Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribuci N Log
Distribuci N Log
1. INTRODUCCIN
Se trata de la densidad de probabilidad de una variable log x distribuida segn
una funcin normal:
Y = eX
X = N(,)
Con este cambio de variable quedar:
Soporte
cdf
Media
Mediana
Moda
Varianza
Asimetra
Curtose
Entropa
Funcin de distribucin
1
2
Fig. 1: Distribuciones lognormales de igual media aritmtica (10 ppm) y distintos G.S.D.
(1)
Conclusin
El modelo de Black - Scholes es un modelo de tiempo continuo. Asume que
la volatilidad de un determinado instrumento subyacente es constante durante
toda la vida de la opcin, pero esta volatilidad se calcula continuamente. Estos
dos supuestos implican que los posibles precios del subyacente al vencimiento de
la opcin se distribuyen log - normalmente. El supuesto de log normalidad
incluido en el modelo de Black - Scholes supera el problema inicialmente
presentado. Una distribucin log normal permite incremento de precios
ilimitados (el logaritmo de + es +) mientras que permite cadas pero slo
hasta cero (el logaritmo de - es 0). sta es una representacin ms realista de
cmo se distribuyen los precios en el mundo real.
Podemos resumir los supuestos ms importantes que gobiernan los
movimientos de precios en el modelo de Black - Scholes:
Los cambios en los precios de un instrumento subyacente son aleatorios y
no pueden ser manipulados artificialmente, no es posible predecir de
antemano la direccin en la que se movern los mismos.
El porcentaje de cambio en el precio de un instrumento subyacente est
distribuido normalmente.
Debido a que se asume que el porcentaje de cambio en el precio del
subyacente se calcul de manera continua, los precios del subyacente al
vencimiento se distribuirn log normalmente.
El punto ms importante a tener en cuenta es que el modelo de BS supone que
los cambios en los precios son aleatorios y que la direccin de dichos cambios
no puede ser prevista. Este supuesto puede crear cierta resistencia en los
operadores de opciones.
www.bcr.com.ar/.../images/pdf/ Modelo%20de%20valuacin%20de%20opciones%20sobre
%20acciones%202005_DIC.pdf
10
donde:
Fig. 11. Nmero y abundancia relativa de las especies de la comunidad y las distribuciones tericas
esperadas de acuerdo con el modelo de MacArtur y con la log normal.
11
Fig. 12. Relacin que describe la abundancia relativa de las especies y su ajuste a la serie log-normal.
May (1975), menciona que las distribuciones de abundancia del tipo log
normal en comunidades con organismos "oportunistas", como posiblemente sea
el caso de las que son objeto del presente estudio, reflejan poco detalle sobre la
estructura de la comunidad y que las especies dominantes son simplemente
aquellas que recientemente han disfrutado de un valor grande de r, o sea su
potencial bitico y por lo mismo, en momentos distintos habr diferentes
dominantes. Por lo que respecta a la peculiaridad observada en la serie log
normal de que el valor de a usualmente vale 0.2 y el de y 29 1, es decir, la
relacin existente entre el intervalo donde el nmero de especies es mximo,
12
5. Cuantificacin de la vitamina B2
Desviacin estndar
13
14
8
9
15
Intervalo T
62
50
Promedio T ave
56.0
Esto nos dice que el segmento de San Marcos (cerca de Acapulco) est
definido por tres sismos "caractersticos", en 1845, 1907 y en 1957 (que fue
llamado "Sismo del ngel"). Los intervalos respectivos fueron de 62 y 50 aos, y
el intervalo promedio fue de 56.0 aos.
Ahora bien, en el mismo nmero del Bulletin of the Seismological Society
of America aparece otro artculo (Nishenko y Singh, 1987) que casualmente habla
del segmento de San Marcos. Dice lo siguiente: "Los sismos de 1937 y de 1950 y
1957 representan cada uno una ruptura parcial de la zona de 1907... Por lo tanto,
los intervalos observados de recurrencia para la regin de Acapulco-Ometepec
durante el presente siglo varan entre ms de 30 a 50 aos (o sea, 1937 a 1907 y
1957 a 1907)". Ntese que el primer autor de ambos artculos es la misma
persona.
Resulta que uno de los sismos mencionados en el primer artculo, el de
1907, no era definitorio solamente del segmento de San Marcos, sino tambin de
un segmento ms grande que lo incluye y que ahora se llama la "regin" de
Acapulco-Ometepec. Esta "regin" se rompi parcialmente en el sismo de San
Marcos de 1957, y tambin parcialmente en otros sismos (1937, 1950) que no se
mencionan en el primer artculo. Todos ellos, sin embargo siguen siendo sismos
"caractersticos".
No que los sismos caractersticos "definen" los segmentos en que ocurren?
Cmo puede decirse entonces que tanto el sismo de 1907 como el de 1957
"define" el segmento de San Marcos, y que al mismo tiempo el de 1907 "define"
el segmento de Ometepec, y adems la regin de Acapulco-Ometepec, que no es
la misma?.
En cuanto al intervalo promedio, ya no sabemos si es 56.0 aos como
afirma el primer artculo, o menos de 50 como dice el segundo. Quin sabe a qu
sismos "caractersticos" se refiere cada uno de los artculos. Si los sismos
"caractersticos" rompen repetidamente el mismo segmento de falla no debera
admitirse traslapes ni rupturas parciales. Una de dos: o bien algunos sismos
citados no son eventos caractersticos (lo que arrojara dudas sobre el autor
comn de ambos trabajos), o bien los datos de la Tabla 1 eran incompletos.
Aceptaremos esta ltima hiptesis, porque es la ms compleja y por lo tanto
probablemente ms real; por lo dems, el co-autor del segundo trabajo es el ms
distinguido conocedor de la sismicidad de Mxico, especialista en la zona de
Guerrero y Oaxaca.
Ahora bien, si la muestra de San Marcos era incompleta, ello debera
modificar el promedio Tave cuyo papel en el primer trabajo es muy interesante.
En efecto, Nishenko y Buland (1987) normalizaron los intervalos T mediante
subdivisin por Tave (digamos, dividen 62 y 50 por 56), y hacen lo propio con
todas las 14 regiones. Luego juntan todos los datos y los grafican en un mismo
histograma, al que calzan una distribucin logartmico-normal. Reproduzco la
16
www.ssn.unam.mx/SSN/Doc/Prediccion/cinna.htm
17
& Nelder, 1989). Segn Punt et al., (2000) las distribuciones gamma y lognormal son candidatas adecuadas para describir la distribucin de la variable
respuesta, siempre que la varianza de las tasas de captura sea proporcional al
cuadrado de la media. En el caso de las tasas de captura mensuales de langostino
amarillo para la zona norte, la relacin potencial no es significativamente
diferente de la cuadrtica (P < 0,05; r2 = 0,85) (Fig. 3).
www.scielo.cl/pdf/imar/v33n1/art03.pdf
10
19
OCT
44,4
33,9
40,5
52,7
32,1
31,9
NOV
67,6
41,7
55,7
50,1
60,2
53,8
DIC
116,2
82,1
83,2
115,8
96,1
71,7
ENE
191,0
96,1
120,9
146,7
178,7
142,3
FEB
133,2
74,4
89,6
133,3
138,5
79,3
MAR
113,8
61,2
97,9
82,9
129,1
87,4
TOTAL
666,3
389,4
487,9
581,5
634,7
466,4
www.unesco.org.uy/phi/libros/enso/maldonado.html
a) Nanopartculas.
Dentro de las diversas reas cientfica-tecnolgicas, cada da estn tomando
ms fuerza las que dicen relacin con el estudio y desarrollo de nuevos
materiales.
Las nanopartculas son materiales con un tamao de grano del orden de los
nanometros, cuyo confinamiento espacial es menor a los 100[nm]
Estos tipos de materiales exhiben propiedades mecnicas y qumicas muy
distintas en comparacin con materiales de tamao de grano micromtrico y de la
misma composicin. Por ejemplo, micropartculas de metales muestran hasta
cinco veces ms dureza que los materiales normales.
21
donde u es el volumen de una partcula que se combina con otra para dar v y G es
una funcin que no se necesita explicitar.
Otro supuesto es que el cambio en el volumen de cada evento de coalescencia
es una fraccin aleatoria del volumen despus de la coalescencia, luego:
donde {j} es un grupo de variables aleatorias. Por lo que se redefine la funcin
G:
Luego la ecuacin para la distribucin se transforma en:
, con a y b
cabierta.uchile.cl/revista/21/articulos/pdf/edu1.pdf
24