La Selección de la distribución Adecuada

cap01.intro.eval.riesgo.doc

Tabla de Contenidos: Capítulo 1

Tabla de Contenidos: Capítulo 1        1

Capítulo 1: Introducción a la Evaluación de Riesgo        1

Propósito del Capítulo        1

De Determinístico a Probabilístico        1

Simulación Monte Carlo-¿Qué es? ¿Porqué es importante?        2

¿Porqué llevar a cabo evaluaciones de riesgo?        2

Software de Evaluación de Riesgo de Palisade Corporation        3

Guía de Utilización de Herramientas de Palisade        7

Probabilidad y Evaluación del Riesgo        8

Probabilidad y Evaluación del riesgo: Un breve resumen        8

Cuantificación de la incertidumbre: Puntos clave        8

Fundamentos de Probabilidad        8

Características de las Distribuciones de Probabilidad        8

Incertidumbre en un Punto en el Tiempo versus Incertidumbre a lo Largo del Tiempo        10

Modelos a ser utilizados para demostrar cómo realizar una evaluación de riesgo        10

Una mirada al futuro        11

Apéndice        12

        12

Introducción        12

¿Qué es la simulación en el contexto de @Risk? (Simulación Monte Carlo)?        12

Simulation is the process of:        12

Simulación en @Risk es el proceso de:        12

La simulación en @Risk tiene dos opciones para métodos de muestreo:  Estos son:        13

Muestreo Aleatorio Simple:        13

Muestreo aleatorio estratificado:        13

Muestreo Latino Hipercúbico:        14

Cuantificando la incertidumbre (Un examen más detallado)        14

Características Resumen de las Probabilidades de Distribución        16

Gráficos de Probabilidad: Un método visual para probabilidades        17

Probabilidad en un Dos por Tres (Material opcional)        22

El contexto:        22

Mas resultados: Actualizando probabilidades basados en nueva información:        23

Introducción        24

Variables Aleatorias Discretas        25

Variables Aleatorias Continuas        26

Resumen de propiedades para el valor esperado:        26

Inecuación de Chebyshev        27

Inecuación de Jensen        28

Distribuciones multivariables        28

Cuatro importantes distribuciones de probabilidad univariable        29

Normal:  [pic 1]        29

Normal Estándar: z ~ N(0, 1)        29

Chi-cuadrado:        29

Distribución t        30

Distribución F        30

Estimación, Estimadores y Distribuciones Muestrales        31

Estadística Inferencial Clásica        32

Estimación en el Punto        32

Estimación de un Intervalo        32

Prueba de Hipótesis        33

Propiedades deseables de los estimadores        33

Intervalos de confianza versus prueba de hipótesis        35

Expresiones utilizadas en el cuaderno de entrenamiento        35

Capítulo 1: Introducción a la Evaluación de Riesgo

Propósito del Capítulo

El capítulo 1 lo introduce a usted a la evaluación de riesgo, la cual requiere un entendimiento de las nociones de simulación Monte Carlo, exposición y mitigación, conceptos fundamentales para la ejecución de evaluaciones de riesgo.  Dejamos el mundo de lo determinístico y entramos al mundo de lo probabilístico. Luego, proveemos un vistazo general del software de Palisade – las herramientas que utilizamos para ejecutar evaluaciones de riesgo, seguidas por una introducción a los conceptos de probabilidad, el método por medio del cual se identifica la incertidumbre.  Estos conceptos son necesarios para que usted pueda comprender los resultados que usted producirá utilizando @Risk.  El entrenamiento provisto en este texto lo equipará a usted con las herramientas necesarias para ejecutar una evaluación de riesgo defendible – su conjunto de herramientas para evaluaciones de riesgo.

Las evaluaciones de riesgo proveen la estructura para organizar toda la información que usted posee actualmente con el objeto de poder tomar la “mejor” decisión ya, bajo incertidumbre.  Los pasos para realizar esto se despliegan esquematizadamente en colores, presentadas en la presentación de diapositivas de introducción, la cual consideramos que es la guía para ejecutar evaluaciones de riesgo defendibles.

De Determinístico a Probabilístico

¿Qué queremos decir con el encabezado de esta sección?  Los libros de trabajo Excel determinísticos son aquellos que le proveen a usted la solución de su análisis una vez que usted haya introducido las variables de entrada (“inputs”) deseados.  El problema principal a la hora de utilizar análisis determinísticos es que, en muchos casos, aquellos en los cuales nos enfocamos en los capítulos de este texto, los problemas que están siendo analizados se relacionan al futuro incierto. Como consecuencia, la respuesta provista por el libro de trabajo Excel está basada en estimaciones de variables de entrada futuras inciertas.  Una solución es extender el análisis tratando de encontrar conjuntos de supuestos con límites inferiores y superiores razonables y utilizar los mismos para limitar el análisis.  Este método podría ser insuficiente por las siguientes razones, entre otras:

1. Usted no ha definido la probabilidad de que los supuestos realizados ocurran.  En la mayoría de los casos, el “peor” y “mejor” escenarios utilizan supuestos que son extremadamente poco probables de ocurrir.

1. Usted no ha capturado la interdependencia, si existiere, del conjunto de supuestos.

El método que proveemos provee los medios por medio de los cuales cuantificamos juicios respecto al futuro incierto y organizamos la información que usted tiene disponible ahora, en una forma consistente.  Se proveen de las medidas para evaluar los resultados para que usted pueda entonces hacer una mejor decisión de manera más informada ante condiciones de incertidumbre.

Un análisis de “peor” y “mejor “escenarios tiene valor en situaciones obvias:

1. Si usted evalúa el peor escenario, y el proyecto aún cumple con los estándares de la compañía, entonces usted procede sin llevar a cabo ningún análisis posterior,  asumiendo que no exista ninguna restricción presupuestaria.

1. De forma similar, si usted evalúa el “mejor caso” y el proyecto aun así no cumple con los estándares de la compañía, entonces simplemente no se procede a hacer nada.

Simulación Monte Carlo-¿Qué es? ¿Por qué es importante?

¿Cómo somos capaces de hacer chocar automóviles de prueba sin matar a personas? ¿Cómo sabemos que el diseño aerodinámico de un nuevo jet comercial se desempeñara como suponemos que lo haga?  Esto se realiza mediante simulaciones ante una variedad de condiciones del “mundo real”.  La manera en que esto se realiza consiste en capturar las dimensiones relevantes de la realidad e incorporar aquellas dimensiones en un ambiente de prueba – en la realidad, haciendo pruebas de automóviles con muñecos; o bien, recreando las condiciones utilizando un modelo computarizado (es decir, una simulación).

...