Está en la página 1de 37

INTRODUCCION

Un proyecto trata sobre la búsqueda de una solución satisfactoria a un problema o


necesidad existente. Vivimos en un mundo en donde la economía es indeterminada,
por la que se deben establecer algunos factores que garanticen el éxito de una
inversión, ya que para evitar el fracaso es necesario la realización de estudios
específicos sobre el sector al que se pretende acceder.

La evolución de un proyecto es una de las herramientas más importantes antes de


iniciar un proyecto, ya que se utiliza para obtener distintas perspectivas de cómo se
operara el proyecto en el sector seleccionado. Es necesario que los proyectos sean
lo más realistas posibles para que tengan mayor sentido de ser.

El trabajo presentado a continuación se detallara en que consiste la evaluación


social de los proyectos, explicando sus diferencias, beneficios y enfoques; también
se puntualizara de que tratan los análisis de riesgos, sus metodologías y los tipos
de riesgos que pueden presentarse en un proyecto y por último se definirá la toma
de decisiones, presentando sus distintos métodos de aplicación. Esta investigación
realizada con el objetivo de añadir valor a los conocimientos del alumnado y así
mismo a los docentes.
OBJETIVOS
Objetivo general

Recopilar información sobre las distintas evaluaciones necesarias para poner en


marcha un proyecto para ampliar los criterios obtenidos en clase.

Objetivos específicos

 Puntualizar en que consiste una evaluación social de proyectos, desglosando


sus beneficios y sus distintos enfoques.
 Investigar en que consiste el análisis de riesgos y especificar los métodos
más adecuados para la identificación de riesgos en un proyecto.
 Desarrollar en que consiste la toma de decisiones en un proyecto y explicar
los métodos de aplicación establecidos.
Análisis de Riesgos

Un análisis de riesgos es el estudio de las causas de las posibles amenazas y


probables eventos no deseados, así como los daños y consecuencias que éstas
puedan producir. Se trata de un proceso sistemático que planifica, identifica, analiza,
responde y controla los riesgos de un proyecto.

Las amenazas son actos que pueden afectar negativamente a cualquiera de los
elementos del proyecto. Si en estos elementos existe una vulnerabilidad, es el
momento en el que la probabilidad de que se ponga en riesgo el proyecto sea más
elevada.

Sin embargo, antes de enfrentarnos a situaciones complicadas, es importante tener


en mente la siguiente consideración: lo más difícil del análisis de riesgos es
identificar tanto los contratiempos que pongan en jaque al proyecto, como su
probabilidad de ocurrencia. Nos centraremos así, en las amenazas con mayor
probabilidad de que ocurran y que puedan suponen un mayor impacto a la ruta
crítica del proyecto.

Son varias las razones por las que un proyecto puede fallar. Las más sonadas son
las correspondientes a una mala comunicación. La falta de informes periódicos, falta
de autoridad, problemas de comunicación en sí entre los miembros del equipo, falta
de financiación, metas irreales o, simplemente, una mala planificación son las
causas por las que nuestro proyecto podrían estar en peligro. La cuestión es
conocer qué falla.

En la medida en la que el Project Manager tenga claro esta identificación, podrá


establecer las medidas preventivas y correctivas viables. Para ello, simulará su
impacto ateniendo a dos factores clave que son el tiempo y los costes. Todo ello
registrado en un amplio capítulo de contingencias para una correcta evaluación de
riesgos.

Ventajas de un análisis de riesgos


La ventaja más concreta de una continua evaluación de riesgos, es la de identificar
de manera temprana aquello que amenaza el cumplimiento de los objetivos de la
empresa.

El beneficio de realizar una gestión continua de estos riesgos es la de trabajar de


manera oportuna para evitar que esas amenazas se concreten y eviten el
cumplimiento de los objetivos y/o generen sobrecostos (evitables).

¿Por qué esto debe ser una tarea continua? Es imprescindible que una tarea de
evaluación de riesgos sea continua, debido a que una organización no puede ser
considerada como una "foto" de un momento determinado, sino que "vive" y
"evoluciona" según el contexto interno y externo en el que se desenvuelve.
Y en virtud de ello, los riesgos -su probabilidad e impacto- variarán a lo largo del
tiempo. Por lo tanto, si confeccionamos un mapa de procesos y diseñamos una
matriz de riesgos, pronto se verán obsoletos si no la re-evaluamos periódicamente.
Si consideramos que el riesgo es la probabilidad de que hechos o acciones
impacten negativamente en la consecución de los objetivos de una organización, su
gestión reside en:

 La identificación de todos los riesgos relevantes.


 La ponderación de su potencial e impacto.
 La estimación de su probabilidad.
 La decisión sobre aceptarlos o reducirlos.
 La identificación de alternativas para reducir los riesgos en los casos aplicables.
 La selección de la mejor alternativa de reducción de riesgos.
 La evaluación de los resultados.
La identificación de riesgos se lleva a cabo entendiendo no sólo el negocio y las
realidades económicas, sociales, políticas y ambientales que inciden en él, sino
también aquellos que nacen dentro de la misma organización.
Para ello, debiéramos definir las principales áreas de análisis que deseamos cubrir,
por ejemplo, sobre la rentabilidad, la seguridad e higiene, el cumplimiento legal, los
costos, la productividad, etcétera.
Para medir el impacto, es recomendable establecer una metodología objetiva de
medición que permita arribar a una cuantificación confiable del efecto que
ocasionaría un riesgo en caso de concretarse. A la vez, debieran definirse
parámetros a partir de los cuales dicho impacto será considerado como: bajo, medio
o grave.

Respecto de la estimación de su probabilidad, si bien existen muchas técnicas,


debiera utilizarse aquella que de manera más sencilla, elocuente y rápida nos
permite conocer la frecuencia en que cada hecho puede ocurrir a lo largo del tiempo.

En base a la combinación de la evaluación del impacto y la probabilidad del riesgo,


tendremos el siguiente cuadro de situación:

Métodos de Análisis de Riesgos


Los métodos de análisis de riesgos son técnicas que se emplean para evaluar los
riesgos de un proyecto o un proceso. Estos métodos ayudan a tomar decisiones
que permiten implementar medidas de prevención para evitar peligros potenciales
o reducir su impacto.

Es cierto que no existe una única metodología de riesgos. La forma ideal de realizar
la gestión es seleccionar y combinar las mejores técnicas según el tipo de negocio
o de proyecto. Por eso, a la hora de escoger, hay que tener en cuenta que algunas
de estas herramientas son más idóneas para evaluar las causas de un problema,
mientras que otras son más adecuadas para valorar las consecuencias.

Métodos de análisis de riesgo más utilizados:

WHAT IF
El análisis what if (¿qué pasaría si…?) es una herramienta sencilla y fácil de
entender para cualquier gestor. Usualmente se utiliza en la primera fase de la
gestión cuando apenas se están identificando los riesgos. Después, este método
puede complementarse con un análisis más profundo de los riesgos y sus causas a
través de otras técnicas adicionales.

Esta metodología de administración de riesgos consiste en programar reuniones


entre funcionarios o colaboradores que conozcan a fondo el proceso que se analiza.
La primera reunión se programa para hacer lluvia de ideas. Se formulan preguntas
que ayuden a visibilizar posibles problemas. De ahí el nombre de what if, pues cada
una de esas cuestiones comienza de ese modo:

 ¿Qué pasaría si falla la maquinaria?


 ¿Qué pasaría si hay una interrupción de energía?

En las reuniones posteriores el grupo de expertos encontrará respuestas


pertinentes para abordar las preguntas que se formularon, procurando hallar
causas, consecuencias y recomendaciones. Justamente esa es una de las
principales ventajas del análisis what if, pues permite realizar una revisión
exhaustiva de una amplia categoría de riesgos.
Análisis Preliminar de Riesgos (APR)

Esta metodología de gestión de riesgos también forma parte del análisis inicial. Se
utiliza para identificar posibles riesgos cuando el proyecto apenas está
comenzando.

El primer paso en el análisis preliminar de riesgos es identificar todas las actividades


que forman parte de un proyecto o de un proceso, intentando reconocer los posibles
problemas que se puedan enfrentar en cada fase. Con esos datos se llena una tabla
de registro. En una de las columnas se describen los riesgos que se identificaron,
en otra se ubican las posibles causas, en la tercera se listan las consecuencias y en
la última se sitúan las categorías de riesgos, combinando la frecuencia y la gravedad
del riesgo para crear una clasificación de prioridades.

Cuanto más probable sea un riesgo y más graves sus consecuencias, mayor
atención debe dársele. Con esos criterios, los riesgos se clasifican en menores,
moderados, serios o catastróficos.

5 porqués
El objetivo de esta técnica es llegar a la causa raíz de un problema específico,
descartando las respuestas más inmediatas y superficiales. Así como los niños que
empiezan a preguntar sobre el porqué de asuntos aleatorios, este método de
análisis de riesgo es una indagación que consiste en formular preguntas iterativas
sobre un problema determinado.
Esta metodología de riesgos debe desarrollarse en grupo. En primer lugar, se
plantea el problema. Después, se pasa a la formulación de preguntas. Finalmente,
a partir de las respuestas, se encuentra la causa raíz.
Contrario a lo que indica el nombre de la técnica, no es necesario que se restrinja
el análisis a cinco preguntas. La cantidad de cuestiones estará determinada por la
complejidad del problema que se pretende abordar.

Ejemplo de 5 porqués:

Problema: Los clientes están reclamando porque las entregas no se están haciendo
a tiempo.
1. ¿Por qué se están demorando las entregas? Porque la mercancía está
retenida en la bodega.
2. ¿Por qué la mercancía está retenida en la bodega? Porque los camiones
están tardando en salir.
3. ¿Por qué los camiones están tardando en salir? Porque el trabajador está
demorando en cargarlos.
4. ¿Por qué el trabajador demora tanto en cagarlos? Porque una sola persona
tiene que cargar muchos camiones al mismo tiempo.
5. ¿Por qué el trabajador tiene que cargar tantos camiones al mismo tiempo?
Porque faltan ayudantes en la bodega.

Causa del problema: falta de funcionarios en la bodega.

FMEA (FAILURE MODE AND EFFECTIVE ANALYSIS)

Esta metodología de gestión de riesgos es en realidad una técnica de ingeniería.


En principio fue creada por la Nasa, pero después fue adoptada en diferentes
campos e industrias. El método FMEA consiste en identificar, clasificar y eliminar
las fallas de los proyectos o de los procesos antes de que estas ocurran.
El método FMEA empieza identificando las posibles fallas y efectos. Posteriormente,
se crea una clasificación de ellos. La puntuación de los riesgos se determina
teniendo en cuenta tres criterios:
1. Frecuencia
2. Gravedad
3. Detección

Con esos tres puntos se aplica una fórmula que permite establecer cuáles fallas son
más o menos graves. Los riesgos más críticos deben ser atendidos primero que los
demás.

Lista de chequeo

Esta es una herramienta utilizada para confirmar que las medidas preventivas de
los procesos de análisis y riesgo están siendo adoptadas.
Consiste en montar una lista con todos los riesgos que se han identificado y sus
recomendaciones de prevención correspondientes. Frente a cada ítem se debe
llenar una casilla con las tareas que ya fueron hechas y las que no.
Las listas de chequeo son un método de análisis de riesgo muy útil porque son
fáciles de hacer y de usar. Además, se pueden emplear para cualquier actividad o
proceso. Asimismo, facilitan la toma de decisiones.

Existen tres tipologías de métodos utilizados para determinar el nivel de riesgos de


nuestro negocio. Los métodos pueden ser:

 Métodos Cualitativos
 Métodos Cuantitativos
 Métodos Semicuantitativos.

Métodos Cualitativos:
Es el método de análisis de riesgos más utilizado en la toma de decisiones en
proyectos empresariales, los emprendedores se apoyan en su juicio, experiencia e
intuición para la toma de decisiones.

Se pueden utilizar cuando el nivel de riesgo sea bajo y no justifica el tiempo y los
recursos necesarios para hacer un análisis completo. O bien porque los datos
numéricos son inadecuados para un análisis más cuantitativo que sirva de base
para un análisis posterior y más detallado del riesgo global del emprendedor.

Los métodos cualitativos incluyen:

 Brainstorming
 Cuestionario y entrevistas estructuradas
 Evaluación para grupos multidisciplinarios
 Juicio de especialistas y expertos (Técnica Delphi)

Métodos Semi-cuantitativos:

Se utilizan clasificaciones de palabra como alto, medio o bajo, o descripciones más


detalladas de la probabilidad y la consecuencia.

Estas clasificaciones se demuestran en relación con una escala apropiada para


calcular el nivel de riesgo. Se debe poner atención en la escala utilizada a fin de
evitar malos entendidos o malas interpretaciones de los resultados del cálculo.

Métodos Cuantitativos:

Se consideran métodos cuantitativos a aquellos que permiten asignar valores de


ocurrencia a los diferentes riesgos identificados, es decir, calcular el nivel de riesgo
del proyecto.

Los métodos cuantitativos incluyen:

 Análisis de probabilidad
 Análisis de consecuencias
 Simulación computacional
El desarrollo de dichas medidas puede ser realizado mediante diferentes
mecanismos, entre los cuales destacamos el Método Montecarlo, el cual se
caracteriza por:

 Amplia visión para mostrar múltiples posibles escenarios


 Sencillez para llevarlo a la práctica
 Computarizable para la realización de simulaciones

Método Montecarlo:

Es un método cuantitativo para el desarrollo de análisis de riesgos. El método fue


llamado así en referencia al Principado de Mónaco, por ser “la capital del juego de
azar”. Dicho método busca representar la realidad a través de un modelo de riesgo
matemático, de forma que, asignando valores de manera aleatoria a las variables
de dicho modelo, se obtengan diferentes escenarios y resultados.

El método Montecarlo se basa en realizar un número lo suficientemente elevado de


iteraciones (asignaciones de valores de forma aleatoria), de manera que la muestra
disponible de resultados, sea lo suficientemente amplia como para que se considere
representativa de la realidad. Dichas iteraciones se podrán realizar haciendo uso de
un motor informático.

Con los resultados obtenidos de las diferentes iteraciones realizadas se efectúa un


estudio estadístico del que se sacan conclusiones relevantes respecto al riesgo del
proyecto, tales como, valores medios, máximos y mínimos, desviaciones típicas,
varianzas y probabilidades de ocurrencia de las diferentes variables determinadas
sobre las que medir el riesgo.

Modelos de Riesgos
Es un mecanismo que nos permite poner en práctica el método cuantitativo de
Montecarlo para el análisis de riesgos. Es la representación de la realidad a analizar
a través de una estructura de cálculos matemáticos, en la cual se detectan las
variables significativas de riesgo y se ponen en relación con el resto de variables
que afectan a nuestro proyecto, y con las variables económicas sobre las que vamos
a medir el nivel de riesgo del mismo, Beneficio y Valor actual neto.

¿Para qué se desarrolla un Modelo de Riesgos?

Para la medición de la probabilidad de ocurrencia del riesgo y el impacto que el


mismo tendría en nuestro proyecto empresarial, este impacto se mide en el
Beneficio obtenido por el emprendedor en el ejercicio y el Valor Actual Neto del
proyecto empresarial. De forma adicional, un modelo de riesgos nos permitirá
realizar un control y seguimiento sobre el mismo, comparando el valor en riesgo de
las variables con el valor real incurrido finalmente en el periodo sujeto a análisis.

¿Qué pasos se deben seguir para el desarrollo de un Modelo de Riesgo?


Para el desarrollo de un Modelo de Riesgos basado la medición de las
probabilidades de ocurrencia los pasos a seguir son los siguiente:

ETAPA 1- Selección de las funciones de probabilidad

Una vez Identificados las variables de riesgo, que afectan al Plan de Empresa
realizado por el emprendedor, nos interesa conocer cuál es el comportamiento de
dichas variables, es decir, cuál va a ser su rango de variación para cada uno de los
periodos de proyección.
Para ellos es necesario identificar la función de probabilidad que se asocia a cada
uno de las variables afectadas por el riesgo, es decir, la función que explica y refleja
el comportamiento de la variable de riesgo definida por el emprendedor.

Entre las principales, más comunes y de más sencilla aplicación para el usuario
destacamos las siguientes funciones de distribución de probabilidad asignables a
las variables de un proyecto empresarial:

Una vez analizadas las funciones de distribución, identificamos aquellas que


consideramos más acordes con las variables de riesgo seleccionadas por el
emprendedor, porque serán las que mejor describen y reflejan el comportamiento
de la variable.
Hay de decir que la selección de las funciones de probabilidad dentro del Módulo
de Análisis de Riesgos viene predefinida por la herramienta, de modo que el
emprendedor se encontrará una asociación realizada, a cada variable de riesgo se
le ha asignado una distribución de probabilidad. El emprendedor deberá de asignar
valores a las variables de dichas funciones para poder realizar la simulación que,
en condiciones normales, tomará la variable que se está analizando. Para otro tipo
de variables se le solicitará el valor estimado y la probabilidad de ocurrencia
asociada a dicho valor.
ETAPA 2 - Identificación de las variables sobre las que medir el
riesgo.
Para cuantificar el riesgo del proyecto empresarial deben identificarse la variable o
variables sobre las que se va a medir dicho riesgo. Para medir el riesgo global de
un proyecto empresarial se recomienda el uso de variables que sean
representativas del valor del negocio.

Existen múltiples métodos de valoración de empresas basados en diferentes


criterios:

 Métodos basados en el Balance


 Métodos basados en la Cuenta de Resultados
 Métodos basados en Descuento de Flujo
 Métodos basados en la Creación de Valor

Basándonos en la determinación del valor de la empresa a través de la estimación


de los flujos de dinero que genere en el futuro, consideramos una variable adecuada
sobre la cual medir el riesgo el Valor Actual Neto, VAN del proyecto empresarial y
como variable complementaria a corto plazo el valor del Beneficio Neto.

Sobre las variables de salida el emprendedor podrá estudiar las consecuencias que
tendrá en su proyecto empresarial la variabilidad experimentada en las variables de
riesgo consideradas en su proyecto

ETAPA 3- Simulación Computacional


A modo de resumen, pasos hasta el momento:

 El emprendedor realiza un ejercicio de reflexión para identificar los riesgos en


función de alguno de los métodos propuestos.
 Selecciona cuales son las variables de su Plan de Empresa que se ven
afectadas por el riesgo.
 Introduce los valores solicitados por la herramienta para cada uno de las
variables afectadas por el riesgo.
 Determina cuál es la variable de salida donde se va a cuantificar el riesgo total
de su proyecto empresarial, beneficio o valor actual neto.

En este momento la herramienta comenzará el proceso de simulación, es decir,


efectuará las iteraciones necesarias, a través de un motor informático. Este paso,
se ejecutará de forma automática por parte de la herramienta, el motor de cálculo
generará mil iteraciones, con objeto de obtener una muestra que sea representativa
de la realidad.

La simulación genera de forma aleatoria, mil posibles valores para las variables de
riesgo, todos ellos se encuentran entre los intervalos previamente definidos por el
usuario y arrojará mil valores de las variables de salida, beneficio o valor actual neto.

Esto permitirá al emprendedor alcanzar conclusiones del grado de ocurrencia o


probabilidad de los diferentes posibles resultados, como cuál será el valor más
probable del valor de su negocio y beneficio, cuál será el valor mínimo o el valor
máximo que podría alcanzar, etc.

ETAPA 4 - Generación de informes y obtención del Perfil de Riesgo


Los resultados que nos va a mostrar el modelo de riesgo son las posibles
conclusiones a alcanzar con la muestra obtenida de las diferentes iteraciones
efectuadas, que es representativa de la realidad.

Los gráficos e informes generados por la herramienta de Análisis de riesgos son los
siguientes:

 Histograma
 Perfil de Riesgo
 Límite de riesgo y VAR
 Tornado
 Análisis de Escenarios
Histograma:
Informa acerca de los posibles valores a tomar por las variables outputs del modelo
(beneficio neto y valor actual neto) y la probabilidad asociada a cada uno de ellos.

El Histograma muestra los posibles valores del beneficio neto o del VAN del
proyecto empresarial que podrán ser alcanzados con un nivel de confianza
determinado (probabilidad de ocurrencia asociada al valor).

Perfil de riesgo:
En el gráfico se expone lo que podría constituir la curva de perfil de riesgo de un
determinado activo, empresa, región, etc., respecto de los riesgos que afectan al
VAN o al beneficio neto.

La herramienta permitirá obtener una visión del riesgo que facilite la toma de
decisiones más óptima en cada momento del ciclo de vida de su proyecto
empresarial.

VAR:
El VAR es una medida para la cuantificación del riesgo, cuyas siglas en inglés
significan “Value at Risk” (valor en riesgo).

El VAR es un método para cuantificar el riesgo, que mide la peor pérdida esperada
por el emprendedor durante un periodo de tiempo, bajo condiciones normales de
mercado y con un nivel de confianza dado.

El VAR es útil para una serie de propósitos:

 Presentación de la información. Es útil como medida para evaluar los riesgos y


aporta una mayor transparencia para realizar el seguimiento y control de los
riesgos.
 Asignación de recursos. Puede emplearse para decidir donde es más
conveniente dedicar los recursos.
 Evaluación del desempeño. Puede utilizarse para ajustar el desempeño por
riesgo, y evitar que se tome un riesgo extra a la hora de gestionar un negocio.
Tornado:
Es un gráfico que informa al emprendedor de aquellas variables de riesgo que tienen
un mayor impacto en su plan de negocio, este gráfico indica cual es el rango de
variación del valor de la empresa, VAN, para cada uno de las variables de riesgo,
suponiendo que se ha producido una variación en dicha variable, manteniendo
constante el resto de variables de riesgo.

Es decir, representa cuanto varía el VAN ante variaciones en cada unas de las
variables de riesgo manteniendo el resto de las variables constantes, este proceso
se repetirá para cada una de las variables, generando como resultado el gráfico que
se muestra.

La lista de variables de riesgo que muestra el tornado se ordena en función del


impacto en el Valor Actual Neto, ayudando a priorizar aquellas variables de riesgo
más relevantes.

Análisis de Escenarios:

Una vez realizada la simulación con el modelo de riesgo definido y analizado el peso
específico que tienen cada una de las variables de riesgo en el valor final del VAN
y del Beneficio Neto del proyecto empresarial, se identifican aquellos riesgos que
mayor influencia tienen en el resultado de nuestro proyecto, y sobre los que se
deberá prestar una especial atención.

Respecto a dichas variables de riesgo consideradas de mayor peso en los


resultados obtenidos, se podrán definir diferentes escenarios a los que hacer frente,
expectativas optimistas y pesimistas respecto al comportamiento de la variable.
Rentabilidad y Riesgo
La rentabilidad es la ganancia o pérdida obtenida de los ahorros invertidos. Las
ganancias mensuales se reinvierten periódicamente con el propósito de obtener una
mayor rentabilidad.

El riesgo es la probabilidad de obtener resultados adversos, es decir, que la


inversión genere retornos menores a los que se esperaban o que genere pérdidas.

Los multifondos más riesgosos, con más renta variable, son aquellos que tienen una
mayor probabilidad de tener variaciones marcadas en su rentabilidad, tanto de
forma positiva como negativa. Sin embargo, la rentabilidad histórica de mercado
muestra que, a pesar de las posibles pérdidas en el corto plazo, el mayor riesgo
asumido puede ser compensado por un mayor retorno de la inversión en el largo
plazo.

La cantidad de dinero que obtenemos de una inversión se denomina rentabilidad.


Ésta suele expresarse como un porcentaje del importe invertido inicialmente. Por
ejemplo, supongamos que compra una mesa por 100 euros porque cree que su
precio subirá en el futuro. Si posteriormente la vende por 110 euros, habrá obtenido
una rentabilidad del 10%.

Pero toda inversión conlleva un componente de incertidumbre. Cabe la posibilidad


de que el valor de la mesa no haya subido tanto como esperaba o puede que ese
tipo de mueble ya no esté de moda y el precio haya caído.

La probabilidad de que su inversión no obtenga la rentabilidad que esperaba se


denomina riesgo. En general, para obtener una rentabilidad más elevada de una
inversión, debe asumir más riesgos.

La relación entre rentabilidad y riesgo puede plantearse en otros términos. Cuando


se enfrenta a un elevado nivel de incertidumbre acerca del resultado de una
inversión cabría esperar una más alta remuneración que compense el alto riesgo.
Por ejemplo, si le presta dinero a alguien con una trayectoria de reembolso puntual
de sus préstamos, podría aceptar a cambio un tipo de interés bajo. Sin embargo, si
le presta dinero a una persona manifiestamente poco fiable, es probable que exija
una rentabiliad superior para compensar el incremento del riesgo de impago. Esto
suele denominarse balance de riesgo-beneficio.
TOMA DE DECISIONES

La toma de decisiones es un proceso continuo que se da en diferentes contextos,


uno de ellos es la organización. Las condiciones en las cuales los operadores toman
decisiones en las organizaciones pueden clasificarse como certidumbre, riesgo e
incertidumbre.

A continuación, se lista los procesos de toma de decisiones.

 Identificación del problema.


 Identificación de los criterios de toma de decisiones.
 Asignación de ponderaciones a los criterios.
 Generar conductas alternativas posibles.
 Extrapolar los resultados asociados a cada conducta generada.
 Extraer las consecuencias de cada resultado.
 Controlar el proceso cuando se lleva a cabo la acción.

Elementos que influyen en la toma de decisiones

Las cinco características mas importantes en la toma de decisiones son:

 Efectos futuros: Tiene que ver con la medida en que los compromisos
relacionados con la decisión afectaran el futuro. Una decisión que tiene una
influencia a largo plazo, puede ser considerada una decisión de alto nivel,
mientras que una decisión con efectos a corto plazo puede ser tomada a un
nivel muy inferior.
 Reversibilidad: Se refiere a la velocidad con que una decisión puede
revertirse y la dificultad que implica hacer este cambio. Si revertir es difícil,
se recomienda tomar la decisión a un nivel alto, pero si revertir es fácil se
requiere tomar la decisión a un nivel bajo.
 Impacto: Esta característica se refiere a la medida en que otras áreas o
actividades se ven afectadas. Si el impacto es extensivo es indicado tomar la
decisión a un nivel alto, un impacto único se asocia con una decisión tomada
un nivel bajo.
 Calidad: Este factor se refiere a las relaciones laborales, valores éticos,
consideraciones legales, principios básicos de conducta, imagen de la
compañía, etc. Si muchos de estos factores están involucrados se requiere
tomar la decisión a un nivel alto, si solo algunos factores son relevantes se
recomienda tomar la decisión a un nivel bajo.
 Periodicidad: Este elemento responde a la pregunta de si una decisión se toma
frecuente o excepcionalmente: Una decisión excepcional es una decisión de alto
nivel, mientras que una decisión que se toma frecuentemente es una decisión
de nivel bajo
 Estructura: Este determina si la decisión está programada, generalmente las
decisiones programadas están definidas y requieren poco análisis, son de corto
plazo, muy reversible y su complejidad es menor, mientras que las decisiones
no programadas son aleatorias, requieren de mayor análisis y son de largo plazo,
irreversibles y más complejas

A continuación, se describen cuatro modelos de toma de decisiones que son:


árbol de decisiones, análisis de riego por simulación, método de Montecarlo y
decisiones en ambiente de incertidumbre.

Tomas de decisiones grupales es un método totalmente democrático y se pone en


práctica, cuando el líder pone a su grupo de trabajo a decidir, sometiendo una
votación y se realiza lo que el grupo decida.

Ventajas

 Mayor concentración de conocimientos, experiencias e información.


 Mayor variedad de puntos de vista.
 Decisiones más complejas
 Incrementa la legitimidad

Desventaja
 Los grupos tardan más en llegar a una solución.
 Puede presentarse una situación en la que exista el dominio sobre la minoría.
 Problema se enfoca en las presiones de conformidad.
 La manipulación del compromiso, con la finalidad de llegar a una decisión más
rápidamente.
 Los propósitos ocultos, que muchas veces influyen en las opiniones: intereses
personales, políticos.

EcuRed. (s.f.). Toma de decisiones. Recuperado de


https://www.ecured.cu/Toma_de_decisiones

Árbol de decisiones

Un Árbol de decisiones o Árboles de decisiones, es un método analítico que a través


de una representación esquemática de las alternativas disponible facilita la toma de
mejores decisiones, especialmente cuando existen riesgos, costos, beneficios y
múltiples opciones. Nos ayudan a tomar la decisión “más acertada”, desde un punto
de vista probabilístico, ante un abanico de posibles decisiones. Permite desplegar
visualmente un problema y organizar el trabajo de cálculos que deben realizarse.
Las ventajas de un árbol de decisión son:

 Resume los ejemplos de partida, permitiendo la clasificación de nuevos


casos siempre y cuando no exista modificaciones sustanciales en las
condiciones bajo las cuales se generan los ejemplos que sirvieron para su
construcción.
 Facilita la interpretación de la decisión adoptada.
 Proporción un alto grado de compresión del conocimiento utilizando en la
toma de decisiones.
 Reduce el número de variables independientes.
 Las alternativas o cursos de acción están bien definidas (por ejemplo: aceptar
o rechazar una propuesta, aumentar o no la capacidad de producción,
construir o no una nueva bodega, etc.)
 Las incertidumbres pueden ser cuantificadas (por ejemplo: probabilidad de
éxito de una campaña publicitaria, probable efecto en ventas, probabilidad
de pasar de etapas, etc.)
 Los objetivos están claros (por ejemplo: aumentar las ventas, maximizar
utilidades, minimizar costos, etc.)

Los árboles de decisión son normalmente construidos a partir de la descripción de


la narrativa de un problema. Ellos proveen una visión gráfica de la toma de decisión
necesaria, especifican las variables que son evaluadas, qué acciones deben ser
tomadas y el orden en la cual la toma de decisión será efectuada. Cada vez que
se ejecuta un árbol de decisión, solo un camino será seguido dependiendo del valor
actual de la variable evaluada. Se recomienda el uso del árbol de decisión cuando
el número de acciones es pequeño y no son posibles todas las combinaciones.

Uso del árbol de decisiones

El desarrollo de árboles de decisión a beneficiado a analista en dos formas.


Primero que todo, la necesidad de describir condiciones y acciones llevan a los
analistas a identificar de manera formal las decisiones que actualmente deben
tomarse. De esta forma, es difícil para ellos pasar por alto cualquier etapa del
proceso de decisión, sin importar que este dependa de variables cuantitativas o
cualitativas. Los árboles también obligan a los analistas a considerar la
consecuencia de las decisiones.

Se ha demostrado que los árboles de decisión son eficaces cuando es necesario


describir problemas con más de una dimensión o condición. También son útiles
para identificar los requerimientos de datos críticos que rodean al proceso de
decisión, es decir, los árboles indican los conjuntos de datos que la gerencia
requiere para formular decisiones o tomar acciones. El analista debe identificar y
elaborar una lista de todos los datos utilizados en el proceso de decisión, aunque
el árbol de decisión no muestra todo los datos.

Si los árboles de decisión se construyen después de completar el análisis de flujo


de datos, entonces es posible que los datos críticos se encuentren definidos en el
diccionario de datos (el cual describe los datos utilizados por el sistema y donde
se emplean). Si únicamente se usan árboles de decisiones, entonces el analista
debe tener la certeza de identificar con precisión cada dato necesario para tomar
la decisión.

Los árboles de decisión no siempre son la mejor herramienta para el análisis de


decisiones. El árbol de decisiones de un sistema complejo con muchas
secuencias de pasos y combinaciones de condiciones puede tener un tamaño
considerable. El gran número de ramas que pertenecen a varias trayectorias
constituye más un problema que una ayuda para el análisis. En estos casos los
analistas corren el riesgo de no determinar qué políticas o estrategias de la
empresa son la guía para la toma de decisiones específicas. Cuando aparecen
estos problemas, entonces es momento de considerar las tablas de decisión.
Bibliografía

INVESTIGACION DE OPERACIONES II-INGENIERIA INDUSTRIAL. (s.f).


https://uniioyubelky.files.wordpress.com/2011/03/matriz-de-arbol-de-
decision.pdfTutoriales, G. (2018). Árbol de Decisión (Qué es y para qué sirve).
Recuperado de https://www.gestiondeoperaciones.net/procesos/arbol-de-decision/

Introducción a los Árboles de decisión. (s.f.). Recuperado el 14 de noviembre 2018


de http://www.dmae.upct.es/~mcruiz/Telem06/Teoria/arbol_decision.pdf

Árbol de decisiones. (s.f.). Recuperado el 15 de noviembre 2018 de


http://www.utm.mx/~jahdezp/archivos%20estructuras/DESICION.pdf

Análisis de riesgo por Simulación

En sentido amplio, análisis del riesgo implica cualquier método, cualitativo o


cuantitativo, para evaluar el impacto del riesgo en la toma de decisiones. Existen
numerosas técnicas al respecto, y el objetivo es ayudar a quien debe tomar una
decisión a seleccionar un curso de acción, una vez que se comprende mejor los
resultados posibles que pueden ocurrir. Una vez que se reconoce una situación
riesgosa, el paso siguiente es cuantificar el riesgo que involucra esa situación de
incertidumbre. Cuantificar el riesgo significa determinar todos los valores posibles
que una variable riesgosa puede tomar y determinar la probabilidad relativa de cada
uno de esos valores. Una vez que se ha cuantificado el riesgo, es decir, determinado
los posibles resultados y la probabilidad respectiva de ocurrencia, se pueden usar
distribuciones de probabilidad para describir la situación.

Modelos de simulación

En sentido amplio, se puede definir simulación como el proceso de construir un


modelo lógico matemático de un sistema o proceso de decisión, y experimentar con
el modelo para comprender el comportamiento del sistema o ayudar en la toma de
decisiones.

Un modelo es inservible si no ayuda al usuario a comprender el problema. Por ello,


el punto principal en la simulación está puesto en conducir experimentos con el
modelo y analizar los resultados. Un elemento importante en los procesos de
simulación es identificar las distribuciones de probabilidad apropiadas para los
datos. Esto normalmente requiere analizar información empírica o histórica y
ajustarla a alguna distribución. En otros casos, dicha información no se encuentra
disponible y quien construye el modelo de simulación debe utilizar su juicio personal
para determinar que distribución utilizar.

Para el caso en que se construye un modelo, pero sin recurrir a la simulación, quien
tiene que tomar la decisión, lo hará teniendo en mente el resultado "único" que arroja
el modelo (un valor esperado). La decisión implicará entonces, contrastar este valor
con algún parámetro de referencia o valor mínimo (o máximo) aceptable. Ahora
bien, dado que el valor que arroja el modelo no considera el impacto de la
incertidumbre, quien toma la decisión normalmente debe considerar el riesgo
involucrado de alguna forma, como, por ejemplo: se podría incrementar
arbitrariamente el mínimo aceptable, o bien se podría estimar (de modo no riguroso)
la probabilidad de que el resultado real esté por debajo o arriba del valor esperado
que arroja el modelo. En el mejor de los casos, se podría ampliar el análisis para
considerar otros resultados posibles en distintos escenarios alternativos, como ser
"pesimista" y "optimista" además del "más probable". En este caso, quien toma la
decisión deberá ponderar si la probabilidad de los escenarios más probable y
optimista es tan buena como para compensar los resultados del escenario
pesimista.

Enfoque de simulación

En el caso de introducir en el modelo un análisis de simulación, los resultados que


arroja el modelo en términos de distribuciones de probabilidad, le brindan a quien
debe tomar una decisión un panorama de todos los resultados posibles con sus
respectivas probabilidades. Esto representa un avance muy significativo respecto
del enfoque "pesimista-más probable-optimista". Cabe mencionar que las
distribuciones de probabilidad van más allá del simple hecho de llenar el vacío que
existe entre estos tres valores: - Se orientan a determinar un rango "correcto" de
valores dado que la incertidumbre asociada con cada variable que alimenta al
modelo debe ser definida más rigurosamente. - Muestra la probabilidad de
ocurrencia, es decir, cuantifica el grado o la chance de que ocurra cada uno de los
resultados posibles. - Además, permite estudiar la interdependencia de las variables
aleatorias que consideramos críticas en nuestro modelo a través del análisis de las
covarianzas y correlaciones entre las distintas variables tanto aquellas que
alimentan el modelo (inputs) como las que son el producto final (outputs) del modelo.

UNIVERSIDAD DEL CEMA.(s.f.). simulación de Monte Carlo. Recuperado de


https://ucema.edu.ar/~ffiorito/Workshop_Simulacion_CEMA_2009_Teoria.pdf

Saúde Pública.(s.f.). Modelo empleados para la Toma de Decisiones en el Cuidado


de la Salud. Recuperado de https://www.scielosp.org/scielo.php?pid=S0124-
00642008000100017&script=sci_arttext&tlng=en
Castillo Palacios, F. W. (2009). TOMA DE DECISIONES EN CONDICIONES DE
CERTEZA, INCERTIDUMBRE y RIESGO. Recuperado de
http://blog.pucp.edu.pe/blog/freddycastillo/2009/11/22/toma-de-decisiones-en-
condiciones-de-certeza-incertidumbre-y-riesgo/
Toma de Decisiones Bajo Certidumbre, Riesgo e Incertidumbre. (s.f.). Recuperado
18 noviembre, 2018, de https://es.scribd.com/doc/112051798/Toma-de-Decisiones-
Bajo-Certidumbre-Riesgo-e-Incertidumbre
CASOS DE APLICACIÓN
CASO 1
Una compañía de seguros nos ofrece una indemnización por accidente de
$210,000.00. Si no aceptamos la oferta y decidimos ir a juicio podemos obtener
$185,000.00, $415,000.00 o $580,000.00 dependiendo de las alegaciones que el
juez considere aceptables. Si perdemos el juicio, debemos pagar las costos que
ascienden a $30,000.00.
Sabiendo que el 70% de los juicios se gana, y de estos, en el 50% se obtienen la
menor indemnización, en el 30% la intermedia y el 20% la más alta, determinar la
decisión más acertada.
Árbol de decisiones asociado:

Bajo 50% $185,000

Gana 70%
Medio 30% $415,000

Ir a juicio $580,000
Alto 20%
$ -30,000
Pierde 30%

$210,000
Arreglo Judicial
Resolvemos el árbol de problemas de derecha a izquierda y obtenemos.

Bajo 50% $185,000


$333,000
Gana 70%
Medio 30% $415,000
$224,100
Ir a juicio $580,000
Alto 20%
$224,100
$ -30,000
Pierde 30%

$210,000
Arreglo Judicial

La mejor opción sería ir a juicio ya que probablemente tendría una mayor


indemnización.
CASO 2
Como calcular una buena aproximación al número π = 3.141592… utilizando el
método de Montecarlo.
El área del círculo es = 𝜋𝑅 2 y el área del cuadrado es = 4𝑅 2
𝑎𝑟𝑒𝑎 𝑑𝑒𝑙 𝑐𝑖𝑟𝑐𝑢𝑙𝑜 𝜋
Luego =
𝑎𝑟𝑒𝑎 𝑑𝑒𝑙 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜 4

Para calcular PI por aproximación:


1. Se dibuja un cuadrado de distancias que usted quiera.
2. Se dibuja dentro del cuadrado un círculo.
3. Se lanza una piedra al azar y se debe de anotar si la piedra cae dentro del
círculo o fuera del círculo.
A continuación se mostrara como debe de quedar las figuras.

Si se lanzó 100 veces la piedra, de esas 100 veces 76 caen dentro de la circulo
76 𝜋 76
entonces tenemos que = → 𝜋 =4× → 𝜋 = 3.04
100 4 100
CASO 3
Un fabricante de muebles tiene 6 unidades de maderas y 28 horas disponibles,
durante las cuales fabricará biombos decorativos. Con anterioridad, se han vendido
bien 2 modelos, de manera que se limitará a producir estos 2 tipos. Estima que el
modelo uno requiere 2 unidades de madera y 7 horas de tiempo disponible,
mientras que el modelo 2 requiere una unidad de madera y 8 horas. Los precios de
los modelos son 120 UM y 80 UM, respectivamente. ¿Cuántos biombos de cada
modelo debe fabricar si desea maximizar su ingreso en la venta?

Objetivo: Maximizar el ingreso por ventas


Restricciones: Unidades de madera, Tiempo disponible.
Variables de decisión:
X1 = Cantidad de biombos tipo I a fabricar
X2 = Cantidad de biombos tipo II a fabricar
Modelo de programación lineal:
Maximizar Z= 120X1 + 80X2
Sujeto a:
2X1 + X2 ≤ 6 (Unidades de madera)
7X1 + 8X2 ≤ 28 (Tiempo disponible)
X1, X2 ≥ 0
Método De Montecarlo

Se basa en la generación de números aleatorios y el procedimiento es simular el


comportamiento aleatorio del sistema para obtener en forma artificial los índices de
confiabilidad de los puntos de carga. El tipo de simulación utilizado es secuencial,
dado que los tiempos de salida y restauración generados se van acumulando para
obtener el tiempo total de operación del circuito primario bajo estudio.

La simulación es un proceso iterativo en el cual se observa para un periodo de


tiempo de interés, los estados operativos que aparecen en el circuito primario debido
a los eventos aleatorios de salida y restauración de los componentes. En cada
estado operativo se determina los puntos de carga afectado por la salida de un
componente dado. Una vez se termina la simulación, se contabiliza para cada punto
de carga el número de salidas que los afectaron y el tiempo de indisponibilidad. Con
esto dos índices básico se calculan los demás de confiabilidad.

Para aplicar este método se requiere conocer las distribuciones de probabilidad que
modelan los tiempos para salida y restauración de cada uno de los componentes.

Este es el método de análisis más versátil dado que:


 Permite utilizar cualquier distribución para modelar los tiempos para salida y
restauración de los componentes.
 Permite resolver sistemas en los cuales no existe una solución analítica. Por
ejemplo, sistemas donde alguno de los componentes tiene modelado el
tiempo para salida o restauración por medio de la distribución Gausiana.
 Permite obtener la distribución de probabilidad d los índices de confiabilidad
de los puntos de carga, lo cual es muy útil para valorar el riesgo de que
ocurran diferentes valores de los índices.
 Los cambios en el sistema se realizan en la base de datos sin que sea
necesario realizar cambios en el software.

Como inconveniente, este método requiere un alto tiempo computacional. Esto, en


parte se debe a la gran cantidad de componentes y puntos de carga que por lo
general existen en los circuitos primarios de distribución por lo cual el software debe
procesar una gran cantidad de información.

Historia del método de Montecarlo

El método de Montecarlo fue nombrado así por la cuidad de Montecarlo en Mónaco


donde se juega “la ruleta”, el juego de azar que genera resultados aleatorios. Este
método surge formalmente en el año 1944, sin embargo, ya existían prototipos y
procesos anteriores que se basaban en los mismos principios. El empleo del método
de Montecarlo para fines de investigación comenzó con el desarrollo de la bomba
atómica en la Segunda Guerra Mundial en el Laboratorio Nacional de Los Álamos.
Durante el desarrollo de este proyecto, los científicos Von Neumann y Ulam
perfeccionaron la técnica y la aplicaron a problemas de cálculo de difusión de
neutrones en un material. Alrededor de 1970, los desarrollos teóricos en
complejidad computacional comienzan a proveer mayor precisión y relación para el
empleo del método Montecarlo Actualmente el método Montecarlo a veces es usado
para analizar problemas que no tienen un componente aleatorio explícito; en estos
casos un parámetro determinista del problema se expresa como una distribución
aleatoria y se simula dicha distribución. La simulación de Montecarlo también fue
creada para resolver integrales que no se pueden resolver por métodos analíticos,
para solucionar estas integrales se usaron números aleatorios. Posteriormente fue
utilizado para cualquier esquema que emplee números aleatorios, usando variables
aleatorias con distribuciones de probabilidad conocidas.

Generación de números pseudo-aleatorios

La generación de una buena secuencia de números aleatorios es la base


probabilística del método de Montecarlo. Cada número aleatorio debe ser
totalmente independiente de los otros números de la secuencia. Además, dos
generadores aleatorios independientes deben proporcionar estadísticamente el
mismo valor promedio de salida. Comúnmente las secuencias de números se
obtienen de algún algoritmo y se denominan números pseudo-aleatorios, mostrando
así el origen determinístico. Este algoritmo ha de generar números de una manera
realmente estocástica si se quieren simular correctamente los sucesos de
interacción que sufren las partículas en la materia. Esto hace que los generadores
tengan que cumplir una serie de características.

a) Buena distribución; se entiende que los números obtenidos estén


uniformemente distribuidos en el intervalo en el que se obtienen [0, 1]. Si
tomamos un subintervalo cualquiera, la fracción de números aleatorios que
aparece respecto del total tiene que ser la misma para todo subintervalo de
la misma amplitud.
b) Al ser generados mediante un algoritmo, siempre tienen un ciclo más o
menos largo. En el caso de simulaciones en que se usa una gran cantidad
de números aleatorios es importante que éstos no se repitan para que evitar
las correlaciones.
c) Es importante que se pueda reproducir la sucesión de números usados. Si
se repite la simulación en las mismas condiciones el resultado ha de ser el
mismo.

Zapata, C. J. (2004). El método de simulación de Montecarlo en estudios de


confiabilidad de sistemas de distribución de energía eléctrica. Recuperado de
http://revistas.utp.edu.co/index.php/revistaciencia/article/view/7297/4293
EL MÉTODO DE MONTE CARLO Y EL PROGRAMA DE CÓMPUTO MCNPX. (s.f.).
Recuperado de
http://www.ptolomeo.unam.mx:8080/xmlui/bitstream/handle/132.248.52.100/720/A
5.pdf?sequence=5

Decisiones en Ambiente de Incertidumbre

La incertidumbre se presenta cuando no se conoce completamente la probabilidad


de que ocurra un evento. Al existir incertidumbre resulta imposible conocer de
antemano cual va a ser el resultado de una decisión. La incertidumbre puede
relacionarse con el diagnostico, la exactitud de las herramientas diagnósticas, la
calidad y disponibilidad de las fuentes de información.

En muchos problemas de decisiones se presentan variables que no están bajo el


control de un competidor racional y acerca de las cuales quienes toman las
decisiones tiene poca o ninguna información sobre la base de la cual conocer el
estado de cosas futuras. La toma de decisiones bajo incertidumbre se presenta
cuando no puede predecirse el futuro sobre la base de experiencia pasada. A
menudo se presentan muchas variables incontrolables. Algunas veces es posible
consolidar los efectos de esas variables no controlables en términos de su
distribución de probabilidad. La toma de decisiones bajo incertidumbre implica que
no se conoce la probabilidad de que prevalezca uno u otro del estado de resultado.

En el ambiente del proceso de toma de decisiones bajo certidumbre, quienes la


toman conocen con certeza la consecuencia de cada una de las alternativas que
implica la selección de la decisión. Naturalmente, seleccionaran la alternativa que
maximizara su bienestar o que dará el mejor resultado.

Las técnicas más representativas para representar toman de decisiones bajo


certidumbre, son los modelos de programación lineal.

Programación lineal

Herramienta que permite modelar y resolver problemas donde se requiere mejorar


el uso de recursos limitados. Un modelo de Programación Lineal (PL) se estructura
usando un conjunto de variables de decisión con la que se forma una función que
describe lo que se quiere alcanzar, que por lo general recibe el nombre de función
objetivo, y un conjunto de restricciones.

El modelo considera que las variables de decisión tienen un comportamiento lineal,


tanto en la función objetivo como en las restricciones del problema. La linealidad
más allá de que la función objetivo y las restricciones no contengan términos no
lineales, requiere satisfacer dos propiedades:

1. La proporcionalidad, requiere que la contribución de cada variable, tanto en


la función objetivo como en las restricciones, debe ser directamente
proporcional al valor de la variable. Un ejemplo que no cumple con esta
propiedad sería el caso de venta de un producto donde se indique que es
más barato si se compra más de una docena, en este caso la contribución
por la venta no es la misma si es menos de una docena.
2. La aditividad, la contribución total de las variables, tanto en la función
objetivo como en las restricciones, debe ser igual a la suma de la contribución
individual de cada variable, es decir la variación de una variable no debe
afectar a otra variable. Ejemplo, no se cumple la propiedad en el caso de dos
productos competidores, si al incrementar la venta de uno de los productos
se afecta la venta de otro.

Modelo de Programación Lineal


El modelo se construye con tres elementos: variables, restricciones y función
objetivo. Una vez obtenido todos estos elementos se procede a presentar el modelo
usando una estructura estándar, donde la función objetivo y las restricciones se
presentan de forma lineal y todos los términos que contengan variables se colocan
al lado izquierdo del operador, siguiendo el orden del subíndice de las variables.
En el modelado de PL, por lo general, se emplea la siguiente terminología:

Recurso: Se suele dar este nombre a la materia prima que se tiene para elaborar
un producto, pero también se utiliza para indicar la demanda de un producto, el nivel
de riesgo, en fin, se utiliza para referirse a aquel elemento del problema que debe
ser asignado o distribuido entre varias actividades y que posee límites para su uso.

Actividades: Se refiere entre que se debe distribuir el recurso, ya sean productos,


tareas, entre otros. Están representadas por las variables de decisión y es los que
se quiere determinar.
Referencias bibliográficas
https://www.sinnaps.com/blog-gestion-proyectos/analisis-riesgos-proyecto
https://www.iprofesional.com/impuestos/124234-Cuales-son-las-ventajas-de-una-
evaluacion-continua-de-riesgos-y-de-gestion
http://www.madrid.org/cs/StaticFiles/Emprendedores/Analisis_Riesgos/pages/pdf/
metodologia/4AnalisisycuantificaciondelRiesgo%28AR%29_es.pdf
https://www.riesgoscero.com/blog/5-metodos-de-analisis-de-riesgos
https://www.futuroafondo.com/es/educacion-financiera/SCH18-cual-es-relacion-
entre-riesgo-y-rentabilidad