Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Aplicacin de la Simulacin
Monte Carlo en el clculo
del riesgo usando Excel1
Carlos E. Azofeifa 2
Vol. 17 N 1 97
Introduccin de productos nuevos valores para las entradas probabilsticas y
El objetivo central de esta simulacin es se calcularan los tiempos de espera de los
determinar aquella probabilidad que clientes, as como su nmero esperado en
tiene un producto nuevo de producir un la cola y el tiempo de servicio.
beneficio. Se desarrolla un modelo que
relaciona la utilidad con las distintas Finanzas
entradas probabilsticas como, por Hacer anlisis de riesgo en procesos
ejemplo, la demanda, el costo de las financieros mediante la imitacin
piezas o materia prima y el costo de la repetida de la evolucin de las
mano de obra, etc. La nica entrada que transacciones involucradas para generar
se controla es si se introduce o no el un perfil de los posibles resultados:
producto en el mercado. Al generar una
diversidad de posibles valores en Aplicacin al planeamiento de
funcin de las entradas probabilsticas, capacidad.
se calcula la utilidad resultante.
Aplicaciones para determinar
Polticas de inventario polticas de mantenimiento ptimo.
98 Vol. 17 N 1
Los modelos de simulacin que se van a que depende de variables probabilsticas
considerar difieren de otros modelos en de entrada. Los investigadores acuaron
los siguientes aspectos: este trmino por su similaridad al
muestreo aleatorio en los juegos de ruleta
Los modelos de simulacin no se han
en los casinos de Monte Carlo.
diseado para encontrar la mejor
solucin o soluciones ptimas, como As, por ejemplo, el modelo de Monte
en la programacin lineal o en Carlo puede simular los resultados que
anlisis de decisiones, sino que puede asumir el VAN de un proyecto.
evalan diferentes alternativas y se Pero lo ms relevante es que la
toma una decisin con base en una simulacin permite experimentar para
comparacin de los resultados. Es observar los resultados que va
decir, se evala el desempeo de mostrando dicho VAN.
sistemas previamente especificados.
Uso de Excel en la simulacin
Los modelos de simulacin suelen
enfocarse en operaciones detalladas Por otra parte, puesto que hoy en da los
del sistema, ya sean fsicas o modelos de simulacin pueden crearse y
financieras. En el sistema se estudia ejecutarse en una PC. El nivel de
la manera como funciona a travs conocimientos de computacin y mate-
del tiempo y se incluyen los efectos mtica requeridos para disear y correr
de los resultados de un periodo un simulador til se ha reducido
sobre el siguiente. considerablemente. La capacidad de los
modelos de simulacin para tratar con la
La simulacin por computadora complejidad, manejar la variabilidad de
imita la operacin de este sistema las medidas de desempeo y reproducir
mediante el uso de distribuciones de el comportamiento a corto plazo permite
probabilidad correspondientes para que la simulacin sea una herramienta
generar en forma aleatoria los poderosa.
diversos eventos que ocurren en el
sistema. Sin embargo, en lugar de Adems, la potencia de las PC
recientemente ha hecho posible que el
operar un sistema fsico, la
administrador use hojas de clculo para
computadora solo registra las evaluar el riesgo de inversiones
ocurrencias de los eventos financieras, evaluacin de proyectos,
simulados y el comportamiento planes de retiro y otros tipos de
resultante de este sistema simulado. decisiones de negocios. Lo anterior se
Los modelos de simulacin incluyen debe a la flexibilidad y capacidad
estadstica de la hoja de clculo, la cual
elementos aleatorios o probabi-
la torna especial para el desarrollo de los
lsticos; estos contienen ejemplos de modelos de simulacin, particularmente
sistemas de colas, de inventario y en el uso de la simulacin Monte Carlo.
modelos de anlisis de riesgos, a De hecho, es quiz la hoja electrnica la
menudos llamados Simulacin ms elegante de todas las aplicaciones
Monte Carlo. de software, pues ella proporciona al
usuario un gran poder en la conduccin
de los anlisis financieros.
Simulacin Monte Carlo
La simulacin Monte Carlo es Beneficios de la simulacin
bsicamente un muestreo experimental Los modelos simulados son ms
cuyo propsito es estimar las fciles de entender que muchos
distribuciones de las variables de salida modelos analticos.
Vol. 17 N 1 99
Se gana experiencia en forma no se conocen con exactitud y por lo
barata simulando en el computador tanto se consideran las entradas
sin correr riesgos reales. probabilsticas del modelo. Ahora bien,
Se obtienen resultados de manera el comportamiento de estas entradas se
rpida. debe describir mediante distribuciones
de probabilidad.
Con los modelos de simulacin es
posible analizar sistemas muy De acuerdo con experiencias previas, se
complejos, donde los modelos han hecho las siguientes mejores
analticos no pueden llegar. estimaciones de los valores anteriores, a
saber:
Anlisis de riesgo 15.000 = costo de mano de obra directa,
Anlisis de riesgo es el proceso de 30.000 = costo de componentes,
predecir el resultado de una decisin ante
20.000 = demanda del primer ao.
una incertidumbre. El siguiente problema
presenta una gran incertidumbre: La Estos valores formarn el escenario
introduccin de un nuevo producto. bsico para la empresa PcSA. Se
Primeramente, se har un anlisis de requiere, adems, un anlisis del
riesgo sin utilizar la simulacin y potencial de utilidades de la impresora
posteriormente se presentar otro durante su primer ao. Para ello
anlisis, con la ayuda de la simulacin. ponemos:
Introduccin C1 = costo de mano de obra por unidad.
de un producto nuevo C2 = costo de componentes por unidad.
La compaa PcSA comercia equipo
X = demanda del primer ao
informtico. El equipo de la compaa
encargado del diseo de productos ha Por lo tanto, el modelo se puede escribir
desarrollado un prototipo de una como:
impresora porttil de alta calidad. Esta
Utilidad = (70.000- C1 - C2 )X -
nueva impresora tiene un potencial para
240.000.000
ganarse un porcentaje importante del
mercado. Los anlisis preliminares Si sustituimos los mejores valores
financieros y de mercadeo han llevado a estimados, se tiene la siguiente
establecer un precio de venta y un proyeccin de las utilidades
presupuesto para los costos
administrativos y de publicidad para el Utilidad = (70.000-15.000-30.000)
primer ao. 20.000-240.000.000= 260.000.000 (*)
100 Vol. 17 N 1
En realidad, debemos evaluar dos aleatoria valores para las distintas
escenarios ms: uno pesimista y otro entradas probabilsticas del problema, con
optimista. la ventaja de que nos va a permitir tener
Para el escenario pesimista tenemos la un juicio sobre la probabilidad de los
utilidad proyectada: posibles valores de utilidad o de prdida.
Tabla 1
Distribucin de probabilidad para costo de mano de obra directa
10.000 0,1
13.000 0,3
16.000 0,3
19.000 0,2
22.000 0,1
Vol. 17 N 1 101
14.500 unidades y la desviacin capacidad de cmo generar estos valores
estndar es de 4.000 unidades. representativos para las distintas entradas
probabilsticas.
Ahora para simular el problema de PcSA
se deben generar valores para estas tres Nmeros aleatorios y la generacin
entradas probabilsticas y calcular la de valores de entradas probabilsticas
utilidad resultante. Despus se debe Los nmeros aleatorios generados por
generar otro juego de valores para las computadora se eligen al azar en el
mismas entradas probabilsticas, calcular intervalo de 0 a 1, pero sin incluir a 1.
un segundo valor para la utilidad y as Como cada nmero generado por
sucesivamente. Se contina el proceso computadora tiene la misma probabilidad,
hasta que estemos seguros de que se han se dice que estn distribuidos de manera
realizado suficientes ensayos para poder uniforme en el intervalo [0,1].
tener una buena imagen de la distribucin
de los valores que toma de utilidad. Colocando =RAND() o =ALEATORIO()
en una celda de Excel, se producir un
Este proceso de generar las entradas nmero aleatorio entre 0 y 1.
probabilsticas y de calcular el valor del
resultado se conoce como simulacin.
Observemos que el precio de venta, el Generacin para la distribucin
costo administrativo y el costo de de probabilidad discreta
publicidad, se conservan fijos en toda la Comenzaremos por mostrar cmo generar
corrida de simulacin. un valor para el costo de mano de obra
Para la simulacin se pueden desarrollar directa por unidad. Se asigna un intervalo
mediciones de inters, por ejemplo, en de nmeros aleatorios a cada valor posible
particular estamos interesados en calcular: del costo de mano de obra directa, de
forma que la probabilidad de generar un
a) la utilidad promedio y
nmero aleatorio en el intervalo sea igual
b) la probabilidad de una prdida a la probabilidad del costo de mano de
Como las mediciones de estos resultados obra directa correspondiente. En la tabla
tienen que ser significativas, los valores de costo de mano de obra se muestra la
de las entradas probabilsticas tienen que manera de hacerlo.
ser representativos de lo que es probable Para lograr generar nmeros aleatorios en
que ocurra al introducir la nueva Excel siguiendo una distribucin discreta,
impresora en el mercado. Veamos la se va a Anlisis de Datos en Herramientas
102 Vol. 17 N 1
y se escoge generacin de nmeros obra directa, procederemos de manera
aleatorios, luego en el cuadro de dilogo diferente en la generacin de los valores.
se marca en la casilla de nmero de Como su distribucin es uniforme (esto
variables: 1 5, dependiendo el nmero es vlido para cualquier distribucin de
de columnas escogidas donde se probabilidad uniforme), se utiliza la
colocarn los nmeros, en la casilla de siguiente relacin entre el nmero
Nmero de nmeros aleatorios: se pone aleatorio y el valor asociado del costo de
el nmero de ensayos, en este caso 70, componentes, la cual se obtiene a partir
donde dice distribucin, se escoge del mtodo de la transformada inversa:
discreta porque se tiene la distribucin ya
Costo de componentes
dada por la tabla anterior, la cual se debe
especificar en la celda que dice: valor y = a + r(b-a), en donde
probabilidad del rango y finalmente se r= nmero aleatorio entre 0 y 1 con
escoge una celda para el rango de salida. distribucin uniforme
Otra posibilidad es usar la funcin a= valor ms pequeo para el costo
BUSCARV, la cual hace la misma de componentes del costo de
funcin anterior sin tener que usar los componentes
mens anteriores.
Para nuestro caso, a = 25.000 y
Lo anterior se realiza pues como los b=35.000; por tanto el costo de
nmeros aleatorios tienen una misma componentes est dado por la ecuacin:
probabilidad, as los analistas pueden por
tanto asignar rangos de nmeros Costo de componentes = 25.000 +
aleatorios a valores correspondientes de r(35.000-25.000) = 25.000 + 10.000r.
entradas probabilsticas, de manera que la Ponindolo en el lenguaje de Excel, se
probabilidad de cualquier valor de tendra la frmula:
entrada al modelo de simulacin sea
Costo de componentes = 25.000 +
idntica a la probabilidad de su aparicin
10.000 * aleatorio( ).
en el sistema real.
Supongamos ahora que se tiene el
Por tanto, ahora la probabilidad de
nmero aleatorio 0,2680, en este caso el
generar un nmero aleatorio en cualquier
valor del costo de componentes que se
intervalo es igual a la probabilidad de
genera es: 25.000 + 10.000* 0,2680 =
obtener el valor correspondiente del costo
27.680.
de mano de obra directa, por lo que, para
generar un valor aleatorio para el costo de Si en el siguiente ensayo se genera un
mano de obra directa, generaremos un nmero aleatorio igual a 0,5871;
nmero aleatorio entre 0 y 1. Si el nmero entonces, el costo de componentes sera
aleatorio es mayor a 0,0, pero inferior a 30.871 y as sucesivamente.
0,3, se define el costo de mano de obra
Generacin de valores
directa igual a 10.000. Si el nmero
para la demanda del primer ao
aleatorio es mayor a 0,3, pero inferior a
0,6, estableceremos el costo de mano de Como la demanda tiene una distribucin
obra directa igual a 16.000 y as normal con media =14.500 y
sucesivamente. desviacin estndar =4.000. El
procedimiento para generar nmeros
Generacin de valores
aleatorios a partir de una distribucin
para el costo de componentes
normal no se explicar debido a su
Como su distribucin de probabilidad complejidad matemtica. Sin embargo,
es distinta a la del costo de mano de los paquetes de simulacin por
Vol. 17 N 1 103
computadora y principalmente las hojas simulacin involucra generar valores al
de clculo poseen una funcin que azar para las entradas probabilsticas
genera valores al azar a partir de una (costo de mano de obra directa, costo de
distribucin de probabilidad normal, lo componentes y demanda del primer ao)
nico que se necesita es introducir el y despus calcular la utilidad. La corrida
valor medio y la desviacin estndar. de simulacin queda concluida cuando
En el caso de Excel, colocamos la se haya llevado a cabo un nmero
siguiente frmula en una celda para satisfactorio de ensayos.
obtener el valor de una entrada Contenidos de las celdas de los costos, la
probabilstica que est distribuida demanda y la utilidad:
normalmente:
- Costo de mano de obra:
=NORMINV(RAND( ), =media, =BUSCARV(ALEATORIO( ); $A
=desviacin estndar) $4: $C$8, 3, verdadero)
Para nuestro caso en particular, - Costo de componentes: = 25.000 +
tendramos: 10.000*ALEATORIO( )
=NORMINV(RAND( ), =14.500, - Distribucin de la demanda:
=4.000) =DISTR.NORM.INV (ALEATORIO
o ( ), 14.500, 4.000)
Modelo de PcSA
104 Vol. 17 N 1
Continuacin
Vol. 17 N 1 105
Continuacin
106 Vol. 17 N 1
utilidad simulada y obtener adems las A continuacin presentamos la estadstica
correspondientes estadsticas descriptivas descriptiva de la simulacin anterior; esto
para el nmero de ensayos pedidos en la se consigue en Anlisis de datos que se
simulacin, en estas ltimas se puede encuentra en Herramientas de Excel.
incluir el nmero de prdidas (para Observemos que la utilidad menor es de
calcular la probabilidad de una prdida), -105 280 031,8 y la utilidad superior es de
la utilidad mnima y la utilidad mxima. 557 753 867,4. Adems, la utilidad
Con estos datos se toman las decisiones promedio es de 158 312 474,2, con una
adecuadas. Recordemos que los estudios desviacin estndar bastante grande de
de simulacin permiten una estimacin 132 220 387,9.
objetiva de la probabilidad de una
Tambin, como destacamos antes, se
prdida, lo que es un aspecto de
debe realizar un histograma de los
importancia en el anlisis de riesgo.
resultados de la simulacin; debajo del
Es claro que con la simulacin se
obtiene mucha mayor informacin. As,
por ejemplo, aunque los escenarios
pesimista y optimista son posibles, Columna 1
puede suceder que en una corrida de
1 000 simulaciones, estos sean poco Media 158312474,2
probables. Por otra parte, si por ejemplo Error tpico 15803359,03
se tiene una probabilidad de prdida de Mediana 136811189,4
0,071, la cual puede ser aceptable para Moda #N/A
la administracin, dado que se tiene una Desviacin estndar 132220387,9
probabilidad de que la utilidad sea Varianza de la muestra 1,74822E+16
beneficiosa. De lo contrario, PcSA Curtosis 0,349189721
puede realizar nuevas investigaciones Coeficiente de asimetra 0.626528563
de mercado antes de decidir la Rango 663033899,3
introduccin del producto. En cualquier Mnimo -105280031,8
caso, los resultados de la simulacin Mximo 557753867,4
deben ser una ayuda para llegar a una Suma 11081873194
decisin apropiada. Cuenta 70
Para evaluar el riesgo correspondiente Mayor (1) 557753867,4
del proyecto, se us las estadsticas Menor(1) -105280031,8
descriptivas, adems se puede utilizar la
tecla F9 para realizar otra simulacin
completa de PcSA. En este caso, la hoja
de clculo volver a calcularse y se Clase Frecuencia %
incluir un nuevo conjunto de resultados acumulado
de simulacin. Cualquier resumen,
medidas o funciones de los datos que se -105280032 1 1,43%
hubieran incorporado anteriormente a la -22400794 2 4,29%
hoja de clculo se actualizarn de 60478443 15 25,71%
manera automtica. Para realizar la 143357680 19 52,86%
estadstica descriptiva y su histograma, 226236918 13 71,43%
primero se debe congelar o fijar la 309116155 11 87,14%
columna de las utilidades; esto se 391995393 6 95,71%
consigue marcando las 70 utilidades 74874630 1 97,14%
obtenidas y luego proceder as: copiar / y mayor... 2 100,00%
copiar / pegado especial / pegar / valores.
Vol. 17 N 1 107
cuadro de la estadstica descriptiva, Si se desea ms precisin, se deben
aparece el cuadro de frecuencia realizar ms de 70 ensayos para dar una
realizado por Excel y que proporciona mejor estimacin del rendimiento
el siguiente grfico (Herramientas / esperado, pero incluso con un mayor
Anlisis de datos / Histograma): nmero de ensayos puede haber alguna
diferencia entre el promedio simulado y
el rendimiento esperado real.
Observamos que con la simulacin se
Frecuencia obtiene ms informacin que con los
% acumulado escenarios; qu pasara si incluso
20 120,00% escenarios pesimistas y optimistas
podran tener pocas probabilidades de
100,00%
15 que ocurrieran en la realidad, lo cual nos
Frecuencia
80,00%
da mucha informacin para un buen
10 60,00% anlisis de riesgo; se puede adems
40,00% observar cules son los valores de
5
20,00% utilidad ms probables.
0 00,00% Si queremos realizar un nmero grande
de ensayos en Excel, digamos 2000
-105280031,8
-22400794,41
60478443
143357680,4
226236917,8
309116155,2
391995392,6
474874630
y mayor...
Bibliografa
Anderson, Sweeney, Williams. Mtodos
cuantitativos para los negocios.
Por tanto, el intervalo de confianza para Sptima edicin. Editorial Thomson.
esta simulacin ser [126.785.645,2- Mxico. 1999.
189.839.303,2] Es decir, podemos tener Azarang, M-Graca, E. Simulacin y anlisis de
un 95% de confianza en que la verdadera modelos estocsticos. Editorial
utilidad esperada est en algn punto McGraw-Hill. Mxico. 1996.
entre 126.785.645,2 y 189.839.303,2, Bierman, Bonini, Hausman. Anlisis
siendo nuestra mejor aproximacin cuantitativo para la toma de decisiones.
158.312.474,2. Editorial McGraw-Hill. Mxico. 2000.
108 Vol. 17 N 1
Eppen, F/ Gould, G/ Schmidt, C.P/ Moore, J/ Law,A-Kelton, D. Simulation Modelling &
Weatherford, L. Investigacin de Analysis. McGraw-Hill, Inc. New York.
operaciones en la ciencia 1991.
administrativa. Prentice Hall. Mxico.
2000. Lpez Paulo. Probabilidad y Estadstica.
Evans J-Olson D. Introduction to Simulation Conceptos, modelos, aplicaciones con
and Risk Analysis. Prentice Hall. New Excel. Prentice Hall. Mxico. 2000.
Jersey. 2002.
Wayne Winston. Financial Models Using
Kinkoph S. Microsoft Excel 2000. Prentice Simulation and Optimization II. PAL N.
Hall. 1999.
081. 1998.
Mathur, K/ Solow, D. Investigacin de
operaciones. El arte de la toma de Wayne Winston. Simulation Modeling using
decisiones. Prentice Hall. Mxico. 1996. @RISK . Duxbury. PAL. USA. 2001.
Vol. 17 N 1 109