Tarea 1

Teoría del Riesgo

José Salvador Zamora Muñoz
Alarcón González Edgar Gerardo
Padilla Martínez Miriam Janeth

Realiza los siguientes ejercicios entregando el desarrollo algebraico por escrito (a mano) y las conclusiones
del mismo en un archivo de R Markdown con su respectivo compilado PDF y envíalos al correo:
fciencias.teoria.del.riesgo@gmail.com

Ejercicio 1:
La tabla Ejercicio_1.csv contiene información de clientes que hicieron pagos por una deuda del mismo
tipo, es de interés para la compañía modelar los pagos que se están realizando.
(a) Realiza un breve análisis descriptivo de la tabla.
(b) Busca de forma empírica qué variable aleatoria está detrás de los pagos de los clientes, propón una
distribución y justifica tu respuesta.
Sugerencia: Intenta un escalamiento de datos.

Ejercicio 2:
(a) Obtén el estimador máximo verosímil para α asumiendo θ conocida para una variable aleatoria
X ∼ P areto(α, θ) de segundo tipo, es decir con función de densidad:

αθα
fX (x) = , x ≥ 0, α > 0, θ > 0
(x + θ)α+1

(b) Fija una semilla en 20, con la librería actuar simula n = 10, 000 valores de una P areto(α = 5, θ = 10),
con ellos calcula el estimador obtenido en el punto anterior, ¿es parecido al valor real?
Observación: Cuida con qué pareto vas a simular los datos.
(c) Realiza una prueba de bondad de ajuste para ver si los datos simulados en el punto anterior siguen una
distribución P areto(α̂, θ = 10), interpreta el p − value obtenido y concluye.

Ejercicio 3:
(a) Para una variable aleatoria X ∼ log − normal(µ, σ) (donde ln(x) ∼ N (µ, σ)), obtén los estimadores de
los parámetros (µ̂, σ̂) mediante el método de momentos.
(b) Fija una semilla en 20, con la librería actuar simula n = 10, 000 valores de una log − normal(µ =
3, σ = 0.2), con ellos calcula los estimadores obtenidos en el punto anterior, ¿son parecidos a los valores
reales?
(c) Realiza una prueba de bondad de ajuste para ver si los datos simulados en el punto anterior siguen una
distribución log − normal(µ̂, σ̂), interpreta el p − value obtenido y concluye.

1
Ejercicio 4:
(a) Considera una muestra de v.a.i.i.d. Xi ∼ Exp(λ) E[X] = λ1 de tamaño n, muestra a cuál de las

distribuciones de valor extremo converge el máximo (cuando n → ∞) tomando an = 1 y bn = ln(n)

λ ,
especifica los parámetros y el soporte de ésta.
(b) Muestra evidencia empírica de lo que concluyes en el punto anterior generando valores de la variable
aleatoria máximo a partir de diferentes valores de n (muestra al menos para n = 1, 3, 10) realizando
un gráfico de la función de distribución empírica de los datos obtenidos contra la distribución de valor
extremo que encontraste.
(c) Encuentra una n lo suficientemente grande como para que en las pruebas Kolmogorov-Smirnoff,
Anderson-Darling y Ji-cuadrada de bondad de ajuste (con al menos 5 intervalos) indiquen que la
distribución límite es estadísticamente equivalente a la distribución empírica de los datos, muestra los
resultados interpretando (y mostrando) el p − value de cada una de las pruebas.

Ejercicio 5:
• Realiza los tres puntos del ejercicio anterior, pero tomando an = n
π y bn = 0 para una muestra de
v.a.i.i.d. Xi ∼ Cauchy que tienen la siguiente función de densidad:

1
fX (x) = , x∈R
π(1 + x2 )

Ejercicio 6:
En una carrera de 1 km hay 3 competidores, los tiempos en que cada corredor llega a la meta (en minutos)
están dados por las variables aleatorias Xi , i ∈ {1, 2, 3} para cada persona i:

X1 ∼ U nif (2.8, 3.2), X2 ∼ U nif (2.6, 3.2), X3 ∼ U nif (2.8, 3.4)

Los tiempos de llegada son independientes entre sí. Encuentra el tiempo esperado en que llegará el último
competidor.

Ejercicio 7:
(a) Demuestra que si X ∼ log − normal(µ, σ) entonces:

V aRp (X) = exp(σ ∗ Φ−1 (p) + µ)

Donde Φ(x) es la función de distribución de una Normal estándar.

(b) Realice n = 1, 000, 000 simulaciones de una variable aleatoria X ∼ log − normal(µ = 5, σ = 0.2) calcule
empíricamente V aR.75 , T V aR.75 y compruebe con las fórmulas vistas en clase.
(c) Realice n = 1, 000, 000 simulaciones de una variable aleatoria X ∼ N (µ = 5, σ = 0.2) calcule
empíricamente V aR.80 , T V aR.80 y compruebe con las fórmulas vistas en clase.

2
Ejercicio 8:
Suponga que las pérdidas en el valor de un portafolio (X) siguen una mezcla de dos distribuciones con pesos
iguales, es decir:

fX (x) = 0.5fY (x) + 0.5fZ (x)

• Y ∼ P areto(α = 1, θ = 1000)
• Z ∼ P areto(α = 2, θ = 1000)
Determinar V aR.99 (X)

Ejercicio 9:
Suponga que las pérdidas en el valor de un portafolio (X) siguen una distribución pareto de primer tipo, es
decir:

αθα (x)
fX (x) = I
xα+1 (θ,∞)
Se sabe que:
• V aR.95 (X) = 11, 052
• V aR.99 (X) = 32, 317
Determinar V aR.995 (X)

Ejercicio 10:
(a) Se sabe que N pertenece a la clase (a = 0.5, b = 0, 0) encuentra P[N = 0] y V ar(N )
(b) Se sabe que N es miembro de la clase (a, b, 0), p0 = 0.09, p1 = 0.126, p2 = 0.1323, calcula p3 , p4 y p5 .
(c) Se sabe que N es miembro de la clase (a, b, 0) , p1 = 189
1000 , p2 = 441
1000 , p3 = 1000 .
343
¿Cuál es la distribución
de N ?
(d) Del inciso anterior, calcula p4 , p5 , p6 con la forma recursiva. Justifica porqué se obtienen esos valores
con base en la conclusión del inciso anterior.