UNAM Instituto de Energı́as Renovables

Universidad Nacional
Autónoma de México

Instituto de Energı́as Renovables

Modelos Estocásticos

Tarea Final

Profesor:
Autores: Miguel Robles Pérez
Juanico V. Irving E.

Temixco, Morelos, México

18 de Junio del 2017

LIER Modelos Estocásticos 1

UNAM Instituto de Energı́as Renovables

Contents
1 Objetivo 3

2 Introducción 3

3 Problemas 3
3.1 Problema 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.1.1 Probabilidad teórica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.1.2 Probabilidad simulada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.2 Problema 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.3 Problema 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.4 Problema 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

LIER Modelos Estocásticos 2

UNAM Instituto de Energı́as Renovables

1 Objetivo 3.1.1 Probabilidad teórica

Resolver los problemas propuestos y aplicar los Para el calculo de la probabilidad teórica se realizó
conocimientos adquiridos a lo largo del curso. mediante el uso de las combinatorias
 
n n!
= (1)
x x!(n − x)!
2 Introducción Siendo un total de 40 cartas en la baraja española,
de la cuales pertenecen a 4 grupos diferentes de
En este trabajo se realiza la resolución de cuatro cartas (copas, bastos, monedas y espadas) con-
problemas: stando de 10 elementos cada grupo (1, 2, 3, 4, 5,
6, 7, 10, 11 y 12).
• Problema 1: Probabilidad de sacar un Full
en una baraja española
El número de formas de obtener una tercia es la
• Problema 2: Encontrar la distribución de siguiente:
probabilidad de unos datos
NT ercias = 10 43

• Problema 3: Encontrar la matriz de flujo de

Donde el 10 corresponde al numero de cartas por
un proceso Markoviano continuo
grupo y la combinaria de corresponde al numero
• Problema 4: Predicción de las acciones de de tercias que se pueden obtener de los cuatro gru-
una empresa mediante procesos AR, ARMA pos (1 tercia por numero de cada carta), siendo un
Y ARIMA total de 40 tercias posibles.
Para la resolución de dichos problemas se hizo el
El número de formas de obtener una par es la sigu-
uso del software Mathematica 11.1 .
iente:
NP ar = 9 42

3 Problemas Donde el 9 corresponde al numero de cartas por

grupo (debido a la obtención de la tercia) y la com-
3.1 Problema 1 binaria de corresponde al numero de pares que se
pueden obtener de los cuatro grupos, siendo un
Los programas creados para la resolución de este total de 36 tercias posibles.
programa se encuentra en la subsección nombrada
”Problema 1” del script TareaFinal. Entonces la propabilidad de obtener un Full es
el número de forma posibles de obtener una ter-
Enunciado: Calcula utilizando una simulación la cia (NT ercias ) por el número de forma posibles de
probabilidad de que en una baraja española,aparezca obtener un par (NP ar ) sobre el número total de
un full (tercia y par) en la primera mano. casos posibles de obtener 5 cartas de una baraja
de 40 cartas (NT otal ).
Para la resolución de este problema se realizó un NT ercias NP ar
programa que simulaba la realización de un juego P robteorica = ∈ [0, 1] (2)
NT otal
de baraja española con el cual se calculo la prob-
10 43 9 42



abilidad ”simulada” y por otra parte se calculó la P robteorica = = 0.00328263
40


probabilidad ”teórica” para asi poder comparar 5
nuestros resultados.
3.1.2 Probabilidad simulada

Para el calculo de dicha probabilidad se realizo un

programa el cual idetificaba las veces que se tenián

LIER Modelos Estocásticos 3

UNAM Instituto de Energı́as Renovables

un par y una tercia al mismo tiempo (Full) en una 3.2 Problema 2

mano.La simulación realizada simulaba 100000 jue-
gos transcurridos y calcula la probabilidad de obtenerLos programas creados para la resolución de este
el Full para dicho caso, dicha simulación se realizo programa se encuentra en la subsección nombrada
100 veces. ”Problema 2” del script TareaFinal.

Enunciado: Utilizando los datos del archivo ”datos

1.csv”, encuentra la función de distribución que
mas se le juste y calcula sus parámetros princi-
pales. Si los datos correspondieran a una secuen-
cia temporal tomada en secuencia cada 10 minu-
tos, ¿Qué proceso estocástico lo podrı́a modelar?.

Para la solución de este problema se gráficó un his-

tograma de densidad de probabilidad de los datos
y se obtuvo lo siguiente:

Figure 1: Probabilidades de las simulaciones.

Los resultados obtenidos de la simulaciones fueron

las siguientes:

Parametro Valor
Probabilidad simulada Promedio 0.0032729
Desviación estándar 0.0001891
Error Promedio [%] 4.5523345
Figure 2: Histograma de Densidad de probabili-
Table 1: Resultados obtenidos de la Simulación dad.

Los resultados obtenidos en la simulaciones son Con la perspectiva que mostraba el histograma se
congruentes frente al calculo teórico, ya que se puedier.on proponer dos distribuciones de prob-
obtuvo un error promedio en la probabilidad sim- abilidad por simple inspección, que fueron una
ulada respecto a la teórica aceptable, con lo que Rayleigh y una Weibull.Los parámetros obtenidos
podrı́amos concluir que la simulación es correcta y de las distribuciones propuestas son los que se
era lo que se espera. Tambien se pudo concluir que muestra en la siguiente tabla.
la probabilidad de obtener un Full en cualquier
mano es la misma para cualquier jugador, dicho Parametro Valor
de otra forma el orden de como se repartan las Rayleigh [σ] 0.19990
cartas no influye en la probabilidad de obtener un Weibull [α] 1.97171
Full. Weibull [β] 0.28184

Table 2: Resultados obtenidos de la Simulación

LIER Modelos Estocásticos 4

UNAM Instituto de Energı́as Renovables

El ajuste obtenido de dichas distribuciones de prob- La Matriz de flujo Mf podemos definirla de la

abilidad se muestra en la siguiente grafica. siguiente manera:

Mf = A + αIn (3)

Donde la matriz In es la matriz identidad, la ma-

triz A es una que depende de los Cambios de es-
tado y del tiempo de promedio de permanecia en
un estado (T ). La matriz A esta definida de la
siguiente manera:
 
N1,1 N1,2 N1,3 · · · N1,j
N2,1 N2,2 N2,3 · · · N2,j 
 
A= . .. .. .. .. 
 .
. . . . . 

Ni,1 Ni,2 Ni,3 · · · Ni,j

Cei,j
Ni,j = , tal que Ce es Cambios de estado,
Cei,j Ti
T es el Tiempo de permanencia promedio en un
estado, y el ı́ndice i es el estado inicial y el j estado
final.
Figure 3: Probabilidades de las simulaciones.
El vector columna α depende de la matriz A y
esta definida de la siguiente forma:
Dado lo presentado se podrı́a utiliazar un proceso 
k

estocástico discreto o continuo (preferentemente
X
− N1,j 
discreta, ya que el numero de datos generarı́a un 
 j=1


intervalo pequeño de tiempo, lo cual dejarı́a grandes
 k 
 X 
espacios vacı́os de tiempo), como una Serie de − N2,j 
 
Markov discreta o continua. α =  j=1
 

 .. 

 . 

 k
 X 
3.3 Problema 3 −

Nn,j 
j=1
Los programas creados para la resolución de este
programa se encuentra en la subsección nombrada El Tiempo de permanencia y los Cambios de es-
”Problema 3” del script TareaFinal. tado para estos datos son los siguientes:

Enunciado: Los datos del archivo datos 2.csv, rep-

resentan un proceso de Markov continuo. Encuen-
tra la matriz de flujos Q, del proceso.

Para hacer el calculo de la matriz de flujo primero

se identifico el número de estados contenidos en los
datos, que fueron tres estados correspondientes a
los datos.

Figure 4: Tiempo de permacia en Estados.

LIER Modelos Estocásticos 5

UNAM
Figure 5: Cambios de Estados.
Obtenidos los parámetros anteriores se calculó la
Matriz de flujo quedando como resultante lo sigu-
iente:
 
−1.00431 0.48111 0.52320
Mf =  0.52320 −2.28017 1.00007 
 
0.44038 0.57878 −1.01915
El diagrama de la matriz de flujo para este caso
presenta la siguiente geometrı́a
Figure 6: Diagrama de transiciones de Estados.
LIER Modelos Estocásticos
Instituto de Energı́as Renovables
3.4 Problema 4
Los programas creados para la resolución de este
programa se encuentra en la subsección nombrada
”Problema 4” del script TareaFinal.
Enunciado: El precio de las acciones de una compañı́a
desde el año 2000, se encuentra en el archivo ”Ac-
cion.csv”, donde la primer columna contiene la
fecha ordenada en un arreglo año, mes, dı́a y la
segunda el precio en USD. Utilizando estos datos
calcula una predicción de su valor para marzo de
2015, utilizando modelos AR, ARMA y ARIMA.
Para la predección de las acciones como primer
paso se reviso si la serie temporal de la misma,
con el fin de saber si correspondia cada valor de la
acción y a cada dı́a de tiempo en transcurso (esto
es si todos los dı́as desde el comienzo de la serie
hasta el final eran continuos), de tal manera que
se encontro que correspondia a una serie discreta,
ya que habia dias en la que no se registraba la
acción.
Para poder convertir los datos a una forma con-
tinua se realizo un programa, que tomaba el ul-
timo valor de la acción registrado antes de que hu-
biera un dı́a sin valor de acción registrado, suponiendo
de esta manera que el valor de la acción durante
estos dias permanecia constante.
La serie obtenida (similar a la discreta ya que son
el mismo lapso de tiempo) se muestra a contin-
uación
Figure 7: Serie temporal de las acciones.
6
UNAM Instituto de Energı́as Renovables

Las caracterı́scas de los modelos de predicción son Las predicción obtenida para el mes de Marzo del
las siguientes: 2015, se puede visualizar en la siguiente gráfica

Modelo Orden
AR (1)
ARMA (1,1)
ARIMA (0,1,0)

Table 3: Caracterı́sticas de los modelos

Figure 9: Predicción de acciones para Marzo del

2015.

La region del valor de acción predecida se puede

ver en la siguiente tabla:

Modelo Valor [U SD]

AR 17.69-17.82
ARMA 17.70-17.84
ARIMA 17.31-17.33

Table 4: Precio de las acciones.

Figure 8: Predicción de acciones.

LIER Modelos Estocásticos 7