Documente Academic
Documente Profesional
Documente Cultură
Facultad de ingenierías
Programa de ingeniería financiera-industrial
ESTADÍSTICA APLICADA
Proyecto de aula
INTEGRANTES:
Diego Alejandro Fernández Hernández
Carolina Giraldo Soto
Alejandro Guarín Cardona
Maria Paula Márquez Venegas
PRESENTADO A:
Luz Marcela Restrepo Tamayo
Medellín, Colombia
01 Noviembre de 2018
I. INTRODUCCION
Actualmente vivimos en un entorno globalizado y altamente decisiones basadas en información exacta y oportuna. Con base
competitivo, lo cual impone que hoy nuestras industrias se vean en esto, el desarrollo de este proyecto se enfoca en buscar
enfrentadas principalmente a tres grandes retos: la optimización cumplir todos estos ideales en los casos y escenarios
de recursos y procesos, la reducción de los costos y la presentados, de este modo por medio de los análisis y estudios
disminución de los riesgos. Es aquí donde las herramientas de ejecutados realizar un diagnóstico y toma de decisiones
inferencia estadística y regresión lineal simple, permiten óptimas. Enfocado desde el campo de la ingeniería empleando
alcanzar en gran medida estos objetivos, a través de la los conceptos vistos en la materia estadística aplicada y
experimentación y análisis de escenarios visualizados donde se realizando estudios estadísticos se permitirá tener una mayor
pueda conocer el comportamiento de las variables en el tiempo, certeza y claridad a la hora de tomar decisiones, con lo cual se
realizar modificaciones experimentales de los parámetros de un busca facilitar la utilización de herramientas estadísticas en la
sistema y conocer las estadísticas e indicadores para tomar industria y otros campos de aplicación.
II. DESARROLLO
INTEL / GOOGLE
PUNTO #1 Nivel de significancia (α) 0,05
Estadistico de pruba (Z) -0,838888607
(1.a) Tabla #1. Intervalos de confianza al 95% α/2 0,025
Z α/2 1,96
intervalos de los promedios de cada uno son positivos lo que Ho: μ1-μ2 = 0
Ha: μ1-μ2 ≠ 0
quiere decir que al hacer inversión se espera obtener utilidades R/ No se rechaza Ho por que -1,2885 < 1.96
en cambio para el caso de Microsoft se esperaría obtener
perdidas. Si se incrementa el nivel de confianza a un 99% lo que (1.c) Podemos decir que existe una diferencia significativa en
sucederá con los intervalos sus rangos aumentaran los pares de acciones Microsoft /Google y Amazon/Google lo
disminuyendo así el nivel de exactitud donde se encuentra el que nos indica que las volatilidades en estos pares de acciones
valor real de la media. son diferentes es decir que una es más volátil que la otra, caso
contrario a lo que ocurre en cada uno de los otros casos, donde
(1.b) En cada una de las 6 combinaciones el estadístico de sus volatilidades son similares dando por entendido que el
prueba es menor al valor critico razón por la cual se decide riesgo de inversión es más pequeño.
rechazar la hipótesis nula (Ho: μ1-μ2 = 0), lo que nos lleva a
decir que el comportamiento de los rendimientos de las acciones Tabla #3. Volatilidades diarias de los rendimientos
son muy similares es decir que ambas suben y bajan casi de INTEL / MICROSOFT
igual manera, lo que significa que no existe un criterio definido Nivel de significancia (alfa) 0,05
Estadistico de pruba (Z) 0,0399007
para llevar acabo la decisión al momento de elegir un activo es alfa/2 0,025
F(alfa/2,n1-1,n1-2) 1,15
indiferente cuál tome.
Ho: μ1-μ2 = 0
Ha: μ1-μ2 ≠ 0 Ho: sigma1 = sigma 2
R/No se rechaza Ho por que 0.7993<1.96 Ha: sigma1 ≠ sigma 2
R/ No se rechaza Ho por que 0,03768 < 1.15
INTEL / AMAZON MICROSOFT / AMAZON
Nivel de significancia (α) 0,05 Nivel de significancia (alfa) 0,05
Estadistico de pruba (Z) -1,517835506 Estadistico de pruba (Z) 0,944228394
α/2 0,025 alfa/2 0,025
F(alfa/2,n1-1,n1-2) 1,15
Z α/2 1,96
Ho: μ1-μ2 = 0
Ho: sigma1 = sigma 2
Ha: μ1-μ2 ≠ 0 Ha: sigma1 ≠ sigma 2
R/ No se rechaza Ho por que -1,6769 < 1.96 R/ No se rechaza Ho por que 0,9601 < 1.15
MICROSOFT / GOOGLE AMAZON / GOOGLE
Nivel de significancia (alfa) 0,05 Nivel de significancia (alfa) 0,05
Estadistico de pruba (Z) 24,06107017 t(alfa,n-2) 1,647
alfa/2 0,025 Estadistico de pruba (T) 126,6247335
F(alfa/2,n1-1,n1-2) 1,15
Ho: P1 = 0
Ho: sigma1 = sigma 2 Ha: P1 ≠ 0
Ha: sigma1 ≠ sigma 2 R/ Se rechaza Ho por que 126,6247 > 1.647
R/ Se rechaza Ho por que 24,0611 > 1.15
AMAZON / GOOGLE (1.2) Decidimos utiliza la prueba de normalidad de
Nivel de significancia (alfa) 0,05
Estadistico de pruba (Z) 25,48225653 Kolmogorov-Smirnov ya que esta tiene una mayor vigencia
alfa/2 0,025
F(alfa/2,n1-1,n1-2) 1,15 para los datos centrales y no es tan sensible como la prueba que
propone Anderson-Darling, el cual es muy eficiente, pero es
Ho: sigma1 = sigma 2
Ha: sigma1 ≠ sigma 2
sensible a los valores a típicos, valores que son muy probables
R/ Se rechaza Ho por que 25,4823 > 1.15 de encontrar debido a nuestro tipo de muestra.
(1.d) En la correlación non existe una diferencia significativa, Para los rendimientos de las acciones Intel, Google, Microsoft
analizando cauda uno de pares de acciones podemos decir que y Amazon, por el estadístico Kolmogorov-Smirnov el valor p
las correlaciones entre las acciones son diferentes de 0, en 5 de nos arrojó un valor de cero, por ende, como este valor es menor
los 6 casos analizados previamente decimos que hay una baja que 0.5 se rechaza nuestra hipótesis nula de normalidad (0 < 0.5)
linealidad en el comportamiento de las acciones excepto en y por lo tanto los datos no se ajustan a la distribución normal.
Microsoft que notamos un linealidad negativa o inversa debido
a una correlación negativa. (1.3) De acuerdo al programa @Risk, ninguna distribución se
ajustó de manera adecuada a los rendimientos diarios de las
Tabla #4. Correlación entre los rendimientos diarios de las acciones Microsoft y Amazon, dado que todos los valores p
acciones dieron un valor de cero, no hay ninguna distribución que se
INTEL / MICROSOFT ajuste por el programa utilizado. Pero para las acciones de Intel
Nivel de significancia (alfa) 0,05 y Google nos arrojó un valor p de 0,0320 y 0,0100
t(alfa,n-2) 1,647
Estadistico de pruba (T) 53,3124149 respectivamente, por ende, se concluye que para el
Ho: P1 = 0 comportamiento de los datos la distribución que mejor se ajusta
Ha: P1 ≠ 0 es Laplace puesto que tiene el valor p más alto, lo que indica
R/ Se rechaza Ho por que 53,3124 > 1.647
INTEL / AMAZON que puede medir mejor el comportamiento de los datos.
Nivel de significancia (alfa) 0,05
t(alfa,n-2) 1,647 Tabla #5. Percentiles al 1% y 95%
Estadistico de pruba (T) 97,93011744
Ho: P1 = 0 1% 95%
Ha: P1 ≠ 0
INTEL -0,03501324 0,02184668
R/ Se rechaza Ho por que 97,9301 > 1.647
MICROSOFT / AMAZON
MICROSOFT -0,03859233 0,0208115
Nivel de significancia (alfa) 0,05 AMAZON -0,039935 0,02536643
t(alfa,n-2) 1,647 GOOGLE -0,03387133 0,01944992
Estadistico de pruba (T) -4629,855489
= =
=
R/ no se rechaza Ho por que 0,92886<1,96 R/ no se rechaza Ho por que 1,1828<1,96 R/ no se rechaza Ho por que -0,01343<1,96
Ho: μ1-μ2 = 0
Ha: μ1-μ2 ≠ 0
R/ no se rechaza Ho por que -0,052<1,96
Se puede observar que la gráfica de rendimiento de la TRM es Si existe diferencia significativa entre los rendimientos
mucho más volátil a comparación de las otras dos divisas esto promedios diarios de las dos divisas; esto se debe a que el
se puede dar por la inestabilidad del país y los componentes con estadístico de prueba es menor que el valor critico por ende no
los cuales se evalúa TRM. se rechaza la hipótesis nula Ho: μ1-μ2 = 0.
Los diferentes rendimientos y desviaciones de las diferentes Asumiendo como conclusión final que la diferencia entre los
divisas: promedios de los rendimientos entre las dos divisas es diferente
a 0, el resultado del estadístico de prueba es negativa lo de que
Tabla #9. Rendimientos y desviaciones de las diferentes divisas
se da como resultado dado de que la media de los rendimientos
TRM EUR/USD GBP/USD de la libra esterlina es negativo.
PROMEDIO 0,00035567 0,000250525 -4,28337E-06
DESVIACION 0,00879025 0,004862223 0,007321088 (4.9) Tabla #13. Correlación rendimientos TMR
N 527 527 527
EURUSD/TRM GPUSD/TRM GPUSD/EURO
Nivel de significancia (alfa) 0,05 Nivel de significancia (alfa) 0,05 Nivel de significancia (alfa) 0,05
(4.2) (4.4) (4.6) t(alfa,n-2) 1,65 t(alfa,n-2) 1,65 t(alfa,n-2) 1,65
Estadistico de pruba (T) 113,1101841 Estadistico de pruba (T) 161,414463 Estadistico de pruba (T) 401,203723
III. CONCLUSIONES
Gracias a las herramientas de inferencia estadística y tiempo y de este modo tener los soportes necesarios
regresión lineal simple, se puede llevar un buen para tomar decisiones de inversión.
registro y control de datos y variables que nos permite Se observó que gracias a los diversos métodos de
conocer de mejor manera los problemas e estimación, se pueden comprobar hipótesis realizadas
inconvenientes que se presentan diariamente en las en casos de toma de decisiones, soportadas en
empresas y buscar la prevención y solución de los estadísticos que describen el comportamiento de las
mismos, pues cuando se conoce la realidad las áreas diversas variables que afectan los procesos, en el caso
afectadas es más fácil dar soluciones, también se de las maquinas, se observó que gracias a los diferentes
demostró su uso es fundamental para la toma de métodos de estimación se tuvo toda la información
decisiones pues ayuda que el proceso de toma de necesaria que detallaba el comportamiento de las 3
decisiones sea lo más certero posible. máquinas con el fin de poder tomar la mejor decisión
Gracias a las pruebas de bondad de ajuste, se pueden que le fuera más conveniente a la empresa, soportada
hacer aproximaciones muy cercanas de cómo se en datos con altos niveles de confiabilidad
comportan los datos obtenidos de algún proceso de Se identificó que con los modelos de regresión lineal
interés, con el fin de identificar como se pueden simple, se pueden modelar de mejor manera el
comportar, en este caso las estimaciones realizadas nos comportamiento de variables sensibles al cambio
conducen a rechazar la hipótesis de distribución como se pudo observar en las regresiones que se le
normal de los rendimientos los de las acciones Intel, realizaron a las rentabilidades de los diversos activos,
Google, Microsoft y Amazon, pero gracias a la ayuda que por medio de una ecuación se puede resumir y
de software estadísticos se pude descubrir como es el analizar de mejor manera el comportamiento que
comportamiento de estos rendimientos, lo cual nos pueden tener este tipo de variables tan sensibles.
ayuda a entender mejor cómo se comportan en el
IV. BIBLIOGRAFIA
[3] W. DENNIS D, M. III .WILLIAM, S. RICHARD L. «ESTADISTICA MATEMATICA CON APLICACIONES» 7a Edición:
CENGAGE Learning. 2008
INFORMACIÓN BÁSICA:
V. ANEXOS
[1] Anexo 1. Archivo Microsoft Office Excel (PROYECTO ESTADISTICA APLICADA 2018)