Exposición Análisis de Sensibilidad EMV Montecarlo Def
-
Upload
nestor-johnny-guerra-infante -
Category
Documents
-
view
213 -
download
0
Transcript of Exposición Análisis de Sensibilidad EMV Montecarlo Def
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 1/34
Gerencia de Riesgo-Análisis de Sensibilidad
-Simulación de MC
-Análisis de Valor Monetario Esperado
Diplomado de Gerencia de Proyectos
Integrantes
Ana Itriago
Nestor Guerra
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 2/34
ANALISIS DEL VALOR MONETARIO ESPERADO
Análisis del Valor Monetario Esperado____________________________________________________________________
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 3/34
Análisis del Valor Monetario Esperado____________________________________________________________________
TOMA DE DECISION Y EL RIESGO
? A§!
!m
i
x E x i x i p x iS 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.
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 4/34
Análisis del Valor Monetario Esperado____________________________________________________________________
METODOLOGIA
Dibuje el árbol de decisiones como una representación cronológica del proceso de
decisión, mediante una red que utiliza dos tipos de nodos: los nodos de decisión,
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 asegúrese de que las probabilidades en todas las
ramas salientes sumen uno.
Calcule los beneficios esperados retrocediendo en el árbol, comenzando por la
derecha y trabajando hacia la izquierda.
También puede representarse de manera tabular, sin embargo se recomiendaconstruir la tabla a partir del árbol, para evitar errores en la interpretación del
proceso.
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 5/34
Análisis del Valor Monetario Esperado____________________________________________________________________
DEBILIDADES
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 6/34
Análisis del Valor Monetario Esperado____________________________________________________________________
Ejemplo de Valor Monetario Esperado
Un gerente de proyectos enfrenta el siguiente dilema de elegir entre tres
métodos 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 sería la decisión del gerente?
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 7/34
Análisis del Valor Monetario Esperado____________________________________________________________________
Á rbol de Decisiones
Nodo de
decisión
Alternativa 1
Alternativa 2
Alternativa 3
0.30100 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
decisión
Alternativa 1
Alternativa 2
Alternativa 3
0.30100 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
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 8/34
Análisis del Valor Monetario Esperado____________________________________________________________________
Nodo de
decisión
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
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 9/34
Calcular la varianza esperada para cada nodo de evento
Nodo de
decisión
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
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 10/34
Decisión
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 decisión lógica en este caso es seleccionar la alternativa 3, que
permitirá un ahorro esperado en el proyecto igual a 25.250, 00 Bs, con el
menor riesgo.
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 11/34
U sando Tablas de Decisión
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 12/34
Diplomado Administración para el Control de la Gestión en Organismos Públicos
Análisis de Sensibilidad
Análisis de Sensibilidad____________________________________________________________________
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 13/34
Diplomado Administración para el Control de la Gestión en Organismos Públicos
Análisis de Sensibilidad
Análisis de Sensibilidad____________________________________________________________________
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 14/34
Diplomado Administración para el Control de la Gestión en Organismos Públicos
Ejemplo de Análisis de Sensibilidad
Con relación al ejemplo presentado en el VME, supongamos que se
quiere saber cuales valores de variación de los montos implicarían un
cambio en la decesión tomada al tomar una variación del 10 % en los
mismos.
Para responder esta incógnita calcularemos, en cada alternativa de
decisión, la varianza resultante al variar los montos de cada variable en
un 10%. Esta variación la tomaremos en el rango de -60% a +60%.
Luego se graficará la desviación típica obtenida, como la raíz 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
MBs2
§!
!n
i
ii E x x p s1
2))((
Análisis de Sensibilidad____________________________________________________________________
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 15/34
Diplomado Administración para el Control de la Gestión en Organismos Públicos
Variación
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
Variación
del monto
%
Desviación típica
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
Ejemplo de Análisis de Sensibilidad Tablas de sensibilidad de la varianza y desviación típica por alternativa
Análisis de Sensibilidad____________________________________________________________________
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 16/34
Diplomado Administración para el Control de la Gestión en Organismos Públicos
Ejemplo de Análisis de Sensibilidad
Desviación Típica en función la variación
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%
Variaciòn porcentual de los montos
D
e s v i a c i ó n
T í p i c a M
B s
Alternativa 1 Alternativa 2 Alternativa 3
Análisis de Sensibilidad____________________________________________________________________
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 17/34
Diplomado Administración para el Control de la Gestión en Organismos Públicos
Análisis del Grafico
Como puede observarse en el grafico la alternativa 3 presenta la menor
dispersión 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 variación en los montos puede resumirse en lasiguiente tabla:
Observando las alternativas 2 y 3, tenemos que los rangos de variación
son similares, sin embargo el riesgo esperado de la alternativa 3 es
menor al de la alternativa 2. razón por la su sensibilidad es menor.
Siendo esta alternativa la decisión recomendada.
Opciones Rango de variación
porcentual del riesgo
Nivel de sensibilidad
Alternativa 1 -84% -159% Alto
Alternativa 2 -72% - 289% Medio
Alternativa3 -72% - 211% Bajo
Análisis de Sensibilidad____________________________________________________________________
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 18/34
Diplomado Administración para el Control de la Gestión en Organismos Públicos
Análisis mediante la Simulación de Montecarlo
Es una técnica para el análisis cuantitativo que consiste en generar un
número determinado de posibles escenarios mediante el muestreo
aleatorio para estimar la salida de un experimento.
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 19/34
Diplomado Administración para el Control de la Gestión en Organismos Públicos
Ventajas
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 20/34
Diplomado Administración para el Control de la Gestión en Organismos Públicos
Desventajas
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 21/34
Diplomado Administración para el Control de la Gestión en Organismos Públicos
U sos Cuando un sistema o un proceso esta regido en su comportamiento
por el azar, entonces podemos aplicar técnicas de simulación basadas
en el método de Montecarlo.
La idea básica del método 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. Presión de un neumático.
4. Velocidad y dirección del aire.
5. Llegada de camiones a una estación
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 22/34
Diplomado Administración para el Control de la Gestión en Organismos Públicos
Precisión en el Cálculo
El procedimiento de Montecarlo tiene N puntos aleatorios de los que n
resultan corresponder al área de interés
que deseamos calcular.
Luego S es proporcional a la probabilidad de que un punto aleatorio caiga en
la superficie de aceptación. Por ello p será la probabilidad de n éxitos en N
intentos y que viene dada por la distribución binomial:
P(N aciertos en N) = N
N
n pS
N
n A xS !}!
n N n p p
N
n p ¹ º ¸©
ª¨! 1
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 23/34
Diplomado Administración para el Control de la Gestión en Organismos Públicos
Precisión en el Cálculo
La distribución binomial se puede aproximar a una normal cuando:
N p > 5 y N q > 5 . Siendo q=(1-p)
Con media = N p y varianza s2 = N pq.
Para una distribución normal N(, s) sabemos que el 95% de las
observaciones se encuentran en el intervalo:
( í 2s, + 2s).
Con lo que tendremos que el intervalo de confianza al 95% del
numero de aciertos n en S estara en:
? A N pq N p N pq N p 2,2
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 24/34
Diplomado Administración para el Control de la Gestión en Organismos Públicos
Simulación de Variables Aleatorias Discretas
Una primera aproximación a la simulación de una variable aleatoria
discreta, X, que siga una determinada distribución de probabilidad dada
por su función de probabilidad:
Debemos realizar ciertas transformaciones para poder utilizar lastécnicas de obtención de números pseudos aleatorios. Supongamos
que deseamos simular una V.A.D., X, con una distribución de
probabilidad dada por:
ii p x X p x F !!!
)()(
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 25/34
Diplomado Administración para el Control de la Gestión en Organismos Públicos
Simulación 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 función de sus
probabilidades.
2.Calculamos la probabilidad acumulada para cada evento.
3.Definimos entonces los intervalos de ocurrencia para cada evento
4.Generamos números 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
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 26/34
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
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 27/34
Tabla de Intervalos de Simulación
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
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 28/34
Simulación de la Demanda
ÍndiceNumero
Aleatorio
Valor de lademanda
xi
Numero
Aleatorio
Valor de lademanda
xi
Numero
Aleatorio
Valor de lademanda
xi
Numero
Aleatorio
Valor de lademanda
xi
Numero
Aleatorio
Valor de lademanda
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
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 29/34
Solución
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
desviación estándar:Demanda media esperada = 30
Desviación estándar = 5.48
Estos parámetros permitirán un tratamiento estadístico del caso de estudiomas adecuado para la toma de la decisión.
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 30/34
Simulación de Variables Aleatorias Continuas
Supongamos ahora que deseamos simular valores de una variable
aleatoria. continua, X, que sigue una distribución de función de densidad
f(x) y función de distribución F(x).
Los valores xi, que toma la V.A. X siguiendo la distribución dada, se
pueden obtener de la ecuación:
Siendo gi un numero aleatorio de una distribución u(0, 1).
Escogido o dado el numero aleatorio es preciso resolver esta ecuación
para obtener el valor de una simulación de la variable aleatoria X.
Existen diversos métodos para determinar este valor sin embargo, gracias
a la computación actualmente se utiliza mucho el método de la función de
densidad inversa que a continuación explicaremos
´ !!1
0
)()( x
xi
dx x f x F K
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 31/34
Método de la Función de Distribución Inversa
En definitiva, el método consiste en, dada una función de densidad, f(x)
obtener su función de distribución F(x) y calcular su inversa F í1(x).
F : E [0 , 1]
x F(x) = P( X < x)
x = F í1(g) g
En definitiva, dado g= U(0 , 1), obtendremos una simulación de X mediante la ecuación,
x = Fí1(g)
.
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 32/34
Ejemplos Simulación de una variable aleatoria que siga una distribución
uniforme U(a, b), a partir de un generador de números aleatorios que
siga una distribución U(0 , 1):
Entonces x e X = U(a, b).
Este método no siempre es factible, sin embargo para la mayoría de
los casos Excel nos proporciona las formulas inversas de las
distribuciones de probabilidad mas comunes.
aab F xab
a x
b x
ba xab
a xa x
x F
ba x
ba xab x f
!!
!
"
!
gg
!
)()(
,1
),(
,0
)(
),(),(0
),(1
)(
1KK
K
5/13/2018 Exposición Análisis de Sensibilidad EMV Montecarlo Def - slidepdf.com
http://slidepdf.com/reader/full/exposicion-analisis-de-sensibilidad-emv-montecarlo-def 33/34
Generacion de Números Aleatorios con Excel Excel posee una serie de funciones estadísticas que devuelven el valor de
la función de densidad f(x) y de distribución F(x), con los parámetros
necesarios para determinar la distribución.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 m´etodo de la Función de Distribución
inversa:DISTR.NORM.INV(prob;media;desv. estándar)
DISTR.NORM.INV(ALEATORIO();media;desv. estándar)
DISTR.CHI.INV
DISTR.EXP.INV
DISTR.GAMMA.INV
DISTR.NORM.INV
DISTR.T.