x. r 0 r b Usado la cotudad de F calculamos x! (! (! F! (!(! F ( x ( z F ( t ( z df( z t dt r r F ( x F ( x F ( x. r 0 r Teorema.5 Desdad cojuta de las estadístcas de orde superor S F es absolutamete cotua co desdad f etoces f! X (... F... x x x... X ( <! ( x f ( x x <. Lema.6 Trasformacó Cuatl Sea X...X d. co fucó de dstrbucó F. Además sea U...U v.a d. uformemete e (0 y deotadas por U <...< U las correspodetes estadístcas de orde. Etoces se obtee los sguetes resultados: F U X. (.. Para todo

30 64 CUESTIONES ECONÓMICAS ( ( F ( U F ( U X... X La v.a F(X tee ua dstrbucó uforme e (0 s y solo s F es ua fucó cotua. Observacó: La trasformacó cuatl lga la dstrbucó uforme a otra dstrbucó F. Ua aplcacó medata de este resultado es la geeracó de úmeros aleatoros. Así por ejemplo los úmeros aleatoros expoecales puede ser obtedos de úmeros aleatoros uformes utlzado la trasformacó E - l( - U. Teorema.7 Ley límte para el úmero de excedetes Supogamos que (u es ua sucesó e tal que F ( u τ [ 0 ] τ cuado. Etoces para algú Demostracó lm P r τ r! τ ( B e r 0 0 Para τ (0 es smple por el teorema de límte de Posso como dcamos aterormete. Para τ 0 teemos P ( B P ( B 0 ( F ( u + o. Para τ teemos para u θ > 0 arbtraro que que la f.d. bomal es decrecete e θ obteemos F u θ para grade. Ya ( P( B r r θ θ. r

31 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 65 Así para fja lm sup P ( B e θ r 0 r θ r! 0 θ. de aquí P(B 0 cuado r τ r! τ Para lo cotraro supoemos que lm P( B e o pero F u o tede a τ. ( r 0 se cumple para Etoces exste u τ τ e [0 ] y ua subsucesó ( tal que ' cuado y así B coverge déblmete a ua v.a de F( τ u Posso co parámetro τ cotradcedo a lm P τ ( B e N0 r 0 r τ r! Corolaro.8 Dstrbucó límte de ua estadístca de orde superor Supogamos F MDA(H co costates c > 0 y d. Se defe r ( l H ( x ( H ( x H ( x x. Etoces r 0 r! para cada se sgue que ( ( ( X d x H ( x. lm P c (.3 Por otro lado s para algú ( c ( X d x G( x lm P x

32 66 CUESTIONES ECONÓMICAS para ua fucó de dstrbucó G o degeerada etoces G H ( para algua dstrbucó de valor extremo H y (.3 se cumple para todo. Aplcacó.9 Estadístcas de orde superor de la dstrbucó de Gumbel Por tegracó parcal H ( ( x ( t e t dt Γ l H ( x (! l H ( x x dode Γ deota la fucó Gamma completa. E partcular s H es la dstrbucó de Gumbel etoces Λ ( ( x! ( x e e t t dt P E > e x para E...E v.a d expoecales estádar. Así s Y ( tee f.d. Y ( d l E. ( Λ etoces La dstrbucó límte de la ésma estadístca de orde superor fue obteda cosderado el úmero de excedetes del vel u de X...X. Teorema.30 Dstrbucó límte de la estadístca de orde -superor e u cojuto aleatoramete dexado Supogamos que fucó de dstrbucó F Z y que p N ( t / t Z se cumple para ua v.a o egatva Z co lm F ( c x + d l H ( x x se satsface. Etoces

33 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO lm 0 E A SEGUROS Y FINANZAS ( ( X d x P c Γ N ( ( zl H ( x df ( z Z [ Γ ( l H ( x ] Z x 67 Demostracó ( Escrbmos B I { X > c x+ d } obtee que P ( N j ( c ( X d x N ( P( B N ( 0 ( N ( ( ( F c x + d F ( c x + d j aplcado la probabldad codcoal se ( ( + ορ ( F( cx + d P H N N Z 0 ( x 0 N ( 0! Z l H x! ( ( Z ( l H ( x! N ( ( exp ( l ( F( c x + d e. Z l H ( x Luego tomado las esperazas se completa la demostracó..3 Sítess de la Teoría de Valores Extremos para sucesoes estacoaras Teorema.3 Ley límte para el máxmo de ua sere estacoara d Supogamos que c ( M d G para algua dstrbucó G y costates apropadas c > 0 d. S se cumple la codcó D(c x + d para todo real x etoces G es ua dstrbucó de valor extremo.

34 68 CUESTIONES ECONÓMICAS Demostracó Recalcamos e prmer lugar de lo estudado aterormete que F es ua dstrbucó de valor extremo s y solo s F es max estable. Luego P ( M c x + d P ( M c x + d + ο ( F ( x para todo y todo puto de cotudad x de F. Por otro lado P ( M c x + d F( x Por la covergeca del teorema del aexo A.7 exste costates c 0 y d ~ tal que ~ > c l m c~ c ~ y l m d d d c para Y...Y v.a d. co f.d. H d ~ max(y...y c Y d. La codcó D(u es ua codcó más débl que muchas de las formas cláscas de restrccoes de depedeca. D(u : Para eteros p q y + ~ p <... < < j <... < j q tal que j - p l se tee que P max X u P max X u P max X u A UA A A... p A {... p } l 0 cuado dode A { } y para algua sucesó l l o(. l

35 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 69 Ahora se quere ecotrar codcoes sufcetes para la covergeca de las probabldades P(M u para ua sucesó de umbrales dada (u que satsface para algú [ 0 τ. ( τ F (.4 u Desafortuadamete o se puede reemplazar ( M ~ lo que se puede dervar es por (M sobre D(u todo lm f P τ ( M u e A cotuacó se troduce ua seguda codcó técca D (u : La relacó lm lm sup [ / ] j P ( X > u X > u j 0 D (u es ua codcó de at agrupameto e la sucesó estacoara (X. Hay que otar que D (u mplca que [ / ] E I { X } [ / ] { > > } 0 > u X j > u EI X u X j u < j [ / ] j Teorema.3 Dstrbucó límte del máxmo de ua sere estacoara Sea (X ua sucesó estacoara co ua fucó de dstrbucó F MDA(H para algua dstrbucó de valor extremo H exste costates c > 0 d tal que lm F ( c x + d l H ( x x Asumedo que para x las sucesoes (u (c x + d satsface las codcoes D(u y D (u. Etoces la gualdad ateror es equvalete a cada ua de las sguetes relacoes:

36 70 CUESTIONES ECONÓMICAS c c ( M d H d ( M ~ d H. d Para falzar co este capítulo presetamos a cotuacó u lema dode se detalla las formas de chequear las codcoes D(u y D (u. Lema.33 estacoara Codcoes para D(u y D (u para ua sucesó gaussaa Asumamos que (X es Gaussaa estacoara y sea (u ua sucesó de úmeros reales. Supogamos que el lado derecho de P u ( M u Φ ( u cost ( h exp ( h + γ h cero cuado y sup ( h <. S adcoalmete lm sup Φ( u < γ tede a h γ Etoces D(u se cumple. 3 S γ ( l 0 y sup Φ( u <. Etoces D (u se cumple. lm etoces ambas codcoes D(u y D (u so satsfechas. γ l es llamada codcó de Berma y esta codcó La suposcó ( 0 es bastate débl especalmete e el caso gaussao..4 Estudo de los extremos por medo de procesos putuales La técca de los procesos putuales os da ua guía detro de la estructura de las varables límte y procesos límte los cuales ocurre e la Teoría de Sumas e la Teoría de Valores Extremos y e el aálss de Seres de Tempo. Medate dsttos métodos se puede ecotrar exceletes resultados e excedetes límtes de las estadístcas de orde superor covergeca cojuta del máxmo y mímo récord etc.

37 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 7 Para compreder de lo que trata las téccas de los procesos putuales es ecesaro coocer Aálss Fucoal Teoría de la Medda y certos argumetos de covergeca débl. E esta seccó hemos tratado de dsmur al mímo estos aspectos para que la compresó sea mayor. Ua dea smple de u proceso putual N es tomarlo como ua dstrbucó aleatora de putos X e el espaco. Para ua cofguracó dada (X y u cojuto A N(A cueta el úmero de X A. Es coveete magar la dstrbucó de N como las probabldades P(N(A...N(A m m de todas las posbles eleccoes de cojutos bueos A...A m y todos los eteros o egatvos... m. Los procesos putuales más mportates so aquellos para los cuales N(A sgue ua dstrbucó de Posso. Esto coduce a la medda aleatora de Posso N como 0. ua geeralzacó del clásco proceso homogéeo de Posso e [.4. Notas báscas sobre los procesos putuales.4.. Defcó Cosderemos ua sucesó (X de vectores aleatoros e el espaco de estado E dode A E. Naturalmete N(A N(Aω es aleatoro para u cojuto dado A y sobre certas codcoes N(.ω defe ua medda aleatora de coteo co putos X e ua σ - álgebra ε de subcojutos de E. El espaco de estado E es u subcojuto de u espaco eucldao de dmesó fta E está equpado co la σ - álgebra ε de los cojutos borelaos geerados por los abertos. Es coveete escrbr u proceso putual usado la medda de drac ε x para E: x ε x (A s 0s x A x A A ε Para ua sucesó (x e E

38 7 CUESTIONES ECONÓMICAS m x : x A ( A ( A card{ : x A} ε A ε defe ua medda cotable e ε la cual es llamada medda putual s m(k < para todos los cojutos compactos K E. M p (E es el espaco de todas las meddas putuales e E provstas de ua σ - álgebra apropada M p(e. Los procesos putuales que estamos teresados puede escrbrse a meudo de la forma N ε para ua sucesó (X de vectores aleatoros d dmesoales. Etoces para cada ω Ω X ( A ε ( ( A N ω defe ua medda putual e ε. ω X A ε Ejemplo.34 Procesos putuales de excedetes Estos procesos está muy relacoados co la Teoría de Valores Extremos. Sea u u úmero real y (X ua sucesó de v.a. Etoces el Proceso Putual de Excedetes N (. (. I { }... ε (.5 X > u co E ( ] Por ejemplo tomado todo el tervalo ( 0 ]. Etoces 0 cueta el úmero de excedetes del umbral u de la sucesó X...X.

39 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS N ( 0 ] card{ : 0 < y X > u} card{ : X > u}. 73 Se puede ver medatamete la relacó estrecha que exste co la TVE. Por ejemplo sea X la ésma estadístca de orde más grade del cojuto X...X. Etoces { N ( 0 ] 0} { card{ : X > u} 0} {Ngú X excede u} (.6 {max(x...x u} { N ( 0 ] < } { card{ : X > u} } < {Meos de etre los X excede u} {X u}. (.7 Notamos que el proceso putual de excedetes puede ser escrto de la forma co E ( ] ( N (. (.... X 0 u b dmesoal. ε (.8.4. Procesos putuales de excedetes E esta seccó se mostrará la covergeca débl de ua sucesó (N de los procesos putuales de excedetes a u Proceso de Posso Homogéeo N e el 0. espaco de estado E ( ] La sucesó (X es supoe que es d. o estrctamete estacoara que satsface dos suposcoes D y D Seccó Caso IID Asumamos que las X so v.a d. y sea (u ua sucesó de umbrales reales. De la proposcó. se tee que para cualquer τ [0 ] la relacó P exp τ se matee s y sólo s ( { } M u

40 74 CUESTIONES ECONÓMICAS F ( u E I{ X u } > τ (.9 Esta últma codcó asegura que hay e promedo de aproxmadamete τ excedetes sobre el umbral u. Teorema.35 Covergeca débl de procesos putuales de excedetes caso d. Supogamos que (X es ua sucesó de v.a d. co fucó de dstrbucó comú F. Sea (u ua sucesó de umbrales tales que (.7 se cumple para algú τ (0. Etoces el proceso putual de excedetes N coverge déblmete e 0 co tesdad τ. N es M p (E a u proceso de Posso Homogéeo N e E ( ] MAP(τ. dode. deota la medda de Lebesgue e E. Demostracó Asummos que el proceso límte N es u Proceso Homogéeo de Posso e 0. Aplcado el Teorema de Kalleberg (aexo A.8. [ Notamos que para A( b] a ( b] N a la v.a ( A ε ( A I { X > u } a< [ b] [ a] b I I + { X > u } { X > u } es bomal co parámetros ([ b ] [ a] F ( EN ( A (([ b] [ a] F ( u ( b a lo que prueba que EN ( A EN(A. u.asumedo (.9 ( ( τ τ ( b a EN( A

41 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 75 Así basta probar que ( N ( B 0 P( N( B 0 bomal y como se cumple (.9 teemos que P P. Como N (A es [ b] [ a ( N ( ] A 0 F ( u exp{ ([ b] [ a] l ( F ( u } exp{ τ ( b a }. Recordado la defcó del cojuto B del Teorema de Kalleberg y cosderado la depedeca de las X coclumos del resultado ateror que P ( N ( B 0 P( N ( c d ] 0... P max X j u... [ c ] < j [ d] P P [ c ] < j [ d ] u ( N ( c d ] 0 exp max { τ ( d c } X j Por otro lado por la propedad de Posso de N P Lo que prueba el teorema. d c ( N( B 0 exp{ τ B } exp τ ( Ejemplo.36 Cotuacó del ejemplo.34 Ua aplcacó de este últmo Teorema juto co las ecuacoes (.6 y (.7 os lleva a que

42 76 CUESTIONES ECONÓMICAS P ( X u P N ( 0 ] τ ( < ( ( 0 ] < P N e Esto os permte dervar la dstrbucó límte de la ésma estadístca de orde dado F e el MDA e ua dstrbucó de valor extremo. S se tee dos sucesoes de v.a (X (Y d. supoedo que Y es postva : T t defe co probabldad y fjado T Y Y. Etoces N (t card { } u proceso de reovacó. Aquí cosderamos el proceso putual de excedetes correspodete ( (. (. I { X > u } 0 τ! N ~ N ε (.30 T e el espaco de estado E ( 0 ]. La Ley fuerte de los grades úmeros mplca que T c. s [ x ] xey xλ para x ( 0 ] y etoces se puede esperar u resultado smlar al del teorema Caso estacoaro E esta seccó se hablará del problema de ecotrar la dstrbucó límte del máxmo M y de las estadístcas de orde superor de u cojuto de ua sucesó estrctamete estacoara (X. Asummos que las codcoes D(u y D (u se matee para la sucesó de umbrales (u. La codcó D (u tee ua terpretacó tutva e el leguaje de los procesos putuales: S (u es escogda F τ 0 etoces exste u promedo aproxmado de u para satsfacer ( ( τ excedetes sobre u para X...X y así τ / etre X...X [/]. Teorema.37 estacoaro. Covergeca débl de procesos putuales de excedetes caso Supogamos que (X es estrctamete estacoaro y (u es ua sucesó de umbrales tal que (.9 D(u y D (u se cumple. Sea (N el proceso (.5.

43 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 77 Etoces tesdad τ. N d N e M p(e dode N es ua MAP homogéea e E ( ] 0 co Demostracó Aplcamos el Teorema de Kalleberg (aexo A.8. La prueba de que ( A EN(A EN se la realza de la msma forma que e la demostracó del teorema.35. Etoces basta probar que ( N ( B 0 P( N( B 0 P hacedo uso de D(u y D (u. Por smplcdad os restrgmos a los cojutos B ( c d ] ( c d ] co 0 < c < d < c < d. El caso geeral puede ser demostrado por aalogía. Tomado ( b] ( 0 ] obteemos que P a. Usado la estacoaredad de (X y el Aexo A.9 ( N ( a b] 0 P exp max [ b] [ a] X u { τ ( b a } P( N( a b] 0 (* De la codcó D(u coclumos que P ( N ( B 0 P( N ( c d ] 0 N ( c d ] 0 P P max c < d max c < d X X u u P max c < d X max c < d u X u +ο (

44 78 CUESTIONES ECONÓMICAS La dstaca etre dos cojutos {[ c ] [ d ]} y A {[ c ] + [ d ]} A +... excede e (c - d > l (... ο lo que mplca que 0. Así por (* ( N ( B exp{ ( d c + ( d c } P N( B P τ l ( 0 0 Así por el teorema de Kalleberg se prueba este teorema. Ejemplo.38 Probabldades límte de las estadístcas de orde superor Supogamos que las suposcoes del teorema ateror se matee. Etoces P ( X u P N ( 0 ] τ ( < ( ( 0 ] < P N e Ahora es medato que osotros podamos dervar la dstrbucó límte de ua estadístca de orde superor X por la forma tradcoal. Sea ( X ~ 0 τ! ua sucesó asocada d. tal que X y X ~ tee la msma dstrbucó y se deota sus estadístcas de orde e la vía atural por X ~. El teorema del aexo A.5 muestra la semejaza etre el comportameto astótco de los extremos de la sucesó estacoara (X y de ua sucesó asocada d. ( X ~. Lo mportate ahora es geeralzar estos resultados a u vector fto de estadístcas de orde. Esto es obteer las probabldades de la forma P de sucesoes de úmeros reales ( ( ( X u X u u... ( ( u (.3...

45 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 79 Para esto es apropado troducr u vector de procesos putuales de excedetes uo para cada sucesó de umbrales. Como los excedetes de los veles ( u está muy relacoados uos co otros ya que u excedete de u (r es automátcamete u excedete de u (r+ es posble por u argumeto geométrco el reducr el problema de excedetes a la covergeca débl de u proceso putual sobre ( 0 ]. Ates de esto se troduce ua codcó aáloga a D(u dmesoal. Supoemos dadas las sucesoes de (.3. Codcó D (u : Para p q fjos y para eteros cualquera p <... < < j <... < tal que j - p l se tee que j q ( sm ( sr ( m u m... p X jr u r... q ( sm ( sr P( X u m... p P X u P X m ( r... q para cualquer etero s l s r y dado que l 0 cuado para algua sucesó l l o(. No es ecesaro exteder la codcó D (u pues se puede asumr que D (u ( se matee separadamete para cada... Así podemos escrbr como e la Seccó.. jr l B ( I ( { }.. X > u al úmero de excedetes de u ( para X...X. Teorema.39 estacoaro. Covergeca débl cojuta del úmero de excedetes caso

46 80 CUESTIONES ECONÓMICAS Sea (X ua sucesó estrctamete estacoara y supogamos que las sucesoes (u ( ( satsface (.3 y que F ( ( 0 Asummos que las codcoes D (u ( y D (u se satsface. τ... u P τ Etoces para l...l 0 ( ( ( ( B l B l + l... B l l l l l ( τ τ ( τ τ l!... l! l e τ. Corolaro.40 estacoaro. Ley límte cojuta de las estadístcas de orde superor caso Asumamos que F MDA(H co costates ormalzadas c > 0 y costates cetradas d. Además las codcoes D (u y D (u so satsfechas por todas las sucesoes u c x + d. Etoces la relacó límte d ( ( c ( X d ( Y se cumple dode (Y (...Y ( es la varable extrema dmesoal correspodete a la dstrbucó de valor extremo H. 3. Prcpales herrametas estadístcas para evetos extremos e fazas 3. Prelmares El problema esecal cosste e determar la dstrbucó de los valores mímos y máxmos e muestras de tamaño obtedas al azar de ua certa dstrbucó subyacete dada F(x. El puto mportate radca e que los extremos o está fjos pero so varables estadístcas uevas que depede de la dstrbucó subyacete y del tamaño muestral. E muchos problemas práctcos de geería o se cooce la forma exacta de la dstrbucó y tee que platearse supuestos co respecto a su forma. E geeral so tres las dstrbucoes estádar que sgue los valores extremos: Webull Fréchet y Gumbel.

47 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 8 E geeral cuado la fucó subyacete de desdad de probabldad es f(x y la fucó de dstrbucó acumulatva es F(x etoces la dstrbucó del valor mímo e muestras de tamaño está dada por la fucó de desdad de probabldad h ( x f ( x [ F ( x ] y la fucó de dstrbucó acumulatva correspodete es H ( x la moda de h (x es la solucó de la ecuacó [ F( x ] d h ( x 0 dx S la expereca muestra que los logartmos de ua sere de pcos está dstrbudos de maera aproxmadamete ormal que es lo que sucede e geeral e el caso de corretes fluvales la probabldad de exceder u flujo Q (eveto coocdo como excedeca es P( Q T r σ y π y e ( y y / σ y dy dode y log x (x varable orgal y T r es el período de retoro y se defe como el promedo esperado de tempo etre evetos extremos específcos. 3. Aálss exploratoro de datos Es ecesaro mrar los datos ates de ocuparse de los aálss estadístcos. E la actualdad co la facldad que os brda los sstemas de computacó la exploracó de los datos gráfcos se ha torado más y más mportate. E la seccó sguete dscutremos alguos de los métodos gráfcos más usados. 3.. Gráfcos de Cuatl y Probabldad

48 8 CUESTIONES ECONÓMICAS Dado u cojuto de datos a ser aalzados usualmete su aálss empeza co u hstograma uo o más gráfcos de caja u gráfco de la fucó de dstrbucó empírca; e el caso multdmesoal u gráfco de dspersó e forma de matrz. E el tema del proyecto os restrgmos s embargo al caso udmesoal y co ua preva dscusó al problema. Posterormete se ecuetra ua fucó de dstrbucó F que sea u bue modelo para los datos d. X X... X y se defe el cojuto ordeado X... X. La teoría básca que caracterza los gráfcos de probabldad es la trasformacó cuatl del lema.6 el cual mplca que para F cotua las v.a U F(X para... so d. uformes e (0. Sobre todo d ( F ( X... ( U... de esto se sgue que + EF( X També ote que F (X ( + / dode F es la fucó de dstrbucó empírca de F. Gráfco No. 3.

49 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 83 Este gráfco es llamado de probabldad (PP_Plot y se lo costruye grafcado F ( X + : +... s embargo más comú es grafcar + F :... + X (3. que ormalmete es coocdo como el Gráfco Cuatl (QQ_Plot. E ambos casos la aproxmacó leal del trazo es justfcada por el teorema de Glveo-Catell. Exste varas varedades de (3. del tpo {( X F ( p :... } (3. dode p es ua certa poscó del trazo. Normalmete so elegdos p + δ + γ co (δ γ. E la mayoría de casos tomamos (3. o (3. co

50 84 CUESTIONES ECONÓMICAS + p 0.5. Para la dstrbucó de Gumbel x ( x exp{ e } Λ x el método es aplcado fáclmete y lleva a la llamada grafcacó doble logarítmca. Supogamos por el mometo que X X... X provee de Λ. Co este f tomamos el cojuto ordeado y grafcamos X así Λ (p - l(- l p dode p es ua poscó e el gráfco como lo hemos dscutdo aterormete. S la dstrbucó de Gumbel provee u bue ajuste a uestros datos etoces este QQ_Plot debería verse más o meos leal. Gráfco No. 3. QQ_Plot QQ_Plot X E este gráfco se utlzó la trasformacó de Gumbel. S embargo los datos tee parámetros de escala y localzacó dode e alguos caso µ y ψ so la meda y la desvacó estádar de X. U QQ_Plot usado estos datos debe ser aú leal co pedete ψ e terseccó µ. Por ejemplo

51 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 85 usado regresó leal se puede deducr ua buea estmacó de los parámetros. Hemos cosderado solo famlas de escala y localzacó. E el caso de las dstrbucoes de valores extremos geeralzados (VEG (defcó.7 H µ ψ x µ exp + ψ / Φ ( + ( x µ /( Ψ Λ(( x µ / ψ ( ( ( x µ /( + para para para x µ 0 ψ x > µ x < µ + x real / > 0 / < 0 0 además del parámetro de localzacó µ del parámetro de escala ψ > 0 tervee u parámetro de forma hacedo que la terpretacó del QQ_Plot sea medata y más delcada. U método preferdo para pruebas gráfcas s las muestras provee de H µψ debería ser obteedo prmero u estmador ˆ de por uo de los métodos que expodremos a cotuacó y cosecuetemete se realza u QQ_Plot usado H 0 dode µ y ψ puede ser estmadas o por speccó smple o por medo de regresó leal. Estas estmacoes prelmares so frecuetemete usadas como valores cales e los procedmetos de teracó umérca. 3.. La Fucó de exceso meda Otra herrameta gráfca útl e partcular para dscrmacó e las colas es la fucó de exceso meda. Ya habíamos troducdo esta defcó e el cotexto de VEG defcó.9. La catdad e(u es frecuetemete referda a cómo el exceso medo pasa el valor del umbral u. Esta terpretacó será crucal e la seccó 3.5 e u cotexto de seguros. e(u puede ser terpretada como el tamaño de reclamo esperado e u tervalo lmtado sobre la prordad u. De aquí e(u es també llamada fucó de pérdda de exceso meda. E u cotexto médco y de segurdad e(u es llamada fucó de vda resdual de exceso medo. E el cotexto de admstracó de resgo facero cambado la cola derecha a la cola zquerda e(u es coocda como défct. U resume de la fucó de exceso meda más mportate podemos ecotrar

52 86 CUESTIONES ECONÓMICAS e la tabla.0. Ejemplo 3. Alguas propedades elemetales de la fucó de exceso meda S X está dstrbuda expoecalmete co tasa λ etoces e(u /λ para todo u > 0. Ahora supogamos que X es ua v.a o acotada a la derecha de la f.d. F. S para todo y F ( x u lm x F ( x e yγ (3.3 para algú γ [0 ] etoces lm x e(u γ - Ua prueba gráfca para el comportameto de la cola puede ahora ser basada e la fucó de exceso meda empírca e (u. Supogamos que X X... X so d. co f.d. F y deotamos F la f.d. empírca de F y (u { :... X > u} etoces e( u ( ( ( F y dy X F u card ( u u ( u u u 0 (3.4 co la covecó de que 0/0 0. U gráfco de exceso medo (ME_Plot cosste e {(X e (X :... }. Gráfco No. 3.3 ME_Plot

53 MEJÍA-UQUILLAS: ESTUDIO DE EVENTOS EXTREMOS ENFOCADO A SEGUROS Y FINANZAS 87 ME_Plot e(u u X ME_Plot 0 5 e(u u X E estos gráfcos se puede dar cueta que la cola de la dstrbucó de los datos perteecetes al ME_Plot de la derecha es más pesada que la cola de dstrbucó de los datos perteecetes al otro gráfco (observar las dsttas clacoes. Las propedades estadístcas de e (u puede ser uevamete dervadas por uso de teoría de procesos empírcos relevates. Para uestro propósto el ME_Plot es usado solo como u método gráfco especalmete para dstgur modelos de colas lvaas y colas pesadas. Ua precaucó que es mportate cosderar es que los gráfcos debe ser terpretados cudadosamete ya que debdo a la dspersó de los datos dspobles para el cálculo de e (u para valores grades de u los gráfcos resultates so muy sestvos a cambos e los datos haca el f del tervalo Método de Gumbel de excedetes Hay ua multtud de resultados aalítcos completamete fácles cocerete a

54 88 CUESTIONES ECONÓMICAS evetos extremos que produce formacó preva útl e los datos. El prmer método es el de Gumbel de excedetes que trata de aalzar el úmero de observacoes que e el futuro excederá los récord pasados (seccó Sea X <... < X las estadístcas de orde usuales de la muestra X X... X fjos e ua sucesó d. fta (X co f.d. cotua F. Tomamos la _ésma estadístca de orde superor X como u valor cal y deotamos S r ( r etoces el úmero de excedetes de X e las próxmas r observacoes X +... X +r es S r r ( + I{ X > X }. Posterormete por facldad de otacó escrbmos S por S r (. Lema 3. Estadístcas de orde y la f.d. hpergeométrca La v.a S defda como ates tee ua dstrbucó hpergeométrca e.d. P ( S r + j j + j r + j 0... r. (3.5 Demostracó. Codcoado teemos P( S j P( S j X u df ( u dode F deota la f.d. de X. Ahora usado el hecho que (X X... X y (X + r I X >... X +r so depedetes que { u} tee ua dstrbucó bomal co parámetro r y F (u y de la proposcó.4 que! df ( u F ( u F ( u df( u (!(!

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre(s)

NOMBRE Apellido Paterno Apellido Materno Nombre(s) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

Más detalles

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

GENERACION DE VARIABLES ALEATORIAS

GENERACION DE VARIABLES ALEATORIAS GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

Más detalles

ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS

ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS 5 ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS María C. Paz Sabogal Profesor Auxlar. Uversdad del Valle, Escuela de Igeería Idustral Estadístca, Cal. karo.paz@gmal.com

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados

Calificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n) 1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

Estadística aplicada al Periodismo

Estadística aplicada al Periodismo Estadístca aplcada al Perodsmo Temaro de la asgatura Itroduccó. Aálss de datos uvarates. Aálss de datos bvarates. Seres temporales y úmeros ídce. Probabldad y Modelos probablístcos. Itroduccó a la fereca

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

Más detalles

x x x x x Y se seguía operando

x x x x x Y se seguía operando . INTRODUCCIÓN. DEFINICIONES UNIDAD : Números complejos Cuado se teta resolver ecuacoes de segudo grado como por ejemplo x 4x 0, se observa que o 4 6 5 4 6 tee solucoes reales x x, pues o exste raíces

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1 63 ITRODUCCIÓ AL AÁLISIS DE ECUESTAS COMPLEJAS MARCELA PIZARRO BRIOES ISTITUTO ACIOAL DE ESTADÍSTICA (IE CHILE Para presetarse e el Taller Regoal del MECOVI: La Práctca del Muestreo para el Dseño de las

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

PyE_ EF1_TIPO2_

PyE_ EF1_TIPO2_ SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

Suficiencia de Capital y Riesgo de Crédito en Carteras de Préstamos Bancarios

Suficiencia de Capital y Riesgo de Crédito en Carteras de Préstamos Bancarios Sufceca de Captal y Resgo de Crédto e Carteras de Préstamos Bacaros U modelo de mpago que relacoa la sufceca de captal co el resgo de crédto, mde el resgo de cocetracó, y determa límtes dvduales para los

Más detalles

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra Estmacó putual de parámetros. Parámetro( : Característca de la poblacó. E estadístca la forma fucoal de f ( ; es coocda pero se descooce total o parcalmete. La estmacó del parámetro ( debe ser fucó de

Más detalles

GENERACION DE NUMEROS ALEATORIOS

GENERACION DE NUMEROS ALEATORIOS GENERACION DE NUMEROS ALEATORIOS U paso clave e smulacó es teer rutas que geere varables aleatoras co dstrbucoes especfcas: epoecal, ormal, etc. Esto es hecho e dos fases. La prmera cosste e geerar ua

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano Valoracó de opcoes de compra y veta del qutal de café e el mercado ecuatorao Adrá Morocho Pérez, Ferado Sadoya Sachez Igeero e Estadístca Iformátca 003 Drector de Tess, Matemátco, Escuela Poltécca Nacoal,

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 2017 ÁLGEBRA II (LSI PI) UNIDAD Nº 5 RANSFORMACIONES LINEALES Facultad de Cecas Exactas y ecologías UNIERSIDAD NACIONAL DE SANIAGO DEL ESERO aa Error! No hay texto co el estlo especfcado e el documeto

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

CURSO REDES ELECTRICAS II 1 CAPITULO 4

CURSO REDES ELECTRICAS II 1 CAPITULO 4 CURSO REDES ELECTRICAS II FLUJO DE CARGAS. Itroduccó: CAPITULO 4 Los estudos de cargas tee ua eorme mportaca e la plafcacó de las amplacoes de u sstema de eergía, así como e la determacó del fucoameto

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

INTRODUCCION A LA GEOESTADISTICA

INTRODUCCION A LA GEOESTADISTICA INTRODUION A LA GEOESTADISTIA 7 3' W MAR ARIBE Boca de la Barra 3 larí 8 6 4 Grade R Sevlla 8 6 R Aracataca 45' N 4 R Fudaco Teoría y Aplcacó UNIVERSIDAD NAIONAL DE OLOMBIA Sede Bogotá Facultad de ecas

Más detalles

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-

Más detalles

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN

Más detalles

AGRO Examen Parcial 1

AGRO Examen Parcial 1 AGRO 5005 009 Exame Parcal Nombre: Istruccoes: Por favor lea los eucados y las pregutas cudadosamete. Se puede usar el lbro las tablas de dstrbucó ormal la hoja de fórmulas provsta y la calculadora. Para

Más detalles