005AF Estadística Aplicada a las Finanzas

Ing. MSc. Angel Antonio Rivas Rivera

Sesión 4
Tipos de distribuciones

Determinación de tipo de Tipo de distribución

datos
Datos continuos Distribución Normal
Datos continuos Distribución tStudent
Datos discretos Distribución Binomial
Datos discretos Distribución Poisson
Distribuciones de probabilidad
• Una vez que un fenómeno se a caracterizado por una distribución de
probabilidad, la distribución se puede utilizar para predecir la probabilidad de
encontrar valores de datos específicos (o rango de valores)

Ejemplo: La altura de las personas generalmente sigue una distribución normal

– Para la población de mujeres europeas, supongamos:
• La altura promedio es 165 cm
• La desviación estándar es 10 cm
• La probabilidad de encontrar mujeres europeas de otras alturas se muestra de
forma gráfica en la siguiente diapositiva
Ejemplo: distribución de probabilidad

Existe una mayor probabilidad de ver

una mujer que mida 165 cm que una
que mida 145 cm

Existe la misma probabilidad de ver

una mujer que mida menos de 155 cm
y una que mida mas de 175 cm
Distribución normal
• Si un conjunto de datos tiene distribución
normal, significa que, al trazarse es como una
distribución simétrica en forma de campana.
• La mayoría de los puntos están cerca de la línea
central o promedio.
• La línea central divide la curva en dos mitades
simétricas.
• Algunos de los puntos se acercan al valor
mínimo y al valor máximo.
• Pocos puntos están fuera de la curva de la
campana
• Simétrica con respecto a la media μ donde
coinciden la mediana (Mn) y la moda (Mo)
• Los puntos de inflexión tienen como abscisas los
valores
Distribución normal
N(μ, σ): Interpretación geométrica

• Podemos interpretar la media

como un factor de traslación,
dado que es medida de
tendencia central

• Y la desviación típica como un

factor de escala, que permite
visualizar el grado de dispersión
de los datos.
Impacto de la desviación estándar
Normal Distribution
Mean=10

StDev
1
3
• Para una media determinada,
cuando la desviación estándar varía,
la forma de la curva normal variará

• El ancho es mayor cuando la

desviación estándar es mayor.

0 5 10 15 20
X
Distribución normal
La distribución normal nos permite predecir la probabilidad de que un
suceso ocurra:
▪ Por ejemplo, existe un 99,73 % de probabilidad de que todos los valores en un
conjunto de datos distribuidos normalmente estén entre  3 con respecto a
la media

▪ Expresado de otra manera, solo un 0,27 % de los datos estarán fuera de  3

con respecto a la media
 3

f(x)

El 99.73 % de los datos está dentro de 3 desviación estándar ( ) de la media (μ)

Distribución normal
Predicción de probabilidades

1 2 3
f(x)

f(x)
f(x)
+/- 1 σ
µ µ µ

1. El 68,26 % de los datos está dentro de 1 desviación estándar ( ) de la media (μ)

2. El 95,46 % de los datos está dentro de 2 desviación estándar ( ) de la media (μ)
3. El 99,73 % de los datos está dentro de 3 desviación estándar ( ) de la media (μ)
 Distribución normal

La tabla consta de:

Margen izquierdo :
Los enteros de z y su primer decimal.

Margen superior:
Segundo decimal

Cuerpo de la tabla:
Áreas correspondientes, acumuladas, desde
0 hasta 3.99
¿Cómo calcular probabilidades asociadas
a una curva normal específica?
Dado que tanto μ como σ pueden asumir infinitos valores lo que
hace impracticable tabular las probabilidades para todas las posibles
distribuciones normales, se utiliza la distribución normal reducida o
tipificada.

Se define una variable z =

 Distribución normal

La tabla consta de:

Margen izquierdo :
Los enteros de z y su primer decimal.

Margen superior:
Segundo decimal

Cuerpo de la tabla:
Áreas correspondientes, acumuladas, desde
0 hasta 3.99
• 1.-¿Cuál es la probabilidad de que un valor de z esté entre 0 y -2.03?
Pag. 605 Tabla E

Z Probabilidad acumulada
(Área bajo la curva)
0.0 0
-2.03 0.4788

Probabilidad = 0.4788

Complemento = 0.5-0.4788 = 0.0212

Uso con excel

Obtiene el valor de 0.4788

2. ¿Cuál es la probabilidad de que un valor de z esté
entre -2.03 y 2.03 ?
En el ejemplo 1, vimos que la probabilidad de que z estuviera entre 0
y 2.03= 0.47882
2. ¿Cuál es la probabilidad de que un valor de z esté
entre -2.03 y 2.03 ?
En el ejemplo 1, vimos que la probabilidad de que z estuviera entre 0
y 2.03= 0.47882
3. ¿Cuál es la probabilidad de que un valor de z sea mayor a 1.25 ?

1-0.8944 = 0.1056
Se muestra una serie de datos, de la cantidad de notas de crédito
generadas por una empresa a la semana.
Se necesita establecer la probabilidad de realizar mas de 232 notas de
crédito en una semana
Se muestra una serie de datos, de la cantidad de notas de crédito
generadas en una empresa por semana.
Se necesita establecer la probabilidad de realizar mas de 232 notas de
crédito en una semana

232 − 238.71
𝑥=
20.94

𝑥 = −0.3206
Manual

Tablas

Excel
Tstudent
No siempre puede ser posible obtener por lo menos 30 observaciones.

Para una compañía de seguros que prueba la resistencia al impacto de

los autos, destruir a propósito 30 vehículos de lujo puede volverse un
poco costoso.

Un investigador médico que prueba una nueva medicina puede no

encontrar 30 personas dispuestas a actuar como conejillo de indias. En
muchos casos una muestra grande no es posible.
Tstudent
Si al aplicar muestreo no es posible extraer muestras mayores a 30
elementos, la utilización de la distribución normal presenta grandes riesgos
estadísticos. Para ello, la teoría de pequeñas muestras presenta como
alternativa a la distribución t- student, en el entendido de que conforme el
tamaño de la muestra tienda a 30 elementos, la distribución t-student tiende
a la distribución normal. Por ello, toda inferencia estadística que se desee
realizar con muestras pequeñas tiene más validez si se hace con la
distribución t-student.
La distribución t es comúnmente usada para pruebas de hipótesis y
construcción de intervalos de medias.
Se utiliza cuando la desviación estándar de la población se desconoce
Tstudent

Específicamente, la distribución t se utiliza cuando se cumplen las tres

condiciones:
1. La muestra es pequeña,
2. σ desconocida, y
3. La población es normal o casi normal.
En realidad la distribución t es una familia de distribuciones cada una con su propia
varianza. La varianza depende de los grados de libertad (g.l.), definidos como el
número de observaciones que se pueden escoger libremente (menos restricciones
impuestas sobre tales observaciones).
Vale la pena destacar en la figura que a medida que n aumenta, la distribución t se
aproxima a la distribución Z. Es por esto que se puede utilizar la distribución Z
cuando n ≥ 30.
Uso de tablas Tstudent
Las tablas de la distribución t de student dan valores acumulados de
izquierda a derecha.
Para valores negativos no olvidar la simetría de esta distribución, tal
que el valor de probabilidad a la derecha de t, es igual al valor de
probabilidad a la izquierda de –t.

Grados de Libertad
Grados de Libertad

Es la totalidad de posibilidades de elección que tenemos con una restricción !!!

Por ejemplo…
Si pudieran escoger comprar 5 pantalones, de manera tal que el precio total de la compra no sea mayor a $200,
usted puede elegir con toda libertad 4 sin preguntar el precio pero... Cuando va a escoger el ultimo jeans no
tiene la libertad de despreocuparse del precio ya que debe tener un costo con el cual no gaste más de la
cantidad estipulada.

Entonces hay 4 grados de libertad ya que un jeans esta esclavizado a tener un costo en particular

En resumen se tiene una totalidad de 4 elecciones sin condición pero tienes una elección con restricción.
¿Cómo usar las tablas?
Procedimiento
Calcular los valores de la desviación estándar, el promedio y determinar el valor del promedio para el que se
desea calcular la probabilidad.

Determinar los grados de libertad (v) tal que v=n-1.

Calcular el valor de t:

Localizar en tablas el valor de la probabilidad asociada a los valores de t y de v. Los valores de t pueden ser
negativos o positivos. Contrario a la tabla de la distribución normal aquí los valores de t están dentro de la
tabla y los valores de probabilidad en la parte superior de la misma. En algunos casos puede ser necesario
interpolar para encontrar el valor exacto buscado, de lo contrario se escoge el que más se aproxime.
Pag 606
Cual es la probabilidad de que una variable t de Student de 6 grados de
libertad deje a la izquierda de -1,45?
• R/
• Grados de Libertad: 6
• Valor buscado: Estadístico menor que -1.45 (Se busca el positivo en la
tabla)
Al preguntarse por el valor negativo se usa como base de resultados el
complemento de uno.
Pag 606
Cual es la probabilidad de que una variable t de Student de 15 grados
de libertad deje a la derecha 2.45?
Cual es la probabilidad de que una variable t de Student de 9 grados de
libertad deje a la derecha -1.95?
Cual es la probabilidad de que una variable t de Student de 9 grados de
libertad deje a la derecha -1.95?

P(t9 > -1.95) = P(t9 < 1.95)

P(t9<1.95) =
Se desea analizar un conjunto de datos relacionados con los montos
mensuales consumidos por un conjunto de clientes de un clúster
determinado por el área comercial. Dado que se tiene la percepción de
que este conjunto de clientes presenta alta variación y que su consumo
ha bajado, se ha recolectado una muestra de 15 cuentas para entender
el comportamiento y establecer las probabilidades de no lograr el
objetivo de $ 497

Se necesita establecer la probabilidad de que el monto sea menor a $497, así como conocer
las medidas de dispersión y tendencias central relacionadas, para poder analizar el
comportamiento de los clientes.
 N 15
Grados de libertad 14
Promedio 495.1333
Desviación (s) 8.4673
x 497
t 0.85
 N 15
Grados de libertad 14
Promedio 495.1333
Desviación 8.4673
x 497
t 0.85
Cola derecha 0.2048
Complemento 0.7952
Distribución binomial
• La muestra se compone de un número fijo de observaciones n
• Cada observación se clasifica en una de dos categorías, mutuamente
excluyentes (los eventos no pueden ocurrir de manera simultánea.
Ejemplo: Una nota de crédito no es lo mismo que una orden de
compra
Ejemplo: Al lanzar una moneda, si no ocurre cruz, entonces ocurre
cara). A estas categorías se las denomina éxito y fracaso.
• La probabilidad de que una observación se clasifique como éxito, p, es
constante de una observación o otra. De la misma forma, la probabilidad
de que una observación se clasifique como fracaso, 1-p, es constante en
todas las observaciones.
• La variable aleatoria binomial tiene un rango de 0 a n
Distribución binomial
• La muestra se compone de un número fijo de observaciones n
• Cada observación se clasifica en una de dos categorías, mutuamente
excluyentes “Los eventos no pueden ocurrir de manera simultánea”.
Ejemplo: Una nota de crédito no es lo mismo que una orden de
compra
Ejemplo: Al lanzar una moneda, si no ocurre cruz, entonces ocurre
cara). A estas categorías se las denomina éxito y fracaso.
• La probabilidad de que una observación se clasifique como éxito, p, es
constante de una observación o otra. De la misma forma, la probabilidad
de que una observación se clasifique como fracaso, 1-p, es constante en
todas las observaciones.
• La variable aleatoria binomial tiene un rango de 0 a n
Distribución binomial
Usada para modelar datos discretos.
Se utiliza cuando la población es grande N >50 y la muestra sea menor al 10%.
Para modelar situaciones que tienen solamente 2 resultados usualmente catalogados
como éxito y fracaso.
La fórmula de esta distribución es:

En donde:
n: Cantidad de veces que se realiza la prueba.
p: Probabilidad de que ocurra el evento.
x: El número de veces que probamos que ocurra el evento.
Factorial
Sirve para expresar una multiplicación de números consecutivos
desde el 1 hasta el número en cuestión.

1! = 1
2! = 1 x 2 = 2
3! = 1 x 2 x 3 = 6
10! = 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 x 9 x 10 = 3,628,800
Distribución binomial
Supongamos que la probabilidad vender un tipo de seguro de perdida y
robo es del 4%. ¿Cuál es la probabilidad de que en una Oficina, al
seleccionar 10 clientes, podamos vender 3 de estos seguros?
PAG 584
 Distribución de Poisson
Se usa como una distribución para la cuenta
de defectos.
• Cuando en una distribución binomial el
número de intentos (n) es grande y la
probabilidad de éxito (p) es pequeña, la
distribución binomial converge a la
distribución de Poisson
• Observa que si p es pequeña, el éxito es
un “suceso raro”.
• Para determinar la probabilidad de que ocurran x éxitos por unidad
de tiempo, área, o producto, la fórmula a utilizar sería:

• p(x, ) = probabilidad de que ocurran x éxitos, cuando el número

promedio de ocurrencia de ellos es
• = media o promedio de éxitos por unidad de tiempo, área o
producto
• e= 2.718
• x = variable que nos denota el número de éxitos que se desea que
ocurra
• Ejemplos:
• Si un banco recibe en promedio 6 cheques sin fondo por día ¿cuáles son las
probabilidades de que reciba:
• A. Cuatro cheques sin fondo o menos en un día dado?
• B. 10 cheques sin fondos en cualquiera de dos días consecutivos?

x = variable que nos define el número de cheques sin fondo que

llegan al banco en un día cualquiera = 0, 1, 2, 3, ....., etc.,etc.
= 6 cheques sin fondo por día
e = 2.718
PAG 599
• Ejemplos:
• Si un banco recibe en promedio 6 cheques sin fondo por día ¿cuáles son las
probabilidades de que reciba:
• A. Cuatro cheques sin fondo o menos en un día dado?
• B. 10 cheques sin fondos en cualquiera de dos días consecutivos?

x = variable que nos define el número de cheques sin fondo que

llegan al banco en un día cualquiera = 0, 1, 2, 3, ....., etc.,etc.
= 6 cheques sin fondo por día
e = 2.718
• = 6 x 2 = 12 cheques sin fondo en promedio que llegan al
• banco en dos días consecutivos
• Nota: siempre debe de estar en función de x siempre o dicho de
otra forma, debe “hablar” de lo mismo que x.
No. Detalle Vía / Presentación
2 ejemplos de distribución Normal
2 ejemplos de distribución T
Student
2 Ejemplos de distribución
Binomial
2 Ejemplos de distribución Poisson
La interpretación de los datos es lo
más importante, con su respectivo
procedimiento. Grupal/
1
Power Point
El procedimiento debe estar en:
- Formulas de Excel.
- Calculo Manual con formulas
- Uso de las tablas.
(Practica personal)

(Temas relacionados al área

Financiera)

2 Hoja de trabajo Grupal. Excel

Hoja de trabajo