Documentos de Académico
Documentos de Profesional
Documentos de Cultura
anlisis de decisiones
Contenido
Introduccin
Descripcin de incertidumbre
Distribuciones de probabilidad
Caractersticas de las distribuciones
Probabilidad acumulada
Distribuciones continuas y discretas
Distribucin Normal
Distribucin Lognormal
2
Contenido (continuacin)
Manejo de incertidumbre
Reality checks
Regla de Swanson
Concepto de diagrama de tornado
Conceptos de rboles de decisin
Simulacin Monte Carlo
Combinacin de distribuciones (consolidaciones estocsticas)
Anlisis de incertidumbre
Riesgo
Monte Carlo vs rboles de Decisin
Anlisis de decisin
Teora de portafolios
3
Introduccin
Introduccin
Descripcin de incertidumbre
Las tres categoras de anlisis:
Anlisis de sensibilidad
Anlisis de decisiones
Anlisis de riesgo
El tema fundamental es incertidumbre:
Qu tan importante es?
Qu tanto afecta en la toma de decisiones?
Qu impacto tiene?
Cada una de estas categoras puede hacer uso de diferentes herramientas
Las preguntas formuladas en cada etapa del anlisis tienden a ser diferentes
5
Anlisis de sensibilidad
6
Anlisis de decisiones
7
Anlisis de riesgo
Cul es la probabilidad de
perder dinero?
Deberamos sorprendernos
de los resultados de este
proyecto?
8
Descripcin de la incertidumbre
Descripcin de la incertidumbre
Rangos de incertidumbre
10
Descripcin de la incertidumbre
Probabilidad
11
Descripcin de la incertidumbre
distribuciones de probabilidad
Una distribucin de probabilidad es una manera de expresar el
rango de posibles valores para una variable incierta, y por ende
la probabilidad de esos valores
La manera ms comn de
expresarla es mediante una
funcin de densidad de
probabilidades
La probabilidad de que la
variable est entre el rango x a
x+dx es P(x) * dx
12
Descripcin de la incertidumbre
Diferentes distribuciones de probabilidad
Hay muchos tipos de distribuciones de probabilidad
Cules son las diferencias?
Qu representan esas diferencias?
Probabilidad acumulada
La probabilidad acumulada es obtenida mediante la integracin
de la funcin de densidad de probabilidades
Es una forma alterna de observar la misma informacin, pero
ms fcil de interpretar
14
Descripcin de la incertidumbre
Percentiles
Es fcil ilustrar percentiles usando una grfica de probabilidad
acumulada
Hay un 10 por ciento de probabilidad de que el valor real sea
menor que el P10 de ese valor
Tambin es posible determinar fcilmente la probabilidad de que
la variable est dentro de un rango de valores dado
15
Descripcin de la incertidumbre
Distribuciones continuas vs distribuciones discretas (primera
dosis de vacunacin)
Una propiedad importante de una distribucin de probabilidad
es saber, si es continua o discreta
Probabilidad de tener un 3 = 2 / 25
= 8%
44%
La probabilidad de tener un
valor entre 2.5 y 5.5 = 44% - 4%
= 40%
4%
18 2.5 5.5
Descripcin de la incertidumbre
Medidas de tendencia central
(Nos permite comparar tipos de distribucin)
20
Descripcin de la incertidumbre
Ejercicio
21
Descripcin de la incertidumbre
22
Descripcin de la incertidumbre
Formas sencillas para describir una coleccin de datos con
probabilidades de ocurrencia (contina):
23
Descripcin de la incertidumbre
Teorema del lmite central
24
Descripcin de la incertidumbre
Ejercicio
25
Descripcin de la incertidumbre
26
Descripcin de la incertidumbre
Distribucin Normal
La Media, la Moda, y la
Mediana son iguales
27
Descripcin de la incertidumbre
Distribucin Lognormal
Asociado con el proceso
multiplicativo
Moda
Fenmenos naturales (especialmente
con variancia mayor) Mediana
produccin, y otros ms
28
Descripcin de la incertidumbre
Distribuciones de probabilidad - Triangular
29
Descripcin de la incertidumbre
Distribucin Uniforme
30
Aspectos clave
Los resultados de clculos computacionales son valores
discretos Se pueden capturar distribuciones continuas pero
los resultados sern distribuciones discretas
elihood of Occurrence
Recursos prospectivos
(escala aritmtica)
33
Normal: dos maneras de
representacin
P99
P90
P50
P10
P1
34
Grfica de la distribucin normal (como lneas rectas)
P99
P90
P50
P10
P1
35
Lognormal: dos maneras
de representacin
P99
P90
P50
P10
P1
36
Grfica de la distribucin lognormal (como lneas rectas)
P99
P90
P50
P10
P1
37
Por qu es tan importante para estimaciones probabilistas?
Normalmente muchos ejemplos son necesarios para
definir las distribuciones
39
Estimacin con rangos probabilistas
P10
P50
P90
Escala Aritmtica
Likelihood of Occurrence 80%
Intervalo de confianza
P99 Reality
P90 Check
P50
P1 Reality Check
P10
40
valores (escala logartmica)
Descripcin de incertidumbre
41
Descripcin de incertidumbre
P1 = 46.18 bd
P99 = 8,770.97 bd
P75 = 1,361.62 bd
42
Regla de Swanson
43
Aspectos clave
Podemos representar incertidumbre con un 80% de intervalo de
confianza
44
Conceptos del diagrama de Tornado
Incertidumbre
Todo tiene incertidumbre a cierto nivel
Para entenderla existen dos componentes:
Qu tan incierto es?
Qu tanto importa?
45
Conceptos del diagrama de Tornado
Alto, Base, Bajo
Cuando decimos qu tan incierto es algo, normalmente damos
estimados alto, base y bajo. Qu significa sto?
Terminologa:
Variable: un parmetro incierto que afecta el resultado de un
clculo, por ejemplo, precio de aceite, costos de operacin,
espesor neto, etc.
Valor de Medicin (VM): un valor de medicin; el resultado de
un clculo, por ejemplo, VPN, TR, reservas recuperables, etc.
Ejercicio 1
Usando Excel calcular el impacto sobre la incertidumbre de flujo de efecivo
acumulado generado por un proyecto sabiendo que:
1. La produccin acumulada de aceite est estimada en 4 millones de barriles
(80% de intervalo de confianza es 3.2 millones a 5 millones de barriles)
2. El promedio del precio del aceite est estimado en 20 USD (80% de
intervalo de confianza de + 0 30%)
3. El gasto de capital est estimado en 8 millones de USD (80% de intervalo
de confianza de + 0 20%)
4. Costos de operacin estimados en 12 millones de USD (80% intervalo de
confianza de + 0 20%)
49
Diagrama de tornado
Resultados de los ejercicios
Resultado en Excel
Saturacion Factor de
Area Espesor Porosidad Agua Bo Recobro Reservas
(acres) (ft) (fraction) (fraction) (RB/STB) (fraction) (MMBbls)
200 10 0.12 0.32 1.00 0.50
320 30 0.15 0.35 1.10 0.65 4291
600 40 0.20 0.40 2.00 0.80
Demo
52
Conceptos de rboles de decisin
53
Conceptos de rboles de decisin
Valor Esperado
Valor Esperado (VE) es el promedio ponderado de todos los
posibles resultados
Es generalmente imposible de llevar a cabo el VE en una
sola prueba
Si un proyecto idntico puede hacerse muchas veces,
entonces el promedio del resultado debe ser parecido al
valor esperado
54
Conceptos de rboles de decisin
Alto, Base, y Bajo
Un elemento comn de un rbol de decisin es el nodo de
incertidumbre de tres ramas
55
Conceptos de rboles de decisin
Alto, Base y Bajo
56
Conceptos de rboles de decisin
57
Conceptos de simulacin Monte Carlo
La herramienta de clculo
Retomando la discusin de variables y valores de medicin
Estos son las entradas y salidas de la herramienta de clculo
La herramienta de clculo puede ser Merak Peep, MS Excel, o
alguna otra aplicacin
58
Conceptos de simulacin Monte Carlo
La herramienta de clculo
Para una simulacin Monte Carlo, las entradas son
distribuciones de probabilidad
Los valores aleatorios son generados para cada entrada y las
salidas son calculadas
Repitiendo sto, obtenemos un histograma de posibles
resultados
59
Conceptos de simulacin Monte Carlo
Muestra aleatoria
Durante una simulacin Monte Carlo, nmeros son generados
aleatoriamente para cada variable de entrada
El muestreo es realizado, por lo que las reas de alta densidad
de probabilidad, son escogidas ms frecuentemente, que reas
de baja densidad de probabilidad
Si la regin A tiene el doble de la densidad de probabilidad que
la regin B, debe haber dos veces ms valores generados de A
que de B
60
Conceptos de simulacin Monte Carlo
Correlacin
Es posible que las variables sean aleatorias pero no
independientes una de la otra
Si, cuando los valores de una variable son altos, los valores de
la otra variable tambin tienden a ser altos, entonces se dice
que son positivamente correlacionados,
De manera inversa, se dice que son negativamente
correlacioandas
La correlacin no necesariamente implica una relacin causal
entre dos variables
61
Conceptos de la Simulacin Monte Carlo
Correlacin
El grado de correlacin es medido por el coeficiente de
correlacin, el cual va de -1 a +1
Graficando los
valores de una
variable contra los
valores
correspondientes de
la otra es una buena
manera de
inspeccionar la
correlacin
visualmente
62
Aspectos relevantes
63
Uso de incertidumbre
rboles de decisin vs Monte Carlo
65
rboles de decisin vs Monte Carlo
66
rboles de decisin vs Monte Carlo
67
rboles de decisin vs Monte Carlo
Los rboles de decisin usan los valores de los resultados y sus
probabilidades asociadas para determinar un promedio
ponderado. Este es el valor esperado del rbol
68
rboles de decisin vs Monte Carlo
En el anlisis Monte Carlo, el valor esperado es calculado
tomando la media de todos los resultados. No hay
ponderacin por probabilidad debido a que el muestreo de
las distribuciones de entrada cumple con sto
El muestreo es ms frecuente en
regiones de alta densidad de
probabilidad.
VE = (V1 + V2 + V3 +)/N
El tamao de la muestra es
importante
69
Pros y contras de la Simulacin Monte Carlo
70
Pros y contras de Monte Carlo
71
Pros y contras de Monte Carlo