Quantitative methods: Statistics

Media, Moda y Mediana?

• Moda: Suma de los valores de los datos dividido el numero de datos

  Media: Dato que mas se repite

  Mediana: Organizar de mayor a menor los datos y escoger el dato de la mitad

• Moda: Suma de los valores de los datos dividido el numero de datos

  Media: Organizar de mayor a menor los datos y escoger el de la mitad

  Mediana: Dato que mas se repite

• Moda: Dato que mas se repite

  Media: Suma de los valores de los datos dividido el numero de datos

  Mediana: Organizar de mayor a menor los datos y escoger el dato de la mitad

• Moda: Dato que mas se repite

  Media: Organizar de mayor a menor los datos y escoger el de la mitad

  Mediana: Suma de los valores de los datos dividido el numero de datos

Media aritmética vs Media geométrica?

• Debo usar la media geométrica cuando tengo datos muy volatiles y los valores no son porcentuales

• Debo usar la media geométrica cuando tengo datos muy volatiles y los valores son porcentuales

• Debo usar la media geométrica cuando no tengo datos muy volatiles y los valores no son porcentuales

• Debo usar la media geométrica cuando no tengo datos muy volatiles y los valores son porcentuales

Asimetría, Kurtosis

• La asimetría indica el grado de simetría (o asimetría) de una distribución, mientras que la curtosis indica el grado de concentración de una distribución alrededor de su media

  Hay curtosis platicurtica, mesoucrtica y leptocurtica
  y hay asimetría positiva y negativa

• La asimetría indicael grado de concentración de una distribución alrededor de su media , mientras que la curtosis indica el grado de simetría (o asimetría) de una distribución

  Hay asimetría platicurtica, mesoucrtica y leptocurtica
  y hay curtosis positiva y negativa

• La asimetría indicael grado de concentración de una distribución alrededor de su media , mientras que la curtosis indica el grado de simetría (o asimetría) de una distribución

  Hay curtosis platicurtica, mesoucrtica y leptocurtica
  y hay asimetría positiva y negativa

• La asimetría indica el grado de simetría (o asimetría) de una distribución, mientras que la curtosis indica el grado de concentración de una distribución alrededor de su media

  Hay asimetría platicurtica, mesoucrtica y leptocurtica
  y hay curtosis positiva y negativa

Sobre la covarianza y la correlacion podemos decir que:

• La covarianza varía entre -1 a +1. Si el valor de correlación es 0, significa que no existe una relación lineal entre las variables.

  La correlación indica si ambas variables varían o no en la misma dirección (covarianza positiva o a negativa).

• La covarianza indica si ambas variables varían o no en la misma dirección (covarianza positiva o a negativa).

  La correlación varía entre -1 a +1. Si el valor de correlación es -1, significa que no existe una relación lineal entre las variables.

• La covarianza indica si ambas variables varían o no en la misma dirección (covarianza positiva o a negativa).

  La correlación varía entre -1 a +1. Si el valor de correlación es 1, significa que no existe una relación lineal entre las variables.

• La covarianza indica si ambas variables varían o no en la misma dirección (covarianza positiva o a negativa).

  La correlación varía entre -1 a +1. Si el valor de correlación es 0, significa que no existe una relación lineal entre las variables.

Cual es la probabilidad de sacar una pica en mi segunda carta, cuando sé que la primera que saque no era pica?

P(A∩B)=P(A/B)*P(B)=Spade second/not spade first

• 25.49%

• 25%

• 19.1%

• 24.51%

Cuales son los criterios que debo usar para determinar la formula de conteo a emplear? (puede escoger varias)

• Es una permutacion?

• El orden importa?

• Se usan todos los elementos?

• Aplica el criterio fundamental del conteo,

• Se pueden repetir los elementos

Calcular el Z score con los siguientes datos
Promedio = 10%
Desviación estandar = 20%

Dato = 5%

• 2

• 0,25

• -0,25

• -2

• 0.34

Definiciones entre Backtesting, Bootstrapping y Simulaciones montecarlo

(Puede escoger varias)

• Es una técnica que se utiliza para medir la relación estadística entre dos variables y determinar si existe una asociación lineal entre ellas.

• Es una técnica que utiliza la generación de múltiples escenarios aleatorios para modelar y evaluar el comportamiento de un sistema o una estrategia con parametros a priori

• Es una técnica que consiste en probar una estrategia utilizando datos históricos para evaluar su desempeño pasado y determinar su viabilidad futura.

• Es una técnica que se utiliza para obtener una estimación de la precisión de una estadística a partir de muestras aleatorias con reemplazo de un conjunto de datos.

• Es una técnica que se utiliza para medir y estimar el riesgo de pérdida en una inversión o cartera, teniendo en cuenta la volatilidad y correlación histórica de los activos.

Definiciones entre Teorema central del limite, Desviacion estandar, Error estandar.

• Establece que, cuando se toman muestras lo grandes de una población, la distribución de las medias muestrales tiende a aproximarse a una distribución normal, independientemente de la distribución original de la población.

• Es una medida de la precisión de una estimación estadística. Representa la variabilidad esperada entre las diferentes muestras que podrían obtenerse de la misma población y se utiliza para calcular intervalos de confianza y realizar pruebas de hipótesis.

• Es una medida de dispersión que indica la variabilidad o dispersión promedio de los valores con respecto a la media en un conjunto de datos. Se calcula como la raíz cuadrada de la varianza.

• Es una técnica estadística que busca establecer una relación lineal entre una variable dependiente y una o más variables independientes, con el objetivo de predecir o estimar el valor de la variable dependiente.

• Es un rango de valores que se calcula a partir de una muestra de datos y se utiliza para estimar el valor desconocido de un parámetro poblacional, con un nivel de confianza especificado.

Cuales son los suspuestos del modelo de regresion lineal?

Puede escoger varios

• Linealidad en los datos

• Homocedasticidad

• No autocorrelación en los errores

• Normalidad en los residuos

• R2 alto