Nivelacion 01 2023

Curso de Nivelación
Probabilidad y Estadística
Maestría en Finanzas – Universidad Torcuato Di Tella
Prof. Sebastián Auguste
sauguste@utdt.edu
Objetivo
• Vamos a ver elementos de probabilidad y estadística que se ven en casi todas

las carreras de grado, mostrando aplicaciones a finanzas, que son
prerrequisitos para el curso obligatorio de Probabilidad y Estadística
MFIN. Nivelación. Prof. Sebastián Auguste 2

Motivación
• Tenemos una base de datos de panel de 100 mil hogares de EE.UU. y sus
ingresos anuales. ¿Qué análisis podemos hacer de estos datos históricos?

Módulo 1. Índice
1. Intro a Estadísticas Descriptivas

2. Tabulados e Histogramas
3. Medidas de Centro
4. Medidas de Posición
5. Medidas de Dispersión
6. Medidas de Deformación
7. Medidas de Asociación

1. Intro a Estadísticas Descriptivas

Estadística Descriptiva
• ¿Que es? agrupación, resumen y presentación de los datos

• ¿Para qué? Entender mejor que nos dicen, encontrar relaciones, tomar
decisiones
• ¿Como? Tabulados, Técnicas gráficas, medidas (e.g. media, varianza,
etc.)

Tipos de bases
• Series de tiempo (T)

• Evolución de las ventas de mi empresa
• Evolución del precio de una acción
• Cross Section (N)
• Una encuesta de satisfacción a clientes (que se hizo en cierta ventana de
tiempo)
• Una muestra de productos para hacer un control de calidad
• Datos de Panel (en general N grande y T chico)
• Evolución de los ratios contables de las empresas que cotizan en bolsa (veo a
distintas empresas y a la vez como evolucionan en el tiempo)
• Evolución de las ventas históricas para los distintos distribuidores de mi
producto
7
Tipo de “variables”
Variables
Cuali Cuanti
(categóricas) (numéricas)
Ejemplos:
◼ Estado Civil Discretas Continuas
◼ Equipo de Fútbol
◼ Color de Ojos
Ejemplos:
(Definen categorías) Ejemplos:
◼ Número de hijos
◼ Edad ◼ Altura
(Items contables) ◼ Ingreso
(Items incontables)
8
Tipo de estadística descriptiva
• Univariada: es una medida basada en una sola variable (e.g. media, varianza,
etc)
• Bivariada: relaciona dos variables (e.g. covarianza, coeficiente de correlación)
• Multivariada: relaciona a muchas variables (se usa para “describir” pero
también para “inferir”) e.g. regresión, componentes principales/análisis
factorial, clustering
EMBA-MBA. Nivelación. Prof. Sebastián Auguste 9

Univariadas
Datos categóricos o
Datos continuos
discretos)
se usan técnicas gráficas
tabulados simples o de
(histogramas) o medidas de
doble entrada (tablas de
posición y dispersión.
frecuencias)
10 MFIN. Nivelación. Prof. Sebastián Auguste

¿Cómo se obtienen los datos?
✓Encuestas: se elige a un subgrupo (muestra) de la población. Existen

muchas “técnicas de muestreo”
✓Censo: se recolecta información de toda la población
✓Estudios Experimentales: se obtienen los datos de un experimento
controlado (grupo de tratamiento y control)
✓Datos administrativos: e.g. base de datos de clientes, datos de la bolsa,
etc.
✓Internet: websites, redes sociales, etc.
✓Tipo de Base de Datos:
• No estructurados
• Corte transversal (cross-section)
• Series temporales (time-series)
• Datos en panel (panel data)

Muestra vs Población
✓Muestrear es más barato que censar

✓Pero, ¿se pueden extrapolar los resultados a la población?
✓ Propiedades de un buen muestreo
✓ Aleatorio
✓ No existe sesgo de autoselección
✓ No existe errores de medición
✓Estudios Observacionales vs. Experimentales
✓Fuentes:
✓Primaria: recolectada por el investigador (encuestas o
experimentos)
✓Secundaria: recolectada por otra persona (censos, bases de datos
publicas, internet, etc.)

• Base de datos típica: matriz con las filas correspondientes a las observaciones
y las columnas a las variables (una de ellas es el id)

Fundamental…
 Saber cómo se obtuvo la muestra.
 Entender sus limitaciones
 Ver si es consistente (e.g. outliers, missings o errores)
 Entender si podemos decir algo válido sobre el universo o

población
 e.g. ¿puedo de mi muestra de clientes extrapolar
comportamiento a toda la demanda potencial?

Técnicas de Muestreo
 Se refiere a cómo se obtiene la muestra a analizar

 ¿Qué tamaño de muestra mínima necesito?
 ¿Hago una encuesta telefónica eligiendo números al azar, o hago una
encuesta domiciliara eligiendo domicilios al azar?
 Ejemplos: (a) Encuestas de Intención de Votos, (b) Encuesta en
municipio
 ¿Qué hago cuando alguien no responde?
 Ejemplo: Encuesta FIEL Informalidad
 ¿Cómo sé si se responde la verdad?
 Prguntas double-check
 ¿Cómo armo la pregunta para evitar generar sesgos en las respuestas?

Tipos de Muestras
 Aleatorias (los elementos son elegidos en forma aleatoria con una

probabilidad conocida de inclusión)
 Simple
 Sistemático
 Estratificado
 Clusters
 No-Aleatorias (en general sesgadas para inferir propiedades para la
población)
 Convenience Sample e.g. encuestas en supermercados
 Judgment Sample – elegidos por el investigador

Fuentes comunes de error
 Error de muestreo (Sampling Error), la muestra difiere de la

población
 Error de cobertura: casos excluidos del marco muestral
 Self-Selection Bias –participantes que rechazan participar
 Non-response bias – sesgo cuando deciden no responder alguna
pregunta en particular
 Error de medición:
 Measurement Bias –preguntas pobremente fraseadas
 Response Bias –respuestas incorrectas o inverosímiles

Errores por wording
 Double-barreled question: ¿cuán satisfecho está usted con su
salario y las condiciones laborales?
 Leading question: guía a la persona a la respuesta. ¿Estaba el
acusado usando una remera blanca? (en lugar de ¿qué usaba el
acusado?)
 Loaded questions: contienen supuestos implícitos. ¿Ya no le pega
más a su perro? ¿está de acuerdo con que el gobierno controle
nuestras vidas?
 One-sided question: incluye solo algunas alternativas en las
respuestas
 Ambiguous question: la pregunta admite interpretaciones varias
 Muy importante siempre hacer Prueba Piloto

Conclusión
 Antes de hacer nada se debe conocer el alcance y las limitaciones
de los datos que vamos a usar.
 Saber cómo se obtuvo la muestra me indica que tipo de problemas
puedo tener.
 En Finanzas:
 datos de cotizaciones y balances (no es muestra aleatoria)
 Encuestas realizadas por instituciones
 Encuestas realizadas por la empresa

Estadísticas Descriptivas
1. Tabulados e Histograma
2. Medidas de centro (tendencia central): apuntan a dar una idea
de donde se encuentra el centro o corazón de los valores de los
datos
3. Medidas de posición: nos dan otras posiciones que no sea el
centro
4. Medidas de dispersión: apuntan a dar una idea de cuan juntos o
dispersos están los datos alrededor de la posición central
5. Medidas de forma: deformadas respecto a algo, por lo que se
requiere un punto de comparación (la Normal)
6. Medidas de asociación: cuando tengo dos variables

2. Tabulados e Histogramas

1. Tablas de Frecuencias e Histograma
Días de ausentismo en el último

 Tabulados de resultados.
trimestre
 Filas = clases/categorías o intervalos Número
Número de
 Columna, frecuencias (pueden ser %
de días emplea-
absolutas o relativas (%)) dos
 Más útil para datos discretos
0 410 28.5
1 430 29.9
2 290 20.1
3 180 12.5
4 110 7.6
5 20 1.4
1440 100.0
 ¿Qué porcentaje de individuos tiene menos de 3 hijos?
 ¿y entre 4 y 6 hijos? (8,4+3,6+1,6 o bien 97,3 - 83,8)
 ¿cuál es el tamaño familiar más común?
¿Se deben
excluir los
missings?

Outliers
20 20 22 24 85
20 20 22 24 ¿25?

Histogramas
 Histograma: grafico en barras (verticales) de las frecuencias (absolutas o
relativas).
 Variables continuas, se arman los intervalos
 (e.g. ingreso, cantidad de personas entre 1000 y 2000)
– Dividir el rango de valores posibles

de la variable en intervalos
– Contar para cada intervalo la
cantidad de casos
– Se puede armar en Excel (casero o
usando Herramientas para Análisis,
complemento de Excel a instalar) o
en los paquetes estadísticos como E-
Views
Clase Histograma Frecuencia Acumulada
0-999 5 5 6%
1000-1999 15 20 22%  Frecuencia
2000-2999
3000-3999
25
22
45
67
50%
74% Acumulada: como el
4000-4999
5000
15
8
82
90
91%
100% histograma pero
Histograma graficando las
30
25
frecuencias acumuladas
20
15
10  Graficos son útiles para

5
0
detectar outliers y
0-999 1000-1999 2000-2999 3000-3999 4000-4999 5000
potenciales errores.
Frecuencia Acumulada
120%
100%
80%
60%
40%
20%
27 0% MFIN. Nivelación. Prof. Sebastián Auguste

0-999 1000-1999 2000-2999 3000-3999 4000-4999 5000
Normalidad
 Los histogramas que representan datos reales frecuentemente
tienen forma de campana
 Esta forma se denomina distribución normal
 Hay buenas razones para que pase frecuentemente

Encuentre el histograma

Excel: Herramienta para Análisis
 Haga clic en el botón de Microsoft Office y, a continuación, haga clic en Opciones de Excel.
 Haga clic en Complementos.
 En el cuadro Administrar, haga clic en Complementos de Excel y, a continuación, en Ir.
 En el cuadro Complementos disponibles, siga uno de estos procedimientos:
 Para cargar Herramientas para análisis, active la casilla de verificación Herramientas para análisis y
haga clic en Aceptar.
 Para incluir funciones de Visual Basic para Aplicaciones (VBA) de Herramientas para análisis, active la
casilla de verificación Herramientas para análisis -VBA y, a continuación, haga clic en Aceptar.
 For Excel 2007 see http://office.microsoft.com/en-us/excel/HP100215691033.aspx
 For Excel 2003 see http://office.microsoft.com/en-us/excel/HP011277241033.aspx

3. Medidas de Centro

 Media: promedio simple de los valores de una variable.
 Mediana: valor del medio de la serie (ordenados de menor a
mayor)
 Moda: valor más frequente
 Otras: media ponderada, media móvil

Media Aritmética
 La media aritmetica es la suma de las observaciones dividida el
número de observaciones (promedio simple)
 Características de la Media
 intuitiva y fácil de calcular.
 Su valor puede que no coincida con ninguno de los valores de la muestra
 Tiene sentido para variables cuantitativas, no para cualitativas

Sumatoria
 El símbolo de sumatoria se usa para escribir de
manera sintética
Supongamos que tenemos un conjunto de datos {2,4,6,8}
Yo podría escribir también como 𝑥𝑖 = {𝑥1 , 𝑥2 ,…, 𝑥𝑛 } donde

el subíndice indica el orden de ese dato (el primer elemento, el
segundo y asi). Una forma elegante de resumir esta sumatoria
de n elementos es:
𝑛
෍ 𝑥𝑖 = 𝑥1 + 𝑥2 +…+ 𝑥𝑛
𝑖=1
 Aplicación: Media o Promedio (suma de n
elementos dividido por n)
1 n
X =  xi x1 + x2 + ... + xn
X=
n i =1 n
 De hecho es una función
X = f ( x1 , x2 ,..., xn )

Ejercicios de sumatoria
(1) compute σ4𝑖=1 (3i−1)

(2) Smalltown Bagels cocina n tipos de bagels. Hoy
planea cocinar xi tipos de i bagels, con un costo de
producción de ci pesos por unidad
a. Exprese el costo total
b. Dado los siguientes supuestos
n = 3 c1 = $1.20, x1 = 100 c2 = $1.50, x2 = 50 c3 =
$2.00, x3 = 50
compute el costo total de producción

solución
El costo va a ser la cantidad x de cada tipo de bagel por el costo

ci de este tipo de bagel
𝑛
𝐶 = ෍ 𝑥𝑖 ∗ 𝑐𝑖
𝑖=1
En el caso de tres elementos:
𝐶 = 𝑥1 ∗ 𝑐1 + 𝑥2 ∗ 𝑐2 +𝑥3 ∗ 𝑐3
= 1.20 ∗ 100 + 1.5 ∗ 50 + 2 ∗ 50

Media Geométrica
 Se define como la raíz n-ésima del producto de todos los valores
numéricos n
 Ventajas:
 considera todos los valores de la distribución
 es menos sensible que la media aritmética a los valores extremos.
 Desventajas:
 es de significado estadístico menos intuitivo que la media aritmética,
 su cálculo es más difícil y en ocasiones no queda determinada; por
ejemplo, si un valor xi=0 o hay valores negativos.

 La media geométrica surge naturalmente en finanzas
cuando hay “compounding” (denominada tasa efectiva)
 Se usa también para tasas de inflación y tasas de

crecimiento (tasas en general!)

Ejemplo: tasa de retorno efectiva
 Retorno, R: porcentaje de variación en el valor de un activo
en una unidad de tiempo.
 Retorno bruto, 1+R:
 Capitalizar: es el efecto del retorno sobre el capital

acumulado. Si la tasa mensual es 10% y pongo $100 por dos
períodos:
 t0 t1 t2
 100 110 121
 M0 M0*(1+R) M0*(1+R) (1+R)=Mo*(1+R)²

 Si la tasa cambia de período en período tengo
(1+R1)*(1+R2)*….*(1+RT)
 Llamemos RG al retorno acumulado punta a punta,
tendremos que:
1+RG =(1+R1)*(1+R2)*….*(1+RT)
 Esta RG es igual a una tasa mensual fija que da el mismo
retorno, que sería la tasa promedio efectiva mensual
1+RG =(1+R)*(1+R)*….*(1+R)=(1+R)^T
 (1+R)=[(1+R1)*(1+R2)*….*(1+RT)]^(1/T)

 Si la tasa del período cambia en cada mes tengo que la tasa
bruta promedio mensual obtenida en T períodos es la media
geométrica de las tasas brutas mensuales
1 + R G = (1 + R 1 )(1 + R 2 )(1 + R 3 )...(1 + R T )

1
T
1
 T 
R G =  (1 + R t ) − 1
T
 t =1 

Productorio
 Es una forma resumida (y elegante) de

presentar una multiplicación de variables.

La regla del 7 x 10
 Si inviertes tu dinero al 7% en 10 años duplicas tu capital

 Tras 10 años tendremos 100*(1+7%)10 =100*1.97  200
 Si invertes tu dinero al 10% en 7 años lo duplicas!

 Tras 7 años tendremos 100*(1+10%)7 =100*1.95  200

Ejemplo: Tasa promedio de inflación
 La inflación mensual en los últimos tres meses de 2019 fue:

 Forma incorrecta: (3,3%+4,3%+3,7%)/3
 Forma correcta: [(1+3,3%)*(1+4,3%)*(1+3,7%)]^(1/3)

Aplicación. Precios corrientes o
constantes
❖ Si la tasa de inflación anual es =25%, un producto que vale
$100 hoy pero sigue a la inflación valdrá el próximo
año….$125.
❖La regla es P1=P0*(1+ )
❖También es una función P1=f(P0,)
❖Si se ve la inflación acumulada en t años esta será (1+  )t

Ejercicio
❖ Cuando termine mi clase del MFIN me van a dar un premio de

USD1 millón, pero me lo pagarán en 3 años. ¿A cuanto equivale
ese millón a precios de hoy si el costo de oportunidad para mí es de
10%?

Solución
Si para llevar hacia adelante $100 lo multiplico por (1+i) donde i
es la tasa de interés. Si tengo $100 mañana tengo que hacer el
camino inverso para llevarlo a valores de hoy, es decir
100/(1+i)
Cuando se hace el camino inverso de habla de “descontar”.
En el ejercicio USD
1M / (1+i)^3 = USD1M / 1.1^3 = USD 751.314,8

Números Índices
 Si miramos evolución de ventas en el tiempo ventas(t)=
p(t)*q(t), la misma puede crecer porque sube el precio, la
cantidad o ambos a la vez.
 A menudo nos interesa fijar uno de estos para identificar los
efectos.
 Un “índice de precios” fija las cantidades y analiza la evolución
del precio en el tiempo
 Un “índice de cantidades” fija precios y mira evolución de
cantidades

 Una práctica usual es indicar o reexpresar con 100 el
“año base” (el que se escoge para fijar precios o
cantidades).
 Fijando las cantidades de hoy (momento 0), armo el
índice de ventas como
Ventas fijando divido por q0p0 y

Tiempo Índice
cantidades multiplico por 100
0 q0 p0 (q0 p0)/ (q0 p0 ) *100 100
1 q0 p1 (q0 p1)/ (q0 p0 ) *100 100*p1/p0
2 q0 p2 (q0 p2)/ (q0 p0 ) *100 100*p2/p0
Mediana
 Mediana Se ordeanda ascendentemente o descendentemente
los valores de una variables, y se define a la mediana como
aquel valor que deja el cincuenta por ciento de los datos por
debajo y otro cincuenta por encima. Depende si es par o impar:

Moda
 Valor que más se repite en la muestra (i.e. cuya frecuencia
absoluta es máxima).
 Problemas:
 Puede no ser único (varios valores pueden tener la misma
frecuencia absoluta)
 Puede no existir (si ningún valor se repite)
 Se puede usar con todo tipo de variable, pero es más útil para
variables cualitativa

¿Media, Mediana o Moda?
 Evolución del patrimonio neto ¿crees que no hay mucha
diferencia entre la media, mediana y modo? ¿Cuál es la
mejor medida?
2001 2010
$ 15,000 $ 15,000
$ 20,000 $ 20,000
$ 30,000 $ 30,000
$ 40,000 $ 40,000
$ 50,000 $ 100,000
Media …………. ………….
Mediana $30.000 $30.000.
55 Moda Prof. Sebastián Auguste ………….
MFIN. Nivelación. ………….
Pro Contras
-Cálculo sencillo. -Muy sensible a variaciones muestrales
-Interpretación muy clara -Robusto a variaciones fuera de la moda

Moda -Puede calcularse para variables -No siempre se sitúa hacia el centro de la
cualitativas distribución.
-Poco sentido para variables continuas (ingreso $)

-Puede haber más de una moda.
-Fácil de calcular -Solo sirve para variables numéricas u ordenables
Mediana -Robusto a outliers -Sensible a variaciones muestrales

concepto no tan familiar
-Todo el mundo entiende un
promedio -Afectado por outliers
-Poco sensible a variaciones
Media muestrales -Valor medio puede caer fuera de los posibles
-Usa todos los datos de la -No es útil para variables discretas (cuál es la media
56
variable
MFIN. Nivelación. Prof. Sebastián Auguste entre un hombre y una mujer)
Ejemplo de análisis de datos
 En los 1980s paradoja en los MBA de EE.UU., al tiempo que el
ingreso promedio de los egresados cayó de US$ 90.000 en 1980 a
US$ 88.000 en 1990, se daba un boom de matriculados.
 ¿Son los estudiantes de MBA irracionales? ¿Qué pudo causar esto?

Composition bias!
 Sesgo por composición! (composition bias)

Media Ponderada
 Promedio Simple era

𝑋1 + ⋯ + 𝑋𝑛 1 1
𝑋ത = = 𝑋1 + ⋯ + 𝑋𝑛
𝑛 𝑛 𝑛
 Podríamos querer que en lugar de ponderar cada observación
igual, que cada una pondere distinto.
𝑋ത = 𝑤1 𝑋1 + ⋯ +𝑤𝑛 𝑋𝑛
 Siempre que 𝑤1 + 𝑤2 +…+ 𝑤𝑛 =1

Media Ponderada
 La media ponderada permite poner diferente peso o importancia

a las distintas observaciones. Por ejemplo, podríamos armar un
índice de retornos donde las empresas grandes ponderan más que
las chicas.
 Definición:
n n
X w =  wi X i donde 0  wi  1,  wi = 1
i =1 i =1
wi es el ponderador para la observación i. Los ponderadores deben

sumar uno
Ejemplo. Muestreo estratificado
 Tenemos 3 barrios, en cada uno viven 1000 personas.
 Queremos tomar una muestra de 30 personas para conocer el
ingreso promedio. Sabemos que en el barrio 1 todas las personas
ganan lo mismo entre sí, y en el barrio 2 también. ¿No basta con
encuestar una? Podemos ahorrar costos y entrevistar a 12
personas.
 X1: persona barrio 1
 X2: persona barrio 2
 X3 a X12: personas en barrio 3
 Si para ver el ingreso promedio hacemos la media artimética
simple tienen más influencia las personas del barrio 3. El muestreo
que hicimos fue estratificado

 Promedio ponderado. La persona en el barrio uno equivale a
10, y lo mismo en el barrio 2. El promedio ponderado para
desarmar la estratificación es:
10 10 1 1
ത
𝑋= 𝑋1 + 𝑋2 + 𝑋3 + ⋯ + 𝑋12
30 30 30 30

 Algunos usos el promedio ponderado:
 Algunos índices compuestos (e.g. índice de precios, índice de
desempeño)
 Bases de datos estratificadas
 Portafolios de inversión
 WACC

Benchmarking con grupos heterogeneos
 Supongamos que quiero comparar Argentina con “la

región”.
 ¿Cómo construyo un promedio regional? ¿hago un
promedio simple de países o uno ponderado? Y si
pondero, ¿cuál es la variable relevante para hacerlo?
 Si sumo el PBI de todos los países de Sudamérica y luego
lo divido por su población, ¿es lo mismo que promediar
los PBI per cápita de cada país? ¿cuál es la diferencia?

Ejemplo
PBI per capita en ppp Tamaño población (millones) Ponderador
Argentina 19,940 43.8 13.3% 43.8/329.66
Belice 8,400 0.36 0.1%
Brasil 15,000 207.7 63.0%
Colombia 14,000 48.7 14.8%
Chile 23,100 17.9 5.4%
Costa Rica 16,600 4.9 1.5%
El Salvador 8,600 6.3 1.9%
TOTAL 329.66
Promedio simple 15,091
Promedio ponderado 15,843

Quiero tener una idea del ingreso promedio de mi mercado en Latam, ajustado por paridad de
compra de la moneda (ppp). Tengo datos del PBI per capita de cada país, pero si hago un
promedio simple pesa lo mismo El Salvador que Brasil y son muy distintos en tamaño. El
promedio ponderado lo armo primero armando el ponderador como el % que cada país
representa en el total de la población, y luego hago una suma de los PBI pero multiplicando
cada valor por su ponderador, esto es un promedio ponderado
65
Media móvil
 Es un promedio de los valores de una serie temporal para un
período de tiempo dado (ventana de estimación).
 Tendremos tantos promedios como Rolling Windows
podamos armar. Generalmente se grafican, y sirve para ver
tendencias eliminando la volatilidad de los datos.
 Issues:
 Se debe prefijar la ventana (e.g. 10 días)
 Se debe decidir si es promedio simple o ponderado (por
ejemplo ponderando más los valores más cercanos)

Excel
 Max() min()
 Count() o contar()
 Mediana…………mediana() o median()
 Media …………..promedio() o average()
 Moda……………moda() o mode()

4. Medidas de posición

Cuartiles
 Los cuartiles dividen a un conjunto de datos en cuatro
partes iguales (ordenados de menor a mayor).
 La mediana indicaba que el 50 por ciento de los datos son
mayores que la mediana y 50 por ciento son menores.
 De manera similar el primer cuartil (Q1) es el valor por
debajo del cual se encuentra el 25% de los datos
 (i.e. Q1 se puede entender como la mediana de la mitad inferior
de los datos ordenados y Q3 como la mediana de la mitad superior
de los datos ordenado).

Quintiles y Percentiles
 El Quintil es el mismo concepto que el cuartil pero dividiendo en 5
partes. El percentil divide en 100 partes iguales.
 Sea Lp la posición del percentil deseado, entonces
 donde n es el numero de datos y p el percentil (e.g. el percentil 50 es el

P50, que es también la mediana ó el Q2. El percentil 25 es el P25=Q1y el percentil
75 es el P75=Q3)
 Calculo del p-ésimo percentil
 Paso 1: Ordenar los datos de manera ascendente.
 Paso 2: Calculamos el Lp
 Paso 3:
 a) Si Lp no es entero, se redondea. El valor entero inmediato mayor que Lp indica
la posición del p-ésimo percentil.
 b) Si Lp es entero, el p-ésimo percentil es el promedio de los valores de los datos ubicados
en los lugares i e i+1
Excel lo hace por vos
 El comando percentile(A1:A15,k) te da el percentil al k%

para los datos que van de A1 a A15 en tu hoja de Excel.
 Si el Excel lo tenés en español, el comando es “percentil”

5. Medidas de dispersión

Medidas de Dispersión

Profundidad
Promedio=90 cm.

 A menudo nos interesa conocer cómo los datos se
aglomeran en torno a alguna medida de localización de
interés
 Se dice que tiene una dispersión grande si se esparcen
ampliamente alrededor de alguna medida de localización.
 Las medidas descriptivas más comunes de dispersión son: el
rango, la varianza, la desviación estándar y el rango
intercuartílico.
 El punto de interés sobre el cuál nos interesa ver la
dispersión suele ser la media.

 Rango: diferencia entre valores máximo y mínimo (usado
para mostrar amplitud de los datos)
 Rango Intercuartil (IQR): intervalo que contiene 50%

central de las observaciones (longitud del intervalo que va
desde el 1er al 3er cuartil, o desde el percentil 25 al 75)

 Rango mira solo extremos
 Otra idea es ver desvíos de la media
 Para tener una medida global podría sumar los desvíos,

pero ….¡da cero!

Varianza Muestral
 Es el promedio de los desvíos de la media muestral al cuadrado.

 Es una suma positiva (a mayor valor mayor varianza) y Penaliza los
desvíos en forma cuadrática.
 No tiene igual unidad de medida que las variables originales
 Desvío Estandar muestral es simplemente la raíz cuadrada de la

varianza (la unidad de medida es la misma que la muestra).
 (ejemplo, si x era una variable en $, la varianza es algo así como pesos al
80
cuadrado, el desvío
MFIN. Nivelación. Prof. es pesosAuguste
Sebastián de nuevo)
Comparando varianzas
 ¿Se pueden comparar las varianzas de
dos variables distintas? Temperatura Cantidad de lluvia
Promedio promedio
 ¿Varía la lluvia promedio menos que la Semanal (C°) semanal (mm)
temperatura promedio? 31 12
29 11
 ¿Cual es cual? 27 6
23 6
21 6
35 16
12 14
30 14
25 6
12
25
18 3
10
20 22 3
8 Series1
15 Series2 25 2
6
10
Media 23.3 6.9
4
Varianza 30.5 16.8
5 2
Desvío 5.5 4.1
0 0
81 1 2 MFIN.
3 4 Nivelación.
5 6 7Prof.
8 Sebastián
9 10 Auguste
 Morningstar Fund Values en su Guia sobre cómo leer los
reportes financieros y recomendaciones a sus inversores
aclara:
 ¿Por qué el desvío estándar puede no ser una buena medida

de riesgo?
Coeficiente de Variación Muestral
 Varianzas con medis distintas no son

comparables(varianza no está libre de unidad de
medida).
 Para tener una medida de variación independiente de la
unidad de medida se usa el Coeficiente de Variación

◼ Seleccione:
tools / data analysis /
descriptive statistics

 Ingrese los detalles
en el cuadro de
diálogo
 Clickee en
summary statistics
 Click OK

Estadísticas descriptivas
de los datos de los precios
de las casas:
House Prices:
$2,000,000
500,000
300,000
100,000
100,000

6. Medidas de deformación

 Muchas veces nos
interesa ver como se
“deforma” una
distribución respecto a
la Normal

Asimetría
 Días de concepción de un
 Ingresos, habilidad,
parto.
Asimetría
 Simetría: decimos que una distribución es simétrica si los

valores de la serie de datos en un histograma tienen un solo
pico en el centro y "tiene el mismo aspecto" a la izquierda y
derecha (efecto espejo).
 Si el conjunto de datos es simétrico, la media y mediana son

aproximadamente iguales. Por lo que otra forma de ver
asimetría es computar media y mediana y ver si difieren mucho
entre sí
Asimetría
 Días de concepción de un
 Ingresos, habilidad,
parto.
Relación entre Tendencia Central y la
Simetría de la distribución
MFIN. Nivelación. Prof. Sebastián

Auguste
¿Cómo medirla?
 Hay varias formas propuestas, pero…Excel lo hace por vos¡
 SKEW function.
 SKEW > +1, positively skewed.
 SKEW < -1, negatively skewed.
 -1 < SKEW < +1, datos relativamente simétricos.
 La que usa Excel es el Coeficiente de Asimetría de Fisher-

Pearson definido como:

 Income.xlsx contiene información de ingresos para
familias de EE.UU ajustadas por inflación para 1975,
1985, 1995, y 2005.
 ¿Están las familias mejorando en el tiempo?
 ¿Es la distribución del ingreso más asimétrica hoy que en

1975?

Curtosis
Analiza el grado de concentración que presentan los
valores alrededor de la zona central de la distribución.
Leptocúrtica
Mesocúrtica
Platocúrtica

Coeficiente de Curtosis:
 Distribución mesocúrtica: g2 = 0
 Distribución leptocúrtica: elevado grado de

concentración alrededor de los valores centrales de la
variable. g2 > 0
 Distribución platicúrtica: reducido grado de
concentración alrededor de los valores centrales de la
variable. g2 < 0

Normalidad
 Histogramas acampanados
 Simétrico
 Sin exceso de curtosis
 Relación entre media y desvío estándar

 Para datos aproximadamente normales:

ejemplo
 Use Cisco.xlsx, que contiene retornos mensuales de Cisco
Systems para los 1990s.
 Use la regla previa para describir los retornos (celdas
E7:E12, computa los bounds)
 99.7% de los retornos mensuales se encuentran entre .055
± 3 (.122) — i.e.-31% a 42%.
 95% entre .055 ± 2 (.122) — i.e., -19% a 30%.
 68% entre .055 ± .122 - i.e., -7% a 18%.

 En Cisco.xlsx tambien hay datos de GM y Microsoft.
 (1) esperaría que el 95% de los retornos mensuales de
Microsoft se encuentren entre __________ y ________.
 (2) y el 68% de los retornos mensuales de GM entre
__________ y __________.

7. Medidas de asociación

• Hasta ahora hemos discutido cómo utilizar las medidas de
tendencia central y variabilidad para resumir un conjunto de
datos.
• Ahora vemos la forma de medir la fuerza de la relación entre
dos conjuntos de datos.
• Por ejemplo, ¿cómo se relaciona el precio de una casa con el
tamaño? ¿Cómo se relacionan los rendimientos de dos activos?
• La relación entre dos conjuntos de datos se ve gráficamente
con el Diagrama de Dispersión y se mide por la covarianza y
correlación.

Diagramas de Dispersión (Scatter Diagrams)
• En cada eje se pone una variable y cada punto corresponde a una

observación.
• Sirve para ver si dos variables están asociadas (positivamente si las dos
suben o caen al mismo tiempo, negativamente si se mueven en
dirección opuesta, no asociadas si no muestra una tendencia clara) y
para identificar comportamientos anómalos

S. Auguste, R. Bebczuk y R. Moya (2011)“The Demand for Mortgages under
Macro Volatility: The Argentine Case”, IDB-TN-284, Inter-American Development
Bank.

Auguste y Moskovits (2006) "La Presión Tributaria sobre el Sector de Negocios en la
Argentina“ en FIEL, La presión tributaria sobre el sector formal de la economía. FIEL,
Buenos Aires, 2006.
60
50
Presión Tributaria Bruta (impuestos gob
central+local+seguridad social)
40
Argentina(2005)
30
20 Argentina(2000)
10
0
- 5,000 10,000 15,000 20,000 25,000 30,000 35,000 40,000 45,000 50,000
PBI per capita (ppp en US$)
Europa Oceanía Países Escandinavos EE.UU. y Canadá Argentina Latam Asia Lineal
 Un gráfico más complejo aún, pero más rico en el análisis es
el que se conoce como shift-share, donde se busca ver
correlación entre dos variables y a su vez importancia y
desempeño relativo.

Auguste S. y Stein E. (2012) “Inserción Internacional en América
Central y República Dominicana. Diagnóstico y Desafíos”, RES-BID
75%
Crecimiento Anual de las Importaciones del
65%
Mercado de Destino (2001-2008)
55%
45% Mercados en Expansión
35%
United Arab Emirates
China
25% Russian Federation India
Trinidad and Tobago Brazil
Ecuador Chile
Korea Venezuela
EU Colombia Thailand
15% CAC Singapore Australia
Malaysia
Taiwan Hong Kong
Japan Jamaica
5% Mexico Región: sus mercados de
Canada
USA exportación crecieron (promedio
ponderado) menos que el
-5% mundo, y se perdió market share
en estos mercados
-15%
Mercados en Declive
-15% -5% 5% 15% 25% 35% 45% 55% 65% 75%
Crecimiento Anual de las Exportaciones de la Región al Mercado de Destino

(2001-2008)
Covarianza
 Consideremos dos variables X e Y y una colección de datos
(X1,Y1),…, (Xn,Yn),
 Podemos computar las medias y varianzas, pero no
nos dice nada de cómo se mueven en forma conjunta.
( X1 − X )
2
+ ... + ( X n − X )
2
1 n
(X i − X )
var( X ) = = 
2
n −1 n − 1 i =1
(Y1 − Y ) + ... + (Yn − Y )

2 2
1 n
( )
var(Y ) = =  i −
2
Y Y
n −1 n − 1 i =1
 ¿Y si combinamos ambos?
 Técnicamente Covarianza se define como
cov( X , Y ) =
( X 1 − X )(Y1 − Y ) + ... + ( X n − X )(Y1 − Y )
n −1
n
=
1
 ( X i − X )(Yi − Y )
n − 1 i =1
( X i − X )  0 (Yi − Y )  0
 Cov (X,Y)=SXY
 Idea de cómo se mueven en forma conjunta
 Ver excel , En Excel: COVAR(...)

 divide por n en lugar de n-1, con lo cual debería reajustarse si uno quiere obtener
la covarianza muestral
INTUICIÓN
 Si en promedio cuando X está por encima de su media
pasa que Y también está por encima de su media
entonces su producto será un valor positivo
 Cov(X,Y)>0 indica que se mueven en forma proporcional (en promedio
ambas suben o bajan al mismo tiempo)
 Cov(X,Y)<0 indica que se mueven en direcciones opuestas.
 Al igual que la varianza, no está libre de escala y no puedo comparar

covarianzas entre distintas variables.
 La covarianza no me dice el grado de asociación (cuan parecido se

mueven o no) sino si lo hacen en igual dirección en promedio o no.
 Tenga en cuenta que la covarianza sólo mide la fuerza de una relación
lineal y no es útil para la detección de las relaciones no lineales entre
las variables. Por lo tanto, la covarianza es una medida de la
asociación lineal entre dos variables.
 La covarianza entre dos variables depende de las unidades en
que se miden las variables.
 Por lo tanto, la interpretación de la magnitud de una
covarianza es difícil.
 La correlación de Pearson (denotado generalmente por r) es
una unidad de medida libre del grado de asociación lineal
entre dos conjuntos de datos X e Y.

Coeficiente de Correlación (r,)
 Intenta medir cuan asociadas (linealmente) están dos variables
Propiedades
 Donde
•Libre de unidad
de medida
•Entre -1 y 1
 En Excel: CORR(...)
Propiedades del coeficiente de
correlación
 Invariante al cambio de unidades (si paso de medir las ventas
de miles de USD a millones no cambia el coeficiente)
 −1   1 ya que está normalizado por los desvíos
 mide dependencia lineal, si los datos (Xi,Yi) ienden a caer
sobre una recta
 cuantifica la fuerza de la relación, pero no la forma de la recta
(su pendiente y ordenada al origen)
 Correlación no es lo mismo que Causalidad

Variables con Correlación Positiva Perfecta
=1

Dos ejemplos distintos de =1

Variables con Correlación Negativa
Perfecta, =-1

Variables con Correlación Cero

Variables con una fuerte asociación no
lineal

 Issues:
 ¿Correlación implica causalidad?
 ¿y si la relación no es lineal que me dice este índice?
 ¿y si quiero graficar una recta que represente la relación?
 ¿y si tengo más de dos variables que me interesa ver como se
relacionan entre sí?

Correlación no implica causalidad
Fuente: The Trouble with QSAR (or How I Learned To Stop Worrying and Embrace Fallacy),
Stephen R. Johnson *
Bristol-Myers Squibb, Co., Princeton, New Jersey 08543
J. Chem. Inf. Model., 2008, 48 (1), pp 25–26
DOI: 10.1021/ci700332k
Publication Date (Web): December 28, 2007
Copyright © 2008 American Chemical Society
 Fuente: The Trouble with QSAR (or How I Learned To Stop Worrying and Embrace Fallacy), Stephen R. Johnson *
 Bristol-Myers Squibb, Co., Princeton, New Jersey 08543
 J. Chem. Inf. Model., 2008, 48 (1), pp 25–26
 DOI: 10.1021/ci700332k
 Publication
MFIN.Date (Web): December 28, 2007
124 
Nivelación. Prof.
Copyright © 2008 American Chemical Society
Sebastián Auguste
 Cuantos más bomberos se envían a un incendio, más daño se hace.
 Los niños que reciben clases de apoyo obtienen peores calificaciones.
 Cuanto más polícias se mandan a la calle a patrullar, mayor es la tasa

de robos.
 Cuanto más gaseosas diet toma un individuo, mayor es el riesgo de

ser obeso.

 Pero … Google ha hecho cientos de miles de millones de dólares sin
darle importancia a la causalidad.
 A veces correlación es suficiente para sacar conclusiones.

 ejemplo, los conductores varones se correlacionan con más accidentes,
por lo que las compañías de seguros con credit scoring les cobran más.
No se puede cambiar el género de los conductores de forma
experimental.
 Para encontrar la relación de causalidad, por lo general se necesitan

datos experimentales (no sirven los observacionales). Muchas veces
se dan cuasi-experimentos (e.g. AMIA).
 La correlación es una condición necesaria pero no suficiente para la

causalidad. Para demostrar la relación de causalidad se requiere un
contrafáctico (que hubiera pasado si…).

Nivelacion 01 2023

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Nivelacion 01 2023

Cargado por

Copyright:

Formatos disponibles

Curso de Nivelación

• Vamos a ver elementos de probabilidad y estadística que se ven en casi todas

MFIN. Nivelación. Prof. Sebastián Auguste 2

MFIN. Nivelación. Prof. Sebastián Auguste 3

1. Intro a Estadísticas Descriptivas

MFIN. Nivelación. Prof. Sebastián Auguste 4

MFIN. Nivelación. Prof. Sebastián Auguste 5

• ¿Que es? agrupación, resumen y presentación de los datos

MFIN. Nivelación. Prof. Sebastián Auguste 6

• Series de tiempo (T)

EMBA-MBA. Nivelación. Prof. Sebastián Auguste 9

10 MFIN. Nivelación. Prof. Sebastián Auguste

✓Encuestas: se elige a un subgrupo (muestra) de la población. Existen

MFIN. Nivelación. Prof. Sebastián Auguste 11

✓Muestrear es más barato que censar

MFIN. Nivelación. Prof. Sebastián Auguste 12

MFIN. Nivelación. Prof. Sebastián Auguste 13

 Entender sus limitaciones

 Ver si es consistente (e.g. outliers, missings o errores)

 Entender si podemos decir algo válido sobre el universo o

14 MFIN. Nivelación. Prof. Sebastián Auguste

 Se refiere a cómo se obtiene la muestra a analizar

15 MFIN. Nivelación. Prof. Sebastián Auguste

 Aleatorias (los elementos son elegidos en forma aleatoria con una

16 MFIN. Nivelación. Prof. Sebastián Auguste

 Error de muestreo (Sampling Error), la muestra difiere de la

17 MFIN. Nivelación. Prof. Sebastián Auguste

 Muy importante siempre hacer Prueba Piloto

19 MFIN. Nivelación. Prof. Sebastián Auguste

20 MFIN. Nivelación. Prof. Sebastián Auguste

MFIN. Nivelación. Prof. Sebastián Auguste 21

Días de ausentismo en el último

24 MFIN. Nivelación. Prof. Sebastián Auguste

25 MFIN. Nivelación. Prof. Sebastián Auguste

– Dividir el rango de valores posibles

10  Graficos son útiles para

27 0% MFIN. Nivelación. Prof. Sebastián Auguste

28 MFIN. Nivelación. Prof. Sebastián Auguste

29 MFIN. Nivelación. Prof. Sebastián Auguste

30 MFIN. Nivelación. Prof. Sebastián Auguste

MFIN. Nivelación. Prof. Sebastián Auguste 32

33 MFIN. Nivelación. Prof. Sebastián Auguste

34 MFIN. Nivelación. Prof. Sebastián Auguste

Supongamos que tenemos un conjunto de datos {2,4,6,8}

Yo podría escribir también como 𝑥𝑖 = {𝑥1 , 𝑥2 ,…, 𝑥𝑛 } donde

 De hecho es una función

36 MFIN. Nivelación. Prof. Sebastián Auguste

(1) compute σ4𝑖=1 (3i−1)

37 MFIN. Nivelación. Prof. Sebastián Auguste

El costo va a ser la cantidad x de cada tipo de bagel por el costo

38 MFIN. Nivelación. Prof. Sebastián Auguste

39 MFIN. Nivelación. Prof. Sebastián Auguste

 Se usa también para tasas de inflación y tasas de

40 MFIN. Nivelación. Prof. Sebastián Auguste

 Retorno bruto, 1+R:

 Capitalizar: es el efecto del retorno sobre el capital

41 MFIN. Nivelación. Prof. Sebastián Auguste

42 MFIN. Nivelación. Prof. Sebastián Auguste

1 + R G = (1 + R 1 )(1 + R 2 )(1 + R 3 )...(1 + R T )

43 MFIN. Nivelación. Prof. Sebastián Auguste

 Es una forma resumida (y elegante) de

44 MFIN. Nivelación. Prof. Sebastián Auguste

 Si inviertes tu dinero al 7% en 10 años duplicas tu capital

 Si invertes tu dinero al 10% en 7 años lo duplicas!

 Forma correcta: [(1+3,3%)(1+4,3%)(1+3,7%)]^(1/3)