I.

DISTRIBUCIONES DE PROBABILIDAD
1. El promedio (Campana de Gauss).
Los promedios pueden ser engaosos si no se utilizan con cuidado, esto no constituye
una razn para rechazar las estadsticas. En lugar de mirar slo un nmero, es necesario
una serie de datos junto con la informacin cualitativa. Algunos ejecutivos ya han
percibido la importancia de mejor actuar dentro de un rango de cifras relevantes, o sea
una distribucin de probabilidades, ms que en valores nicos expresados por el
promedio, la mediana y la moda.
El promedio conocido tambin como media de una distribucin de probabilidades, es
una estimacin del promedio de la poblacin, pero al decir que es una estimacin
significa que est sujeta a error. La media exacta de la poblacin no la conocemos, pero
si podemos estimar entre qu lmites extremos se encuentra, esto a partir de la media de
una muestra y de la desviacin estndar de la poblacin.
La campana de Gauss es un modelo de distribucin de probabilidad descrito por el
matemtico y fsico alemn Carl Friederich Gauss, es una curva con forma de campana
tambin conocida como distribucin normal, con eje de simetra en el punto
correspondiente al promedio del universo. La distancia entre el eje de simetra de la
campana y el punto de inflexin de la curva es igual a la desviacin estndar de la
poblacin. El mundo en que vivimos prcticamente est regido por un patrn Gaussiano
ya que se cree que es la distribucin de probabilidad que con ms frecuencia aparece en
estadstica y teora de probabilidades. Esto se debe a dos razones fundamentales:
Su funcin de densidad es simtrica y con forma de campana, lo que favorece su
aplicacin como modelo a gran nmero de variables estadsticas.
Es lmite de otras distribuciones y aparece relacionada con multitud de resultados
ligados a la teora de las probabilidades.
El aspecto principal de la Campana de Gauss es que la mayor parte de las
observaciones se sitan en torno a la media, mientras que las probabilidades de una
desviacin disminuyen de forma cada vez ms rpida (exponencialmente) a medida que
nos alejamos de la media. Cuando realizamos mediciones de altura o peso, las
caractersticas de ste tipo de situaciones son que cada individuo influye muy poco en el
total, los extremos son raros ya que siempre existen excepciones pero a medida que nos
alejamos de la media las probabilidades son menores y las consecuencias mnimas, por
lo tanto, las variaciones individuales no alteran el promedio significativamente. Caso
contrario ocurre cuando deseamos medir el promedio de los ingresos de las personas,
debido a que la diferencia entre una persona y otra pueden ser considerablemente
significativos y por consiguiente el promedio resulta ser un perfecto error.
La campana de Gauss y la distribucin normal
La campana de Gauss representa grficamente cmo se reparten las
observaciones de una muestra en la llamada distribucin normal, una de las mas
probables en las observaciones de mltiples fenmenos reales. Seguramente muchos
la habremos visto ms de una vez, e intuitivamente observamos que en los extremos
se encuentran los casos menos probables, mientras que en el centro se acumulan
aquellos que se dan con ms frecuencia.
Un ejemplo clsico de uso de la campana es para determinar a partir de que punto de
corte, y dadas las calificacioens de los alumnos de una clase, se establece el apto o
no apto. Pero hoy vamos a ver uno de sus usos financieros.
Supongamos que una accin tiene una rentabilidad estimada de, por ejemplo, un 7%,
y que su volatilidad histrica, lo que podramos llamar riesgo, es de un 3% (. Si
entendemos que las probabilidades se distribuyen normalmente, siguiendo una
campaa de gauss, tendremos que:
En un 68% de los casos posibles la rentabilidad final estara entre el 4% y el 10%,
es decir 7% -/+ 3%
En un 95%, nos moveremos entre el 1% y el 13%, es decir 7% -/+ (3% x 2 )
En un 99%, entre -2% y el 16%, es decir 7% -/+ (3% x 3)
Para qu nos vale? Para ser conscientes del riesgo que estamos asumiendo,
definiendo en situaciones de normalidad, y entendiendo que los datos que nos
facilitan estn contrastados, cul es el umbral de riesgo ( y rentabilidad) que
estamos asumiendo)
http://www.youtube.com/watch?v=0DxiXSUTvS8&hd=1