Diplomado:AnlisisProbabilsticodeRiesgoenProyectosdeExploracinyProduccin

LecturaNo.2
CaracterizacinProbabilsticadeVariablesapoyadosenCrystalBall
 Diplomado:AnlisisProbabilsticodeRiesgoenProyectosdeExploracinyProduccin

Procedimiento para Caracterizar Probabilsticamente Variables Aleatorias

apoyados en el Software Crystal Ball

Para caracterizar probabilsticamente una variable aleatoria, partiendo de una muestra de datos de
la mencionada variable; el analista puede apoyarse en diversas herramientas computacionales
para reducir tiempo y reducir al mximo la posibilidad de errores en el clculo manual. Una de
estas herramientas es un software denominado Crystal Ball. Este software, que funciona sobre
la plataforma Excel, debe estar instalado (ver procedimiento de instalacin y ajuste y activacin
del Crystal Ball) en la PC o a nivel de Red.

Al ser activado se presentar en la pantalla del PC un libro Excel con una barra de herramientas
adicional a las tradicionalmente mostradas por Excel, tal y como se muestra en la Figura 1:

Figura 1. Barra de Herramienta del Crystal Ball.

Para la caracterizacin probabilstica de variables aleatorias a partir de una muestra de datos se

debe seguir el siguiente procedimiento:

Paso 1:

En una hoja Excel, con la aplicacin de Crystal Ball activada se organiza la informacin sujeta al
anlisis, por ejemplo, una muestra de 100 valores de tiempos correspondientes a una de las
actividades rutinarias en la secuencia operacional de perforacin de un pozo. Como se muestra en
la Figura 2
 Diplomado:AnlisisProbabilsticodeRiesgoenProyectosdeExploracinyProduccin

Figura 2. Datos de Modelo.

Paso 2:

Se ubica el cursor y se activa la celda de la variable sujeta al anlisis. Puede activar cualquier
celda en la hoja Excel, se recomienda activar la celda al final de los datos. Ver Figura 3.
 Diplomado:AnlisisProbabilsticodeRiesgoenProyectosdeExploracinyProduccin

Figura 3. Datos de Modelo.

Esta celda debe estar definida por un valor numrico colocado manualmente, no puede ser ni una
celda con frmula ni una celda en blanco, de lo contrario esta variable no podr ser definida por
Crystal Ball. Generalmente, se coloca el valor promedio del conjunto de datos asociados a dicha
variable o el valor de cero. Cabe destacar que esto aplica para versiones anteriores de Crystal
Ball, en la Versin 7, la celda donde se va a definir la distribucin de probabilidad puede estar en
blanco, pero al igual que las versiones anteriores, no puede ser una celda con frmula.

Paso 3:

Una vez ubicados en la celda correspondiente se hace un click en el icono de Define

Assumption (Ver Figura 4), sobre la barra de herramientas para activar la distribucin
probabilstica:

Define Assumption

Figura 4. Datos de Modelo.

El programa mostrar automticamente la galera de modelos probabilsticos, tal como se muestra

en la Figura 5 y 6:
 Diplomado:AnlisisProbabilsticodeRiesgoenProyectosdeExploracinyProduccin

Figura 5. Galera de Distribuciones de Probabilidad

Para visualizar los restantes modelos probabilsticos se hace un click en el botn All y se
mostrar las distribuciones restantes incorporadas en la galera.

Figura 6. Galera de Distribuciones de Probabilidad

 Diplomado:AnlisisProbabilsticodeRiesgoenProyectosdeExploracinyProduccin

Paso 4:

Como no se conoce cual de los modelos de distribuciones probabilsticas disponibles en la galera,

es el que hace mejor ajuste con los datos de la muestra; debemos probarlas todas mediante un
test de bondad de ajuste para seleccionar el modelo ms adecuado para nuestra variable.

Para realizar este procedimiento con el Crystal Ball se hace click en el recuadro Fit. El
programa mostrar en pantalla un recuadro donde el usuario indicar el rango de las celdas donde
estn los datos de la muestra; y se activarn las opciones indicadas por el recuadro rojo; tal como
lo muestra la Figura 7:

Figura 7. Seleccin de rangos de datos y opciones.

 Diplomado:AnlisisProbabilsticodeRiesgoenProyectosdeExploracinyProduccin

Dentro del recuadro rojo deben seleccionarse las distribuciones que sern probadas durante el
ajuste (distribuciones hiptesis), se recomienda seleccionar la primera opcin (All Continuous).

As mismo, se har la seleccin del Test con el cual se realizar la Prueba de Bondad de Ajuste, la
eleccin de alguno depender de la cantidad de datos disponibles. Se recomienda utilizar
Anderson-Darling.

Seguidamente, se abre una ventana (ver figura 8), que muestra la comparacin entre el modelo
probabilstico seleccionado y el histograma de los datos de la muestra.

Paso 5:

El programa muestra en cada una de las grficas la comparacin entre el modelo probabilstico
generado y el histograma de los datos de la muestra; tal como se muestra en la Figura 8. Las
barras grises corresponden al histograma de los datos de la muestra y la lnea verde corresponde
a la distribucin probabilstica (modelo matemtico) que mejor se ajusta a esta muestra.

Figura 8. Ajuste de Distribuciones (Formato Densidad).

En la figura 8 se muestra la comparacin usando el formato de distribucin de densidad. Este

formato de comparacin no es el ms recomendable; sobre todo para muestras pequeas; en las
cuales debido a los espacios vacos que quedan en el histograma de frecuencias, es muy difcil
visualizar la bondad del ajuste. En consecuencia, se recomienda hacer la comparacin usando el
formato de distribucin acumulada, (en este formato, el histograma no presentar espacios vacos).
 Diplomado:AnlisisProbabilsticodeRiesgoenProyectosdeExploracinyProduccin

Para ello, hacer click en ver View de la barra de men y seleccionar la opcin de frecuencia
acumulada; posteriormente se mostrar la distribucin de frecuencia acumulada, como se puede
observar en la figura 9.

Figura 9. Ajuste de Distribuciones (Formato acumulado).

La Figura 9 muestra la comparacin entre el histograma acumulado (barras grises) de los datos de
la muestra y el modelo probabilstico que mejor se ajusta; presentado en su formato acumulado
(lnea verde).

En este ejemplo la Distribucin de Probabilidad que mejor ajusta al conjunto de datos es la

Distribucin Lognormal (Media= 68.54, Desviacin Estndar=13.16).

NOTA IMPORTANTE: El programa muestra por defecto el modelo con el mejor ajuste; sin
embargo, es posible visualizar el ajuste de otros modelos de distribucin haciendo click en el botn
Next.

Paso 6:
Una vez seleccionado el mejor fit, se hace click en el botn Accept de la pantalla anterior y el
programa mostrar automticamente la distribucin probabilstica de la variable. En este caso el
mejor ajuste de los datos reales se obtiene para una distribucin del tipo Lognormalr (Ver Figura
10):
 Diplomado:AnlisisProbabilsticodeRiesgoenProyectosdeExploracinyProduccin

Truncar en Truncar en
valor mnimo valor mximo

Parmetros de
la Distribucin
Figura 10. Distribucin de Probabilidad seleccionada.

Se recomienda validar el dominio de la variable considerada con el de la distribucin seleccionada,

truncar la distribucin de probabilidad seleccionada cuando su dominio no se corresponda con el
dominio de la variable considerada, en otras palabras definir sus valores mximos y mnimos, con
la finalidad de desechar aquellos valores que no son fsicamente posibles o aquellos valores que el
experto considere no representativos para el anlisis. En este ejemplo se ha considerado que el
valor mximo y mnimo corresponde al valor mximo y mnimo de los datos de muestra.

Al hacer click en el botn OK el programa guardar esta distribucin en la celda donde estaba
ubicado el valor colocado manualmente (para el ejemplo, tiempo de actividades de perforacin
promedio.=68.13). Es importante resaltar que una vez que hemos seleccionado la distribucin de
probabilidad que mejor ajusta, el color de la celda en Excel aparece de color verde indicando que
all hemos definido una variable aleatoria o distribuida. (Ver Figura 11)
Diplomado:AnlisisProbabilsticodeRiesgoenProyectosdeExploracinyProduccin

Figura 11. Celda que contiene una Distribucin de Probabilidad.