Anlisis del Valor monetario esperado

Esta tcnica se basa en un concepto estadstico que calcula la esperanza

matemtica del Valor Monetario Esperado tomando en cuenta escenarios
futuros de los eventos que pueden ocurrir o no, es decir, considerando de
esta manera la incertidumbre. Se calcula multiplicando el valor de cada
posible resultado, en trminos financieros, de tiempo o de costos, por la
probabilidad de ocurrencia y sumando finalmente los resultados. Segn la
siguiente expresin:
Siendo E(x) el valor esperado de la variable X, pi la probabilidad de
ocurrencia de que la variable tome el valor xi.
Una forma de visualizar esta tcnica es a travs del diagrama de rbol de
decisiones es una manera sencilla y til de mostrar los resultados
obtenidos, ya que se usa para describir las situaciones que se estn
considerando, las implicaciones de cada una de las opciones y los posibles
escenarios, incluyendo el costo de cada opcin y sus probabilidades. Al
resolver el rbol de decisiones, se obtiene el valor monetario esperado u
otra medida bajo el criterio de la organizacin (PMBOK, 2008)..

=
=
n
i
xi pi x E
1
* ) (
La Toma de Decisin y el Riesgo
El anlisis del riesgo ayuda al decisior a identificar la diferencia entre el valor esperado
de una alternativa de decisin y el resultado que efectivamente podra ocurrir.
El riesgo se refiere a ala variacin en los resultados posibles, a mayor variacin mayor
riesgo y viceversa. Dentro de las maneras de cuantificar el riesgo est el uso de la
Varianza como indicador de riesgo. Para un rbol de decisin la varianza esperada S(xi)
se calcula con base a la siguiente expresin:
? A

=
=
m
i
x E xi xi p xi S
1
2
) ( ). ( ) (
Para E(x) el valor esperado de la variable X, pi la probabilidad de ocurrencia de que la
variable tome el valor xi. Una vez calculado la varianza para cada alternativa
optaremos por aquella que presente un valor menor, ya que implica el menor riesgo.
Metodologa
Dibuje el rbol de decisiones como una representacin cronolgica del proceso de
decisin, mediante una red que utiliza dos tipos de nodos: los nodos de decisin,
representados por un cuadrado, y los nodos de eventos de la naturaleza,
representados por elipses o circulos, (nodo de probabilidad).
Para los nodos de probabilidad asegrese de que las probabilidades en todas las
ramas salientes sumen uno.
Calcule los beneficios esperados retrocediendo en el rbol, comenzando por la
derecha y trabajando hacia la izquierda.
Tambin puede representarse de manera tabular, sin embargo se recomienda construir
la tabla a partir del rbol, para evitar errores en la interpretacin del proceso.
Debilidades
Usualmente no existe mucha informacin disponible para calcular las
probabilidades para la toma de decisiones.
Se limita por el hecho de que las alternativas son resultados de decisiones
secuenciales (lo cual no ocurre necesariamente).
Asume que el proyecto y sus variables son estticos.
Ejemplo
Un gerente de proyectos enfrenta el siguiente dilema de elegir entre tres
mtodos constructivos para ejecutar las tareas del proyecto. La primera
alternativa tiene un 30% de posibilidades de generar un ahorro de
100.000,00 Bs. La segunda alternativa pudiera permitir ahorros al proyecto
de 40.000,00 Bs., 30.000,00 Bs., 25.000,00 Bs., y 20.0000,00 Bs. Con
probabilidades de 0.30, 0.15, 0.15 y 0.40 respectivamente. La tercera
alternativa ofrece un ahorro al proyecto de 25.000,00 y 30.000,00 Bs., con
las correspondientes probabilidades de 0.65 y 0.35. Cual seria la decisin
del gerente.
Dibujar el rbol
Nodo de
decisin
Alternativa 1
Alternativa 2
Alternativa 3
0.30
100 MBs.
0.00 Bs.
0.70
0.30
0.15
0.15
0.40
40 MBs.
30 MBs.
25 MBs.
20 MBs.
20 MBs.
0.65
35 MBs.
0.35
Calcular el valor monetario esperad0 para cada nodo de evento
Nodo de
decisin
Alternativa 1
Alternativa 2
Alternativa 3
0.30
30 MBs.
0.00 Bs.
0.70
0.30
0.15
0.15
0.40
40 MBs.
30 MBs.
25 MBs.
20 MBs.
100 MBs.
28.25 MBs.
25.25 MBs.
20 MBs.
0.65
35 MBs.
0.35
Calcular la varianza esperada para cada nodo de evento
Nodo de
decisin
Alternativa 1
Alternativa 2
Alternativa 3
0.30
30 MBs.
0.00 Bs.
0.70
0.30
0.15
0.15
0.40
40 MBs.
30 MBs.
25 MBs.
20 MBs.
100 MBs.
28.25 MBs.
25.25 MBs.
S1= 2100
S2 = 70.69
S3 = 51,19
20 MBs.
0.65
35 MBs.
0.35
Decisin
Como puede observarse la alternativa 1 presenta el mayor Valor Monetario
Esperado, 30,00 MBs., sin embargo su varianza es de 2100. Por otra parte la
alternativa 2 tiene un valor monetario esperado similar a la alternativa 1, 28,25
MBs., pero con una varianza mucho menor de 70,69. Finalmente la alternativa 3
tiene un valor monetario de 25,25 MBs. Con una varianza igual a 51,19.
La decisin lgica en este caso es seleccionar la alternativa 3, que permitir un
ahorro esperado en el proyecto igual a 25.250, 00 Bs, con el menor riesgo.
Usando tablas de decisin
Anlisis mediante la Simulacin de Monte Carlo
Es una tcnica para el anlisis cuantitativo que consiste en generar un
nmero determinado de posibles escenarios mediante el muestreo
aleatorio para estimar la salida de un experimento
Existen distintos tipos de modelos de simulacin:
1. Modelos Continuos: tratan con sistemas cuyo comportamiento cambia
continuamente de forma con el tiempo. Generalmente se presentan en
trminos de ecuaciones diferenciales que describen la iteracin de los
diferentes elementos del sistema. Por ejemplo el estudio de la dinmica
de la poblacin mundial.
2. Modelos discretos: se avocan a sistemas que cambian solo en instantes
de tiempos dados y en todos los dems momentos no ocurre nada en el
sistema desde el punto de vista de la inferencia estadstica. Los
momentos en los que ocurren los cambios son llamados eventos del
modelo. Por ejemplo un lnea de espera o colas o una red de ellas.
Ventajas
Es un mtodo directo y flexible.
Existe un amplio abanico de programas y lenguajes destinados a
simular.
Cuando el modelo matemtico es demasiado complicado la
simulacin permite obtener una aproximacin.
La simulacin nos permite formular condiciones extremas con
riesgos nulos.
La simulacin no interfiere con el mundo real. Permite experimentar.
Permite estudiar la interaccin entre las diferentes variables del
problema.
Mediante la simulacin podemos influir en el tiempo de los
procesos.
La simulacin permite resolver problemas que no tienen solucin
analtica.
Desventajas
Una buena simulacin puede resultar muy complicada, si el sistema
a simular posee un gran numero de variables.
La simulacin no genera soluciones ptimas globales.
No proporciona la decisin a tomar, sino que resuelve el problema
mediante aproximacin para unas condiciones iniciales.
Cada simulacin es nica, interviene el azar.
Usos
Cuando un sistema o un proceso esta regido en su comportamiento por el
azar, entonces podemos aplicar tcnicas de simulacin basadas en el
mtodo de Montecarlo.
La idea bsica del mtodo es simular valores que toman las variables que
forman parte del proceso en lugar de experimentar u observar la realidad.
Algunos ejemplos de esas variables a simular:
1. Demanda.
2. Tiempo de respuesta, entre ocurrencias, de servicio,..
3. Cantidad de empleados ausentes.
4. Presin de un neumtico.
5. Velocidad y direccin del aire.
6. Llegada de camiones a una estacin
Precisin en el Calculo
El procedimiento de Montecarlo tiene N puntos aleatorios de los que n resultan
corresponder al rea de inters
que deseamos calcular.
Luego S es proporcional a la probabilidad de que un punto aleatorio caiga en la
superficie de aceptacin. Por ello p ser la probabilidad de n xitos en N
intentos y que viene dada por la distribucin binomial:
P(N aciertos en N) = N
La distribucin binomial se puede aproximar a una normal cuando:
Np > 5 y N q > 5. Siendo q=(1-p)
Con media = Np y varianza s
2
= Npq.
Para una distribucin normal N(, s) sabemos que el 95% de las observaciones
se encuentran en el intervalo:
( 2s, + 2s).
Con lo que tendremos que el intervalo de confianza al 95% del
numero de aciertos n en S estara en:
N
n
p S
N
n
Ax S = < =
)
n N n
p p
N
n
p

'
+

'

= 1
? A Npq Np Npq Np 2 , 2
Simulacin de Variables Aleatorias Discretas
Una primera aproximacin a la simulacin de una variable aleatoria discreta, X,
que siga una determinada distribucin de probabilidad dada por su funcin
de probabilidad:
Debemos realizar ciertas transformaciones para poder utilizar las tcnicas de
obtencin de nmeros pseudos aleatorios. Supongamos que deseamos
simular una V.A.D., X, con una distribucin de probabilidad dada por:
Siendo xi el evento esperado. Para ello se deben seguir los siguientes pasos:
1. Ordenamos los eventos en orden creciente en funcin de sus probabilidades.
2. Calculamos la probabilidad acumulada para cada evento.
3. Definimos entonces los intervalos de ocurrencia para cada evento
4. Generamos nmeros aleatorios entre 0 y 1 y lo cotejamos con los intervalos
definidos para simular la ocurrencia del evento.
Ejemplo:
Por estudios el departamento de mercado estima que la cantidad demanda del
servicio tiene el siguiente comportamiento, mostrado en la tabla. Se pide
estimar el valor esperado de la demanda
i i
p x X p x F = = = ) ( ) (
Demanda del
Servicio xi
Frecuencia
Frecuencia
relativa
fri
Frecuencia
relativa
acumulada
0 20 0.09 0.09
10 30 0.14 0.23
20 25 0.12 0.35
30 10 0.05 0.39
40 56 0.26 0.65
50 60 0.28 0.93
60 15 0.07 1.00
Total 216
Tabla de Intervalos de Simulacin
Cantidad de Demandas
Intervalo de Ocurrencia
Min Max
0 0.00 0.09
10 0.10 0.23
20 0.24 0.35
30 0.36 0.39
40 0.40 0.65
50 0.66 0.93
60 0.94 1.00
Simulacin de la Demanda
ndice
Numero
Aleatori
o
Valor de
la
demanda
xi
Numero
Aleatori
o
Valor de
la
demanda
xi
Numero
Aleatorio
Valor de
la
demanda
xi
Numero
Aleatori
o
Valor de
la
demanda
xi
Numero
Aleatorio
Valor de
la
demanda
xi
1 0.17 10 0.82 50 0.54 40 0.73 50 0.14 10
2 0.11 10 0.55 40 0.23 10 0.61 40 0.92 50
3 0.93 50 0.82 50 0.32 20 0.20 10 0.52 40
4 0.16 10 0.65 40 0.13 10 0.13 10 0.76 50
5 0.24 20 0.83 50 0.86 50 0.56 40 0.36 30
6 0.58 40 0.25 20 0.82 50 0.00 0 0.82 50
7 0.84 50 0.64 40 0.46 40 0.31 20 0.18 10
8 0.21 10 0.72 50 0.71 50 0.27 20 0.75 50
9 0.62 40 0.03 0 0.50 40 0.16 10 0.42 40
10 0.09 0 0.76 50 0.81 50 0.50 40 0.80 50
11 0.34 20 0.77 50 0.35 20 0.23 10 0.47 40
12 0.21 10 0.18 10 0.25 20 0.36 20 0.60 40
13 0.16 10 0.56 40 0.69 50 0.29 20 0.10 10
14 0.67 50 0.07 0 0.98 60 0.40 30 0.06 0
15 0.61 40 0.08 0 0.24 10 0.34 20 0.26 20
16 0.01 0 0.30 20 0.08 0 0.32 20 0.97 60
17 0.98 60 0.02 0 0.78 50 0.53 40 0.08 0
18 0.88 50 0.91 50 0.44 40 0.19 10 0.14 10
19 0.54 40 0.83 50 0.63 40 0.00 0 0.45 40
20 0.76 50 0.30 20 0.74 50 0.15 10 0.88 50
Promedio 29 32 35 21 33
Solucin:
Como puede observarse se realizaron cinco corridas de 20 simulaciones
cada una para y se calculo el valor promedio resultante, por lo que el valor
esperado de la demanda es la media de estos promedios y su respectiva
desviacin estndar:
Demanda media esperada = 30
Desviacin estndar = 5.48
Estos parmetros permitirn un tratamiento estadstico del caso de estudio
mas adecuado para la toma de la decisin.
Simulacin de Variables Aleatorias Continuas
Supongamos ahora que deseamos simular valores de una variable
aleatoria. continua, X, que sigue una distribucin de funcin de densidad
f(x) y funcin de distribucin F(x).
Los valores xi, que toma la V.A. X siguiendo la distribucin dada, se
pueden obtener de la ecuacin:
Siendo gi un numero aleatorio de una distribucin u(0, 1).
Escogido o dado el numero aleatorio es preciso resolver esta ecuacin
para obtener el valor de una simulacin de la variable aleatoria X.
Existen diversos mtodos para determinar este valor sin embargo, gracias
a la computacin actualmente se utiliza mucho el mtodo de la funcin de
densidad inversa que a continuacin explicaremos

= =
1
0
) ( ) (
x
x
i
dx x f x F K
Mtodo de la Funcin de Distribucin Inversa
En definitiva, el mtodo consiste en, dada una funcin de densidad, f(x)
obtener su funcin de distribucin F(x) y calcular su inversa F
1
(x).
F : E [0, 1]
x F(x) = P(X < x)
x = F
1
(g) g
En definitiva, dado g= U(0, 1), obtendremos una simulacin de X
mediante la ecuacin,
x = F1(g)
.
Ejemplos:
Simulacin de una variable aleatoria que siga una distribucin uniforme
U(a, b), a partir de un generador de nmeros aleatorios que siga una
distribucin U(0, 1):
Entonces x e X = U(a, b).
Este mtodo no siempre es factible, sin embargo para la mayora de los
casos Excel nos proporciona las formulas inversas de las distribuciones de
probabilidad mas comunes.
a a b F x
a b
a x
b x
b a x
a b
a x
a x
x F
b a x
b a x
a b
x f
= =

=
>

) ( ) (
, 1
) , (
, 0
) (
) , ( ) , ( 0
) , (
1
) (
1
K K
K
Generacion de Nmeros Aleatorios con Excel
Excel posee una serie de funciones estadsticas que devuelven el valor de
la funcin de densidad f(x) y de distribucin F(x), con los parmetros
necesarios para determinar la distribucin.
DISTR.CHI
DISTR.EXP
DISTR.GAMMA
DISTR.NORM
DISTR.T
. . .
DISTRI.EXP(x;;acum),
si acum=falso f(x) si acum=verdadero F(x).
Para poder simular una V.A. por el metodo de la Funcin de Distribucin
inversa:
DISTR.NORM.INV(prob;media;desv. estndar)
DISTR.NORM.INV(ALEATORIO();media;desv. estndar)
DISTR.CHI.INV
DISTR.EXP.INV
DISTR.GAMMA.INV
DISTR.NORM.INV
DISTR.T.
Anlisis de Sensibilidad
El anlisis de sensibilidad puede se definido como una herramienta usada
para considerar el efecto en todo el proyecto por los cambios de valor en
cada variable que sea considerada potencialmente riesgosa en el mismo.
En los proyectos los criterios para medir resultados son normalmente el
tiempo de ejecucin, costos finales, u otros criterios econmicos como el
Valor Actual Neto (VAN) o la Tasa Interna de Retorno (TIR). Entonces, se
pueden medir la variacin de estas variables cuando las variables
potencialmente ms riesgosas tambin cambian.
El anlisis de sensibilidad debe hacerse para todos los riesgos e
incertidumbres que podran afectar el proyecto, con el fin de identificar
aquellos que tienen impactos ms grandes en el retorno econmico,
costo, tiempo u otros criterios
Ventajas
El mayor beneficio de esta tcnica es saber el espectro de mnimos y
mximos efectos para los riesgos ms importantes que afectan un
proyecto, brindando informacin clave para la toma de decisiones,
especialmente para las variables ms sensibles, brindndoles ms nfasis
en su seguimiento y control.
Desventajas
La debilidad de este mtodo es que generalmente los riesgos se
consideran independientemente de los dems y sin tomar en cuenta la
probabilidad de ocurrencia. Es decir no considera la sinergia existente
entre los diferentes riesgos que enfrenta el proyecto.
Ejemplo de Anlisis de Sensibilidad
Con relacin al ejemplo presentado en el VME, supongamos que se quiere
saber cuales valores de variacin de los montos implicaran un cambio en la
decesin tomada al tomar una variacin del 10 % en los mismos.
Para responder esta incgnita calcularemos, en cada alternativa de decisin, la
varianza resultante al variar los montos de cada variable en un 10%. Esta
variacin la tomaremos en el rango de -60% a +60%.
Luego se graficar la desviacin tpica obtenida, como la raz cuadrada de la
varianza:
Esto es porque la varianza esta expresada en unidades diferentes a las
unidades de la variable en estudio, la cual esta en MBs y la varianza en MBs
2

=
=
n
i
i i
E x x p s
1
2
) )( (
Tablas de sensibilidad de la varianza y desviacin
tpica por alternativa
Variacin
del monto
%
Varianza
Alternativa 1 Alternativa 2 Alternativa 3
-60% 336 137,31 14,46
-50% 525 169,52 17,85
-40% 756 209,28 22,03
-30% 1029 258,38 27,2
-20% 1344 318,98 33,58
-10% 1701 393,81 41,46
0% 2100 486,9 51,59
10% 2100 583,7 61,94
20% 2541 699,86 74,94
30% 3074,61 839,32 90,68
40% 3720,28 1006,89 109,72
50% 4501,54 1575,45 132,77
60% 5446,86 1895,18 160,65
Variacin
del monto
%
Desviacin tpica
Alternativa 1 Alternativa 2 Alternativa 3
-60% 18,33 11,72 3,80
-50% 22,91 13,02 4,22
-40% 27,50 14,47 4,69
-30% 32,08 16,07 5,22
-20% 36,66 17,86 5,79
-10% 41,24 19,84 6,44
0% 45,83 22,07 7,18
10% 45,83 24,16 7,87
20% 50,41 26,45 8,66
30% 55,45 28,97 9,52
40% 60,99 31,73 10,47
50% 67,09 39,69 11,52
60% 73,80 43,53 12,67
Desviacin Tpica en funcin la variacin
porcentual de los montos
-
10,00
20,00
30,00
40,00
50,00
60,00
70,00
80,00
-80% -60% -40% -20% 0% 20% 40% 60% 80%
Variacin porcentual de los montos
D
e
s
v
i
a
c
i

n

T

p
i
c
a

M
B
s
Alternativa 1 Alternativa 2 Alternativa 3
Anlisis del Grafico
Como puede observarse en el grafico la alternativa 3 presenta la menor
dispersin del error. Lo que nos indica que es menos sensible a los cambios de
los montos que las alternativas 1 y 2.
La sensibilidad a la variacin en los montos puede resumirse en la siguiente
tabla:
Observando las alternativas 2 y 3, tenemos que los rangos de variacin son
similares, sin embargo el riesgo esperado de la alternativa 3 es menor al de la
alternativa 2. razn por la su sensibilidad es menor. Siendo esta alternativa la
decisin recomendada.
Opciones Rango de variacin
porcentual del
riesgo
Nivel de
sensibilidad
Alternativa 1 -84% -159% Alto
Alternativa 2 -72% - 289% Medio
Alternativa3 -72% - 211% Bajo