“R Actuarial” por Edgar Gerardo Alarcón González

El objetivo de este repositorio es brindar un apoyo a la comunidad interesada en mejorar sus técnicas en el lenguaje de programación R o emprenderlo desde un punto de vista muy aplicado. Un repositorio con códigos de R para aplicaciones actuariales: probabilidad, estadística, riesgo y finanzas.

Teoría del Riesgo (actualizado al 5/11/2020)

Subimos el curso completo de Teoría del Riesgo que se ha impartido en diversos semestres en la facultad de Ciencias de la UNAM por su servidor. El curso tiene un enfoque principalmente basado en temas teoricos y prácticos necesarios para presentar los exámenes P, FM, IFM y STAM de la SoA (Society Of Actuaries).

Cápsulas AMAT (actualizado al 8/11/2020) Canal de YouTube - AMAT

Aquí encontrarán los códigos que fueron utilizados para la elaboración de las cápsulas en las que participo en el canal de Youtube de AMAT.

1. Número de reclamaciones - Distribuciones de Clase (a, b, 0) en R (Video)

El Act. Edgar Alarcón nos plática sobre una clase de familias muy importantes para modelar variables aleatorias discretas que representan la frecuencia del número de reclamaciones en un seguro, analizando un ejemplo de su implementación en R. En el video se menciona que es posible demostrar que las distribuciones de clase (a,b,0) propuestas son de hecho las únicas que satisfacen la propiedad recursiva, dicha demostración la podrás ver dando clic aquí.

2. Modelo de pérdidas agregadas - Formula de Panjer en R (Video)

El Act. Edgar Alarcón nos habla sobre un modelo fundamental para describir el riesgo de una aseguradora: El Modelo de Pérdida Agregada, S=X1+…+XN. Para esto, hace uso de las propiedades de la familia de clase (a,b,0) y la fórmula recursiva de Panjer para obtener la distribución de S, su media y su varianza. Finalmente, implementa las fórmulas en R Studio, con la paquetería “actuar”.

3. Función de Verosimilitud y Estimación de Parámetros con R (Video)

El Act. Edgar Alarcón nos habla sobre uno de los elementos estadísticos más importantes, la función de verosimilitud y, en particular, sobre un tema muy importante como es la estimación de parámetros por el método de máxima verosimilitud.

Finalmente, implementa las fórmulas en R Studio, mostrándonos una sencilla aplicación en R Shiny, donde podremos visualizar un ejemplo teórico-práctico de lo desarrollado a lo largo del video.

4. Integración de Regiones vía Monte Carlo, con R (Video)

En la cápsula de esta semana, el Act. Edgar Alarcón, nos muestra una interesante aplicación del Método de Simulación Montecarlo para estimar la medida (longitud, área, volumen o hipervolumen) de un subconjunto del espacio Euclidiano con ayuda de R-Studio.

5. Integración de Funciones vía Monte Carlo con R (Video)

En la cápsula de esta semana, el Act. Edgar Alarcón, nos muestra una interesante aplicación del Método de Simulación Montecarlo para estimar una integral definida (área bajo la curva en una región) usando teoremas sencillos de probabilidad y mostrándonos el código de esta aplicación en R-Studio y una aplicación en Shiny que realiza todo el proceso.

Estadística (Actualizado al 26/01/2021)

El objetivo de mostrar estos documentos es dar ejemplos de cómo puede estár organizado un reporte estadístico, ya sea mostrando y ejecutando código de R o bien únicamente mostrando los resultados obtenidos, aún cuando el documento detrás sí ejecute los comandos requeridos.

1. Modelos con tablas de contingencia

Este archivo busca principalmente ejemplificar el uso de tablas con apoyo de la paquetería ‘kable’, gráficos con ‘ggplot’ y la técnica de Macros en R en un archivo Markdown. El documento habla sobre diversos modelos que se pueden aplicar a tablas de contingencia “Independencia”, “Cuasi-Independencia”, “Homogeneidad Marginal”, “Simetría” y “Cuasi-Simetría”. Una aplicación de los modelos lineales generalizados y datos categóricos.

2. Predicción de la precipitación en estados al noroeste de México

Este archivo es un proyecto (es un poco largo, así que tendrán que descargar el archivo para verlo) que realicé en una clase de estadística espacial. El objetivo es pronosticar la precipitación en ciertas zonas de México, por los estados de Baja California Norte y Sur, Sonora y Sinaloa. En este R Markdown encontrarán un ejemplo de cómo poner un índice o tabla de contenido (table of contents), así como para hacer gráficos de calor con ggplot. Además, viene un ejemplo de cómo conectar un RMarkdown de formato pdf con otros archivos del mismo formato, lo que se hizo aquí fue conectar con una portada para el trabajo, esto pues no siempre es sencillo diseñar algo de este estilo en R Markdown. Por lo mismo, para que el documento trabaje bien, necesitarán descargar toda la carpeta que contiene el archivo y posteriormente compilarlo. Recuerden hacer una instalación correcta de MikTek. ¡No olviden cambiar su directorio de trabajo!

3. Inlfuencia espacial en enfermedades

El proyecto tiene como objetivo estimar el riesgo relativo de muerte de cuna para los años 1974-1978 y 1979-1984 para el estado de Carolina del Norte por condado. Para esto, comenzaremos dando una introducción de qué es la muerte de cuna y algunos otros datos derivados de esta enfermedad. Posteriormente vamos a mostrar un análisis descriptivo de los datos con los que contamos para realizar un modelo estadístico que pueda estimar el riesgo relativo por condado. Luego, realizamos un modelo lineal generalizado que no contempla el efecto espacial con la finalidad de mostrar que es necesario acudir a esta rama de la estadística. Una vez expuesto el punto anterior, realizamos un par de modelos espaciales del tipo SAR y CAR, para finalmente buscar el mejor modelo por periodo y culminar respondiendo a tres preguntas importantes derivadas de este análisis.

4. Modelos Lineales Generalizados sobre Alumnos de Maestría

Los datos que se trabajan en este documento son datos de alumnos/aspirantes que entraron a la “Maestría en Ciencias Matemáticas” por parte del programa “Maestría y Doctorado en Ciencias Matemáticas y de la Especialización en Estadística Aplicada” de la Unidad de Posgrado de la Universidad Nacional Autónoma de México (UNAM). Como parte de la labor administrativa, es de interés que los alumnos/aspirentes logren el objetivo de titularse, esto debido al alto nivel académico que se maneja y reporta a instituciones como el Consejo Nacional de Ciencia y Tecnología (CONACyT).

Por tal motivo, la elección correcta de los aspirantes resulta ser un aspecto fundamental para prgoresar con dicho rendimiento y desempeño académico. De tal manera que se ha recopilado información estadística de algunos de los aspirantes a entrar a la maestría de los semestres 2015-1 al 2019-2 con el objetivo de buscar alguna relación que favorezca la posibilidad de graduarse del grado académico al que se aspira. Todo esto se realizará utilizando los conceptos más fundamentales de Modelos Lineales Generalizados (MLG). El software que estaremos trabajando será R y el reporte estará hecho en R Markdown.

Probabilidad (Actualizado al 7/11/2020)

Aquí encontrarán ejercicios e implementaciones, con sus respectivas aplicaciones en el lenguaje de programación estadística R relacionados con la probabilidad; una de las ramas en matemáticas más apasionantes e importantes.

1. Votos (Bertrand’s ballot theorem)

El candidato A obtiene n votos y B obtiene m con n > m. ¿Cuál es la probabilidad que A siempre vaya en la delantera en los conteos?. En este código explicamos la solución de una forma un tanto eurística y verificamos el resultado haciendo uso de simulaciones.

2. La paradoja del cumpleaños (Video)

Para ponerlos en contexto, se siguiere ver el siguiente video (clic). En este código vamos a verificar vía simulaciones que en efecto esta paradoja es cierta y las probabilidades exactas se comportan de acuerdo al comportamiento estocástico del experimento.

Finanzas (Actualizado al 5/1/2021)

1. Tiempo continuo - 1 (Documento en Overleaf)

Del examen general de finanzas matematicas del posgrado en ciencias matematicas, enero 2017, resolveremos los ejercicios 3 y 4, relativos a finanzas en tiempo continuo. En este documento veremos las soluciones escritas junto con imágenes, LaTeX y R. Este script fue realizado completamente online en la página Overleaf. Este es un buen ejemplo para poder usar esta plataforma y juntar estos dos lenguajes de programación en un estilo muy similar a un R Sweave.

2. Modelo de Vasicek (Presentación en Beamer y aplicación en Shiny)

Esta es una breve e introductoria explicación de un modelo de tasas de interés bajo una medida martingala de no arbitraje para el cálculo de tasas spot. Aquí mostramos un ejemplo de cómo hacer una presentación en Beamer usando R Markdown. Lo interesante de este documento es que muestra cómo ligar un R Markdown con un preámbulo .tex. Más aún, se ve cómo usar diferentes colores para los bloques en Beamer, poner imágenes, establecer un tema, poner pies de página, urls, etc. Con el objetivo de ver de forma un tanto más interactiva la teoría de la que el trabajo menciona, se desarrolló también una aplicación en Shiny. Podrán acceder a todos los enlaces importantes que tiene este documento descargando la presentación en .pdf.

R Markdown (Actualizado al 15/01/2021)

Lo mejor de dos mundos LaTeX + R. Los archivos del estilo R Markdown permiten al usuario escribir ecuaciones, instertar gráficos, crear tablas de datos y escribir código de R con el apoyo de LaTeX todo en un mismo archivo. Estos archivos pueden llevar una presentación técnica al nivel más alto.

IMPORTANTE

Se recomienda la instalación de MikTek antes de comenzar para poder compilar archivos del tipo pdf y así poder usar herramientas más fuertes de LaTeX.

1. Introducción a R Markdown

Aquí damos una introducción a la realización de reportes con R Markdown, las reglas básicas y comandos más importantes se comentan en estos archivos que son a su vez un ejemplo de cómo empezar a usar este tipo de archivos.

Adicionalmente, si ya eres experimentado con RMarkdown y si desean subir un archivo con formato .md en GitHub con ayuda de RStudio, pueden dar clic aquí para explorar una carpeta donde vemos un ejemplo.

2. Blocks de Colores en Beamer

En este documento en formato de presentación Beamer escrito en un archivo R Markdown mostramos el uso de una serie de funciones creadas en formato LaTeX en un preámbulo que nos permitirán crear los conocidos “Blocks” de diferentes colores en un ambiente de LaTeX. Beamer es una herramienta de LaTeX sumamente utilizada en el ámbito matemático para hacer presentaciones. Resulta que R permite hacer este tipo de presentaciones en su modalidad R Markdown. Más aún, es posible ligar un preámbulo escrito en la extensión .tex a un archivo R Markdown. Este documento es un ejemplo de ello. Para ver más colores, da clic aquí.

Biblioteca Digital

Les comparto todos los libros digitales con los que cuento. Hay desde temas de cálculo, álgebra, análisis; pasando por probabilidad, estadística, riesgo, hasta mangas y libros de música. :) Ojalá les sirva.

Esperen más próximamente…

Contacto

Estoy muy atento a los comentarios que me puedan hacer, así como para atender dudas, apoyo o participación en proyectos.

Teléfono: (55) 8718-0868

Celular y what’s app: (55) 3912-0683

Correo: [email protected]

Quedo a sus órdenes y espero esto ayude al gremio.

FAQ

• ¿Cómo puedo conectar/subir archivos de R con GitHub de forma fácil y rápida?

• ¿Cómo puedo descargar los archivos que tiene un repositorio en GitHub?

• ¿Cómo puedo descargar un archivo en particular de GitHub?

Una respuesta rápida a esta última pregunta es la siguiente. 1. Ve al archivo que quieres descargar. 2. Dale click para ver los contenidos dentro de la UI (Interfaz de Usuario) de GitHub. 3. En el lado superior derecho de la visualización del archivo, da click derecho en el botón que dice Raw. 4. Seleccionar la opción save as (guardar cómo) y el resto es seleccionar dónde lo deseamos guardar.