1 / 22

Simulación

Simulación. Introducción. El Riesgo y la incertidumbre No sabemos exactamente si se puede medir algo Sistemas complejos y medir exactamente nos lleva a la aleatoriedad Explorar  la regularidad: Ejemplo de la astronomía Electrón : ¿Dónde se encuentra? Los modelos de aleatoriedad

oakley
Download Presentation

Simulación

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Simulación

  2. Introducción • El Riesgo y la incertidumbre • No sabemos exactamente si se puede medir algo • Sistemas complejos y medir exactamente nos lleva a la aleatoriedad • Explorar la regularidad: Ejemplo de la astronomía • Electrón: ¿Dónde se encuentra? • Los modelos de aleatoriedad • Método probabilístico que nos lleva a la medición de las cosas • Personajes de la probabilidad: la tabla de probabilidades • LoteríadelSupu

  3. Distribución • Secuencia de números: p1, p2, p3, .... • Número de huracanes: No podemos poner un límite • ¿Cuántos accidentes se suceden (un ejemplo de compañía de seguros) • ¿Por qué necesitamos una distribución?  • ¿Por qué no puede simplemente quedarse con los promedios • Función continua: la distribución rectangular • ¿Qué tan grande rectángulo: Si que se expanda, sigue siendo uniforme

  4. Uniforme • Si sabemos algo sobre el fenómeno, no podemos tener una distribución uniforme • Distribución de De Moivre • ¿Cuál es la probabilidad: Tiene algunas propiedades de regularidad • 1. Nivel de factibilidad • 2. Frecuencias relativas: Límite de eventos  • # ocurrencia/total

  5. Tres métodos • Hay tres métodos • 1 Tabla • 2. Secuencia • 3. Función

  6. Números aleatorios • Máquinas de generación de números sonseudo-aleatorios • No puede ser verdaderamente al azar, por definición • La simulación puede ser utilizado para resolver problemas complejos • ¿Cómo lo usamos enun bancocomplejo • Recepción de dinero de los ahorradores, los ingresos por inversiones y costos…. • Podemos modelar cada realización a través de simulaciones

  7. Generar números • Vamos a utilizar Excel para simular • Simulación implica la generación de números seudo-aleatorios usando una función conocida • Siembra: Produce seudo dígitos aleatoriosrequisitos:1. Debe ser uniforme2. Debe ser muy difícil predecir cuál será el siguiente número de la secuencia (desconexión de la secuencia de números)

  8. ¿que tan bueno? • EXCEL: aleatorio() • Numerical Recipes www.nr.com • Al azar, F9 da otra muestra • Crear la frecuencia y la frecuencia relativa • Crear una serie de 0 y 1 • Crear un promedio

  9. Uniforme [0,1] • Dividir [0,1] • Frecuencia relativa • Rectángulos • No sabemos que número viene

  10. Exponencial • Función exponencial 1-exp (-lambda.x) • Dibujo de la función • ¿Cómo se calcula la probabilidad? • Lambda tiempos exponenciales - lambda x veces • Prob [a, b] es la suma/integral por debajo de la curva

  11. En el eje horizontal, puse los eventos • ….y el eje vertical, llegando a 1 • Función de las probabilidad es la derivada de la función • Dibuja una función exponencial • ¿Qué hemos hecho para calcular la • probabilidad acumulada de la función • Se trata simplemente de F(b)-F(a) • En el caso de la función de probabilidad, tenemos la integral

  12. Exponencial función • F(x) = 1 – exp(-lambda.x) • Dibujar F(x) • f(x) = lambda.exp(-lambda.x) • Como podemos calcular la probabilidad entre (a,b) • Prob[a,b] • =intergral entre a y b de f(x) • =F(b) – F(a)=exp(-lambda.b) – exp(-lambda.a)

  13. Para similar números con cualquier función de probabilidad • Entre 0 y 1 barriendo en una manera uniforme en el eje horizontal, la mayoría de los puntos horizontales están concentrados alrededor del medio: simetría • F and f • 1. Uniforme • 2. Normal

  14. Exponencial: u=1-exp(lambda.x) • X=-ln(1-u)lambda • U es número aleatorio usando Excel • Normal distribucion • Prob(a,b)=Integral entre a y b (1/sigma.sqrt(2.pi))exp(-(x-mu)2/2sigma2)

  15. Normal • Distribución Normal • Prob = Intergral entre a y b. • 1/sigma sqrt 2pi exp –(x-mu)squired/2 sigma 2 • La distribución • ¿Cómo se ve (la densidad)? • ¿Cómo se ve la distribución (integral de la densidad)? • Hay simetría

  16. Normal • En forma de campana • Distribución Gaussiana • Distribución Normal • ¿Dónde está el sigma? • ¿Cómo se extendía es la función?  • El pico y sigma • Sigma mide la volatilidad

  17. Normal • Sigma y Mu tienen nombres: parámetros • ¿Cuál es el parámetro del exponencial? • Para normal, necesitamos dos • Tres distribuciones: • Uniforme • Exponencial • Normal

  18. Simulación • Para simular cualquier función continua • Cualquier función de probabilidad entre 0 y 1 • Elija un número entre 0 y 1  • Se encuentra la función inversa¿Funciona? • Consideramos exponencial = 1-exp-lambdax • Entonces x = ln (1-y) /-lambda

  19. Normal • Normal • Distr.norm.inv(a1,0,1)

  20. Es simétrica alrededor de mu • Toma valores de -infinito a +infinito • Si x está cerca de mu, el número es grande¿Qué hace sigma? • Toma en cuenta que la suma es igual a 1 • Ejemplo: el petroleo – pesos/dólares • Distribución de peso es más dispersa • Tenga en cuenta que el valor está en función de cuatro cosas: a, b​​, y mu y sigma

  21. Cual es Prob(-infinite, z) • =Integral(-infinity to z de Normal) • Que tal si z=mu? El valor? • Symmetria: ambas 0.5 • Desviaciones de mu por sigmas multiples • Como podemos calcularlos?

  22. Abre Excel • F(x) Normal(0,1) • F(x) Normal(3,5) • Calcular el valor para prob 0.95 • ¿Cual es la distribución de las sumas de exponenciales?

More Related