Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
Introduccin
Es razonable pensar que los precios de un activo subyacente se distribuyen
de manera normal? Ms all de la exacta distribucin de los precios en el mundo
real, el supuesto de la distribucin normal tiene serios defectos. Una curva de
distribucin normal es simtrica, por lo cual, bajo el supuesto de la normalidad,
para todo posible incremento abrupto de precios en el activo subyacente existe la
posibilidad de una cada en los mismos de igual magnitud. Es decir que, si por
ejemplo permitimos la posibilidad de que cuando el activo subyacente vale $50
ste pueda incrementarse en $75 a $125, tambin tendramos que permitir la
posibilidad de que los precios cayeran en igual magnitud a - $25. Como todos
sabemos es imposible que un activo adquiera un valor negativo, por lo que
suponer que los mismos se distribuyen normalmente es una grave falencia1.
Qu podramos hacer entonces al respecto? Si definimos volatilidad como
el porcentaje de cambio en los precios de un activo subyacente, tasa de inters y
volatilidad pueden considerarse similares en trminos de que ambos representan
tasas de retorno. La primera diferencia entre la tasa de inters y la volatilidad es
que el inters generalmente acumula una tasa positiva mientras que la volatilidad
representa una combinacin de retornos positivos y negativos. Si invertimos una
suma de dinero a una tasa fija, el valor del principal siempre se incrementar,
pero si invertimos en un activo subyacente con una volatilidad distinta de cero, el
precio del instrumento puede subir o bajar. La volatilidad, definida como desvo
estndar, no nos dice nada acerca de la direccin que tomarn los movimientos de
precios. De la misma manera que el inters, la volatilidad puede calcularse a
diferentes intervalos. Con el propsito de valuar tericamente las opciones, se
asume que la volatilidad se calcula de manera continua (de la misma manera en
que se dan los cambios en el precio del activo subyacente).
Cuando se asume que los cambios en los precios se distribuyen
normalmente, el clculo continuo de estos cambios causan que los precios al
vencimiento se distribuyan log -normalmente. Tal distribucin es simtrica a la
derecha, debido a que los incrementos de precios resultan de tasas de retornos
positivas cada vez ms grandes.
(1)
Conclusin
www.bcr.com.ar/.../images/pdf/
Modelo%20de%20valuacin%20de%20opciones%20sobre%20acciones%202005_DIC.pdf
10
mientras que la mayor parte del inventario, que est representado por especies de
frecuencia intermedia, ocupar la parte central de la curva. Este modelo tiene la
peculiaridad de que los intervalos de la distribucin son sus logaritmos de base
dos5 y de acuerdo con lo antes indicado, su valor modal se localiza en el intervalo
que corresponde al mayor nmero de individuos. Adems, debido a que suele
haber muchas especies raras que no aparecen representadas en la muestra la
distribucin log normal suele aparecer truncada hacia la izquierda y en una
comunidad no alterada el valor modal generalmente se localiza en el primer
intervalo. En un trabajo posterior a aquel en el que se postul por primera vez
este modelo, Williams, (1964) hace un anlisis bastante ambicioso sobre la
aplicacin de esta serie, as como de la logartmica a distintos grupos de
colecciones faunsticas. La funcin que describe la serie log normal es la
siguiente:
S = Soe-
(a R)
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.
5
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
12
5. Cuantificacin de la vitamina B2
www.bvs.sld.cu/revistas/mil/vol29_3_00/mil05300.pdf
Desviacin estndar
13
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 AcapulcoOmetepec 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
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
NOV
DIC
ENE
FEB
MAR
TOTAL
COPACABANA
44,4
67,6
116,2
191,0
133,2
113,8
666,3
EL BELEN
33,9
41,7
82,1
96,1
74,4
61,2
389,4
HUARINA
40,5
55,7
83,2
120,9
89,6
97,9
487,9
PUERTO ACOSTA
52,7
50,1
115,8
146,7
133,3
82,9
581,5
DESAGUADERO
32,1
60,2
96,1
178,7
138,5
129,1
634,7
GUAQUI
31,9
53,8
71,7
142,3
79,3
87,4
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
22
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:
, con a y b
cabierta.uchile.cl/revista/21/articulos/pdf/edu1.pdf
24