Exposición Análisis de Sensibilidad EMV Montecarlo Def

Gerencia de Riesgo
-Anlisis de Sensibilidad
-Simulacin de MC
-Anlisis de Valor Monetario Esperado
Diplomado de Gerencia de Proyectos
Integrantes
Ana Itriago
Nestor Guerra
ANALISIS DEL VALOR MONETARIO ESPERADO
Anlisis del Valor Monetario Esperado____________________________________________________________________
TOMA DE DECISION Y EL RIESGO
. J
=
=
m
i
x E x i x i p x i 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.
METODOLOGIA
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
Ejemplo de Valor Monetario Esperado
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 sera la decisin del gerente?
rbol de Decisiones
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
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
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 el valor monetario esperado para cada
nodo de evento
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
Diplomado Administracin para el Control de la Gestin en Organismos Pblicos
Anlisis de Sensibilidad
Anlisis de Sensibilidad____________________________________________________________________
Anlisis de Sensibilidad
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
) )( (
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
-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
Tablas de sensibilidad de la varianza y desviacin tpica por alternativa
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
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
Anlisis mediante la Simulacin de Montecarlo
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.
Ventajas
Desventajas
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:
Demanda.
1. Tiempo de respuesta, entre ocurrencias, de servicio,..
2. Cantidad de empleados ausentes.
3. Presin de un neumtico.
4. Velocidad y direccin del aire.
5. Llegada de camiones a una estacin
Precisin en el Clculo
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
N
n
p S
N
n
Ax S = < =
)
n N
n
p p
N
n
p

'
+
'
= 1
Precisin en el Clculo
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:
. J 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:
i i
p x X p x F = = = ) ( ) (
Simulacin de Variables Aleatorias Discretas
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
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
Aleatorio
Valor de la
demanda
xi
Numero
Aleatorio
Valor de la
demanda
xi
Numero
Aleatorio
Valor de la
demanda
xi
Numero
Aleatorio
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.
Gracias por su atencin
Diplomado de Gerencia de Proyectos

Exposición Análisis de Sensibilidad EMV Montecarlo Def

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Exposición Análisis de Sensibilidad EMV Montecarlo Def

Uploaded by

Copyright:

Available Formats

Gerencia de Riesgo

You might also like