Programa Maestría en

Finanzas Corporativas

Análisis Cuantitativo de la Gestión Financiera

Profesor: Gonzalo Cuadros Herrera

 Probabilidades, Distribuciones
discretas e introducción al @RISK
Definiciones

• Experimento aleatorio Es cualquier

experimento cuyo resultado no se puede
predecir con certeza
• Espacio muestral asociado a un
experimento aleatorio Es el conjunto de los
resultados posibles del experimento. Se
denota por  o S
Espacio muestral

• Discretos finitos: tienen un número finito

de elementos
• Discretos infinitos: tienen un número
infinito numerable de elementos.
• Continuos: tienen un número infinito no
numerable de elementos.
Eventos
◼Es cualquier subconjunto de espacio muestral.
Eventos

• Sean A y B dos eventos de 

• Unión AB es el evento que ocurre en al menos uno
de los dos eventos ocurre
• Intersección AB es el evento que ocurre en ambos
eventos ocurren
• AC =  - A es el evento complementario de A y ocurre
en A no ocurre.
• Eventos mutuamente excluyentes si AB=.
Los eventos A, B son mutuamente excluyentes si la
ocurrencia de uno impide la ocurrencia del otro
Probabilidad de un evento

• Definición axiomática Una probabilidad es una

transformación P, que asigna a cada evento A de un
espacio muestral , un número real P(A) tal que:
• P(A)  0 para todo evento A.
• P() = 1
• P() = 0
• P(A) + P(AC) = 1
• P(A)  1
Regla de la suma y multiplicación

• Si A y B son mutuamente excluyentes:

P(A o B) = P(A) + P(B)
• Si A y B no son mutuamente excluyentes: P(A o B) =
P(A) + P(B) – P(A y B)
• Si A y B son eventos independientes:
P(A y B) = P(A) x P(B)
• Si A y B son eventos dependientes:
P(A y B) = P(A) x P(B/A)
Los eventos A y B son independientes si la ocurrencia de
uno no afecta en ninguna forma a las posibilidades de
que ocurra el otro
Variable aleatoria

• Sea  un espacio muestral. Una variable

aleatoria es una función X, que transforma
cada resultado w del espacio muestral en un
número real X(w)
• El rango de la variable aleatoria X es el
conjunto RX de todos sus posibles valores.
 Reales
w
x=X(w)
RX
Tipos de variable aleatoria

• Discreta si su rango es un conjunto finito o

infinito numerable , solo un número
limitado de valores.

• Continua si su rango es un conjunto

continuo, es aquella que puede tomar
cualquier valor dentro de un intervalo
dado
Distribución de probabilidad

• Una distribución de probabilidad describe la

forma en que se espera que varíen los
resultados.
• Se puede pensar en una distribución de
probabilidad como una distribución de
frecuencias teóricas.
Valores xi de X x1 x2 ... xn
Probabilidad f(xi)=P[X=xi] f(x1) f(x2) ... f(xn)
Probabilidad en una v.a. discreta

• Sea  un espacio muestral y P una asignación de

probabilidades definida sobre sus eventos.
• Son aquellas para las cuales las variables
posibles tienen un número limitado de
valores.
• f(x)  0
• f(x) = P(X = x )
• La suma de f(xi) = 1
Función de distribución acumulada

• La función de distribución acumulada F(x)

• La función distribución acumulada nos indica
cual es la probabilidad que cierta variable
aleatoria sea menor o igual a un
determinado valor.
• Esta probabilidad es la suma ( variables
discretas) de las probabilidades de todos los
valores posibles.
Valor esperado de una variable aleatoria
discreta

E(X ) =  x f (x )
xi RX
i i

E (x) = Sumatoria [(x) * f (x)] f(x)=P(x)

E(x): valor esperado
x: cada valor de la distribución
P(x): probabilidad de ocurrencia de cada x
Caso 1

Usted con frecuencia invierte en la Bolsa de Valores, estudia

cuidadosamente cualquier inversión potencial. En la actualidad está
analizando la posibilidad de invertir en la Cía. EdelSur. Haciendo un análisis
del comportamiento pasado de la compañía, usted ha dividido los resultados
potenciales de la inversión en cinco resultados posibles, con sus respectivas
probabilidades. Los resultados son los índices anuales de recuperación de un
solo paquete de acciones que actualmente cuestan $150.

Recuperación inversión en $ 0 10 15 25 50
Probabilidad 0.20 0.25 0.30 0.15 0.10

Encuentre el valor esperado de la recuperación de la inversión en un

solo paquete de acciones. (ver base de datos S-2)
Solución con EXCEL
Solución con @Risk
Distribución Binomial

• Un experimento Binomial consiste de una serie de

n pruebas o ensayos fijados antes de realizar el
experimento.
– Las pruebas son idénticas y cada una puede
resultar en uno de dos resultados: Éxito (E) o
Fracaso (F).
– Las pruebas son independientes entre si.
– La probabilidad de éxito es constante de una
prueba a otra y se denota por p.
Distribución Binomial

◼ Esperado o media: E[X] = n p

◼ Varianza: V[X] = n p (1-p)
◼ p<0.5 tiene
sesgo derecho

◼ p=0.5 la distribución
es simétrica

◼ p>0.5 tiene
sesgo izquierdo
Distribución Binomial

• La variable aleatoria Binomial se define

como el número de éxitos obtenidos en los
n intentos.
• La función de probabilidad es:
f ( x ) = PX = x  = C p (1 − p )
n− x
n
x
x
x = 0 ,1, 2 ,  , n
◼ Los parámetros de la distribución Binomial
son n y p.
◼ Se denota por X~ B(n, p)
CASO 2
Solución del caso 2
Solución del caso 2
Solución del caso 2

Solución del caso 2

Solución del caso 2
Solución del caso 2
Solución del caso 2
Solución del caso 2
Solución del caso 2
Solución del caso 2
Solución del caso 2
Solución del caso 2
Solución del caso 2
Solución del caso 2