Documentos de Académico
Documentos de Profesional
Documentos de Cultura
sita: CENACE
JL Farah
Sept 6 2018
1. Distribuciones y Probabilidad
Dada una distribución F sobre los reales continua por la derecha , podemos
asignar probabilidades a intervalos …nitos de la forma (a; b] por medio de la
fórmula P f(a; b]g = F (b) F (a); y a sus complementos ( 1; a] [ (b: + 1) con
la fórmula, 1 F (b) + F (a)
A los tres intervalos in…nitos
( 1; b] ; ( 1; 1) y (a; +1)
1
1.1. De lo general a lo particular
Hemos mencionado la descomposición de Lebesgue (ca. 1900) de cualquier
distribución F en la mezcla de dos distribuciones, una continua y otra de piuros
saltos, esto es, con notación obvia,
2
1.2. Resumen
Una vez que sabemos medir la probabilidad de todos estos intervalos de reales,
degenerados o nó, podemos valuar la probabilidad de sus uniones …nitas
e in…nitas (numerables), así como sus complementos.
A toda esta familia de posibles conjuntos,
se le llama la famila de conjuntos de Borel (Emile Borel,ca.1900)
Se denotan como Bor(R); o solamente como B1 :
En suma, para cada distribución sobre los reales,
se puede en principio,
asignar una probabilidad a cada uno de los conjuntos de B1
1.0
F(x)
0.8
0.6
0.4
0.2
-1.2 -1.0 -0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
x
Distribución con saltos de;2 y;8 en 1 y +1 resp.
3
Ejercicio 10 Veri…que las probabilidades 1 6 y veri…que adicionalmente, que
cualquier intervalo (a; b) contenido entre 1 y +1 tiene asiganada P = 0:
1.0 1.0
f(x) F(x)
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0.0 0.0
0.0 0.5 1.0 1.5 0.0 0.5 1.0 1.5
x x
1.
u if 0 < u 1=2
F (u) =
1=2 + u if 1=2 < u < 1
4
1.5
Finversa
1.0
0.5
0.0
0.0 0.2 0.4 0.6 0.8 1.0
u
1.0
F(x)
0.8
0.6
0.4
0.2
-1.2 -1.0 -0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
x
Distribución con saltos de;2 y;8 en 1 y +1 resp.
La inversa vale 1 si 0 < u 0;2 y vale +1 si 0;2 < u < 1:
5
1.0
y
0.5
0.0
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
x
-0.5
-1.0
Observación 15 Notamos las plataformas del tamaño de los saltos donde ocur-
ren los saltos de F y un salto de tamano 2; donde F es constante, que es un
intervalo de esta longitud.
La inversa es continua or la izquierda !
40
35 20
30
25 15
20
15 10
10
5 5
-5 0
0 10 20 30 40 50 60 10 15 20 25 30 35 40 45
:
Note que la media teórica es n(p q) = 30:
Para emular una densidad de probabilidad empírica , las áreas de los
rectángulos deben sumar la unidad. Sigue esta grá…ca:
6
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
10 15 20 25 30 35 40 45
15
25
10
20
5
0 15
-5
10
-10
5
-15
-20 0
0 10 20 30 40 50 60 -15 -10 -5 0 5 10 15
0.1
0.08
0.06
0.04
0.02
0
-15 -10 -5 0 5 10 15
7
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
-45 -40 -35 -30 -25 -20 -15 -10 -5
5 30
0
25
-5
-10
20
-15
-20 15
-25
10
-30
-35
5
-40
-45 0
0 10 20 30 40 50 60 -45 -40 -35 -30 -25 -20 -15 -10 -5
8
Desde desde luego, nos interesa conocer el menor número l para el cual
FL 1 : Esto es, el umbral apertir del cual, cualquier pérdida mayor
ocurra con una probabilidad pequeña. Usualmente, su utilizan valores de =
0;85; 0;90; 0;91; 0;95; 0;99: En f’órmula
l = nf l : F (l) 1 = nf fl : F (l) g
Este número es el llamado valor en riesgo de la(s) p’erdida(s) L a nivel
; y se denota con el s’imbolo V@RL ( ). En suma,
V@RL ( ) = nf fl : F (l) g (4)
Atendiendo a la de…nición de la distribución inversa generalizada, se obtiene
inmediatamente que
V@RL ( ) = F ( ) (5)
Proposición 21 Si una distribución es estrictamente creciente en todos los
reales. o o en algún intervalo, La inversa generalizada coincide con la inversa
usual. Esto es,
F (u) = F 1 (u) (6)
De…nición 22 Sean F; G dos distribuciones. Decimos que G es del mismo tipo
que F , si existen constantes, A > 0 yB; Tales que
G(x) = F (Ax + B) (7)
(A factor de escala, B factor de corrimiento)
Ejercicio 23 Si F es del mismo tipo que G como en (7), entonces F es del
mismo tipo que G con 1=A y B=A jugando el mismo papel que A y B en (7).
Esto es, la relación tipo forma una clase de equivalencia.
1
Ejercicio 24 SI X es una v.a con distribución F; entonces A (X B) posee
una distribución del mismo tipo
Ejercicio 25 SI F y G dos distribuciones del mismo tipo (usando (7)) .
F (u) B
G(u) =
A
Ejercicio 26 Si F es una normal estándard y A = ; y B = ; entonces con
(7) obtenemos con G; una normal con varianza 2 y media : Basta conocer
N 1 ( ) para la est´ nadar. p.e. para el V@R, para obtener el V@R de cualquier
otra normal.
4. Referencias
Referencias
[1] Feller, W. Introduction to Probability Thepry and Its Applications, Vol. 2.
Wiley, 1973.