Please enable JavaScript.
Coggle requires JavaScript to display documents.
DISTRIBUCIONES FINANCIERAS - Coggle Diagram
DISTRIBUCIONES FINANCIERAS
Hay principalmente 2 clases de distribuciones Financieras
Las Distribuciones Discretas
D.Poisson
Variable Aleatoria discreta usada para estimar el nro. de veces que sucede un hecho determinado en un intervalo de tiempo o espacio
La probabilidad de ocurrencia es la misma para cualquier intervalo de la misma magnitud
La ocurrencia o no de cualquier intervalo es independiente de la ocurrencia o no de cualquier otro intervalo
D.Uniforme
Variable que puede tomar n valores distintos con la misma probabilidad.
La variable aleatoria sólo puede tomar valores comprendidos entre 2 extremos (ay b).Para que cualquier intervalo entre los 2 extremos sea igual de probables.
D.Binomial
Se relaciona con un experimento que tiene una serie de n ensayos idénticos, donde hay 2 resultados posible: 1) Éxito (P) , 2) Fracaso (1-P).
D.Hipergeométrica
Está relacionada con la D.Binomial,difiere en que si los ensayos no son independientes y la probabilidad de éxito varia de ensayo a ensayo
D.Geométrica
Se utiliza en la Distribución de tiempo de espera, de manera que propicia el tiempo transcurrido hasta el primer éxito.
El conjunto de valores de la variable es ilimitado
Permite calcular la probabilidad de que tenga que realizarse un nro. K de repeticiones antes de obtener un éxito por primera vez
D. Binomial Negtiva
Es una generalización obvia de la Geométrica, sucede cuando un experimento se continua hasta que un suceso de probabilidad P ocurre por R esima vez
Proporciona la probabilidad de que se produzca k fracasos antes de obtener r esima Éxitos.
Distribuciones Continuas
D.Uniforme Rectangular
Es útil para describir una variable aleatoria con probabilidad constante sobre el intervalo (a,b) en el que esta definida y se denota por U
La probabilidad de un suceso depente exclusivamente de la amplitud del intervalo considerando y no de su posición en el campo de variación de la variable
D. Normal
Su función de densidad es simétrica respecto a la media y la desviación estándar nos indica el mayor o menor grado de apertura de la curva que por su aspecto se le llama campana de Gauss
Su función de densidad es simétrica respecto a la media y la desviación estándar nos indica el mayor o menor grado de apertura de la curva que por su aspecto se le llama campana de Gauss
Se define por 2 parámetros:
-Lamedia
-DesviaciónEstándar
D. Long. Normal
La variable resultante de aplicar la
función exponencial a una variable que se distribuye normal con la media y desviación estándar sigue una D.Log normal
Si una variable X sigue una distribución log normal entonces la variable en X se distribuye normalmente
Es útil para moldear datos de numerosos estudios tales como el periodo de incubación de una enfermedad o el tiempo de supervivencia en pacientes con cáncer.
D.Logistica
Se utiliza en el estudio de crecimiento temporal de variables en particular, demográficas: moldea datos de respuesta binaria
Los parámetros asociados son situación (a) y escala (b) su función de densidad es simétrica respecto al parámetro a y presenta su perfil mas apuntado que el de la distribución normal con la misma medida y desviación estándar
Descrita por Pierre FancoisVerhults (1804-1849)
D. Beta
Puede ajustar una gran variedad de distribuciones empíricas pues adopta formas muy diversas dependiendo de cuales sean los valores de los parámetros de forma p y q
Es adecuada para variables aleatorias continuas que toman valores en el intervalo (0,1) lo que la hace muy apropiase para moldear proporciones
D. Gamma
Se puede caracterizar si se esta interesado en la ocurrencia de un evento generado por un proceso de Poisson de media, la variable que mide el tiempo transcurrido hasta obtener n ocurrencias del evento sigue una distribución Gamma
Aparece cuando se realiza el estudio de la duración de elementos físicos (tiempo de vida)
D. Exponencial
Es un caso particular de la distribución Gamma y el equivalente continuo de la distribución geométrica discreta
Describe procesos en los que interesa saber el tiempo hasta que ocurre determinado evento
El tiempo transcurrido desde cualquier instante dado To hasta que ocurre el evento, no depende de lo que haya ocurrido andes del instante To
D. Ji Cuadrado (n)
Distribución que sigue las modelos cuadrados en n variables independientes e idénticamente distribuidas según su distribución normal N(0,1)
Se utiliza para realizar la prueba de hipótesis de homogeneidad de independencia y para determinar los limites de confianza de la varianza muestral de una población normal.
D. T. Student (n)
Es definida por medio de sus grados de libertad n y se denota por t
Surge cuando se plantea estudiar el cociente entre una variable aleatoria con distribución normal estándar y la raíz cuadrada del cociente entre una variable aleatoria con distribución Ji. Cuadrado y sus grados de libertad n siendo las 2 variables independientes.
Su forma es acampanada simétrica y centrada en el origen
Dividen una variable aleatoria por medios matemáticos