Documentos de Académico
Documentos de Profesional
Documentos de Cultura
RIESGO E
INCERTIDUMBRE
1
17-06-2019
SUPUESTOS RIESGOS
CLASIFICACIÓN DE RIESGO E
INCERTIDUMBRE EN PROYECTOS
• … DE TERMINACIÓN
• … TECNOLÓGICO
• … EN SUMINISTROS
• … POLÍTICO SOCIAL
• … ECONÓMICO
• … FINANCIERO
• … DE FUERZA MAYOR
• … CAUSADO POR EL PROYECTO
2
17-06-2019
INCERTIDUMBRE
MATRIZ DE DECISIÓN
Estados de la Naturaleza: variables que no se puede
modificar y situaciones en las que se puede encontrar.
3
17-06-2019
INCERTIDUMBRE
Así:
• El decisor piensa que tome la alternativa que tome,
sucederá lo peor para él.
• Se determina el resultado más desfavorable con cada
estrategia.
• Se selecciona la estrategia que ofrece el más favorable
de todos los determinados.
4
17-06-2019
Así:
• El decisor piensa que con alternativa que tome,
sucederá lo mejor para él.
• Se determina el resultado más favorable con cada
estrategia. Se selecciona la estrategia que ofrece el
más favorable de todos.
Así:
• Desconocemos las probabilidades de cada estado de
la naturaleza.
• Asumimos que todos son equiprobables.
• Calculamos las medias aritméticas de cada alternativa
y elegimos aquella con valor medio más favorable.
1 1
=
= max
5
17-06-2019
Así:
• Se basa en los criterios de los resultados optimista y
pesimista.
• Introduce un coeficiente de optimismo “a”
comprendido entre 0 y 1.
• El coeficiente de pesimismo es “1-a”
• Para cada alternativa se calcula:
= ×
+ (1 − ) ×
Así:
• Conocido como “mínimo pesar”.
• El decisor tiene aversión de arrepentirse si se equivoca
en la alternativa.
• Se ha de construir la matriz de pesares.
• Para cada columna se toma la matriz de mejor opción.
• Cada elemento de la columna se calcula como
diferencia entre el valor del caso y la mejor opción, que
sería nuestro pesar.
= max −
= max
6
17-06-2019
EJEMPLO
WALD
7
17-06-2019
OPTIMISTA
LAPLACE
8
17-06-2019
HURWICZ, a=0,75
Mayor valor
Menor valor
Esperado
Esperado
CRITERIO DE HURWICZ
6 6
II
4 4
III
2 2
I
0 0
-2 -2
-4 -4
9
17-06-2019
SAVAGE
SAVAGE
10
17-06-2019
CONTRA EJEMPLO
SAVAGE
E E
E1 E2 E1 E2
A A
A1 9 2 A1 0 4
A2 4 6 A2 5 0
E E
E1 E2 E1 E2
A A
A1 9 2 A1 0 7
A2 4 6 A2 5 3
A3 3 9 A3 6 0
EJEMPLO
La empresa de informática ESI ha decido contratar un ingeniero
informático en gestión del conocimiento. Tras un proceso
preliminar de selección de personal, cuatro candidatos optan al
puesto. Los aspirantes difieren en sus conocimientos y
formación. En términos generales, algunos tienen una orientación
técnica y otros una orientación directiva. Dado que los sistemas
informáticos de apoyo para la gestión del conocimiento son
nuevos, ESI desconoce si sus clientes demandarán servicios de
orientación técnica, de orientación directiva o equilibrados entre
ambas orientaciones.
El departamento de administración de personal ha sido capaz de
determinar el rendimiento en unidades monetarias de cada
candidato en función de sus conocimientos y formación y del tipo
de clientes –tabla 1 .1–
11
17-06-2019
12
17-06-2019
13
17-06-2019
14
17-06-2019
15
17-06-2019
INCERTIDUMBRE
CRITERIO BAYES
EJEMPLO
El señor X ha heredado US$ 1.000. Él ha decidido invertir su dinero por
un año. Un inversionista le ha sugerido cinco inversiones posibles: oro,
bonos, negocio en desarrollo, certificado de depósito y acciones. El
señor X debe decidir cuanto invertir en cada opción.
La siguiente tabla representa las ganancias que obtendría para cada
escenario posible de comportamiento del mercado.
MATRIZ DE GANANCIAS
ESTADOS DE LA NATURALEZA
ALTERN. MEDIANA SIN PEQUEÑA
GRAN ALZA GRAN BAJA
ALZA CAMBIOS BAJA
ORO -$ 100 $ 100 $ 200 $ 300 $0
BONOS $ 250 $ 200 $ 150 -$ 100 -$ 150
NEGOCIOS $ 500 $ 250 $ 100 -$ 200 -$ 600
DEPÓSITOS $ 60 $ 60 $ 60 $ 60 $ 60
ACCIONES $ 200 $ 150 $ 150 -$ 200 -$ 150
16
17-06-2019
MATRIZ DE GANANCIAS
ESTADOS DE LA NATURALEZA
ALTERN. MEDIANA SIN PEQUEÑA
GRAN ALZA GRAN BAJA
ALZA CAMBIOS BAJA
ORO -$ 100 $ 100 $ 200 $ 300 $0
BONOS $ 250 $ 200 $ 150 -$ 100 -$ 150
NEGOCIOS $ 500 $ 250 $ 100 -$ 200 -$ 600
DEPÓSITOS $ 60 $ 60 $ 60 $ 60 $ 60
ACCIONES $ 200 $ 150 $ 150 -$ 200 -$ 150
HURWICZ
ALTERN. MAXIMIN MINIMAX LAPLACE SAVAGE
α=0,5
¿Qué pasa si, para cada uno de los estados de la naturaleza, conocemos
su probabilidad de ocurrencia?
MATRIZ DE GANANCIAS
ESTADOS DE LA NATURALEZA
ALTERN. GRAN MEDIANA SIN PEQUEÑA
GRAN BAJA
ALZA ALZA CAMBIOS BAJA
ORO -$ 100 $ 100 $ 200 $ 300 $0
BONOS $ 250 $ 200 $ 150 -$ 100 -$ 150
NEGOCIOS $ 500 $ 250 $ 100 -$ 200 -$ 600
DEPÓSITOS $ 60 $ 60 $ 60 $ 60 $ 60
ACCIONES $ 200 $ 150 $ 150 -$ 200 -$ 150
Probabilidad 0,2 0,3 0,3 0,1 0,1
HURWICS GANANCIA
ALTERN. MAXIMIN MINIMAX LAPLACE SAVAGE
α=0,5 ESPERADA
17
17-06-2019
Solución
a=15%
RIESGO
18
17-06-2019
CRITERIOS DE DECISIÓN
ÁRBOLES DE DECISIÓN
Un árbol de decisión es una forma gráfica y analítica de
representar todos los eventos o sucesos, los cuales pueden
surgir a partir de una decisión asumida en cierto
momento.
Nos ayudan a tomar la decisión “más acertada”, desde un
punto de vista probabilístico, ante un abanico de posibles
decisiones.
19
17-06-2019
TERMINOLOGÍA
GRAFICAMENTE
Acción 3
Nodo de Decisión
p Consecuencia 1.1
Acción 4
Acción 1
p Consecuencia 1.2
p Consecuencia 2.1
Acción 2
p Consecuencia 2.2
Nodo de
Probabilidad
Probabilidad
20
17-06-2019
1. Definir el Problema.
2. Dibujar el Árbol de Decisión.
3. Asignar probabilidades a los eventos aleatorios.
4. Estimar los resultados para cada combinación
posible de alternativas.
5. Resolver el problema obtenido, como solución es la
ruta que proporcione la política óptima.
EJEMPLO 1
21
17-06-2019
SOLUCIÓN
SOLUCIÓN
Ir a Juicio
No ir a Juicio
22
17-06-2019
SOLUCIÓN
Ganar
Ir a Juicio
Perder
No ir a Juicio
SOLUCIÓN
Alta
Intermedia
Ganar
Menor
Ir a Juicio
Perder
No ir a Juicio
23
17-06-2019
SOLUCIÓN
Alta p=20%
Intermedia p=30%
Ganar
Menor p=50%
Ir a Juicio
Perder
No ir a Juicio
SOLUCIÓN
Alta p=20%
Intermedia p=30%
Ganar p=70%
Menor p=50%
Ir a Juicio
Perder p=30%
No ir a Juicio
24
17-06-2019
SOLUCIÓN
Alta p=20% $ 580.000.-
Intermedia p=30%
$ 415.000.-
Ganar p=70%
Menor p=50% $ 185.000.-
Ir a Juicio
Perder p=30%
( $ 30.000.- )
No ir a Juicio $ 210.000.-
SOLUCIÓN
Alta p=20% $ 580.000.-
$ 333.000.-
Intermedia p=30%
$ 415.000.-
Ganar p=70%
Menor p=50% $ 185.000.-
Ir a Juicio
Perder p=30%
( $ 30.000.- )
No ir a Juicio $ 210.000.-
25
17-06-2019
SOLUCIÓN
Alta p=20% $ 580.000.-
$ 333.000.-
Intermedia p=30%
$ 415.000.-
Ganar p=70%
$ 224.100.- Menor p=50% $ 185.000.-
Ir a Juicio
Perder p=30%
( $ 30.000.- )
No ir a Juicio $ 210.000.-
EJEMPLO 2
R
R1: Petróleo R2: Seco
A
26
17-06-2019
ÁRBOLES DE DECISIÓN
Petróleo $ 670
Seco ($ 130)
$ 60
Petróleo $ 670
Seco ($ 130)
$ 60
Petróleo
$ 700
Seco ($ 100)
$ 90
ÁRBOLES DE DECISIÓN
f Seco=6/7 ($ 130)
c
$ 60
Petróleo=1/2 $ 670
b
g Seco=1/2 ($ 130)
d
$ 60
a
Petróleo=1/4
$ 700
h Seco=3/4 ($ 100)
e
$ 90
27
17-06-2019
ÁRBOLES DE DECISIÓN
60 f Seco=6/7 ($ 130)
c
$ 60
123
b 270 Petróleo=1/2 $ 670
ÁRBOLES DE DECISIÓN
Si el resultado es desfavorable,
entonces vender el terreno.
28
17-06-2019
EJEMPLO 3
M$ 12.000
TRIGO
CTE.=0,9 M$ 10.000
BUENO=0,8
GANADO CRECE=0,1 M$ 15.000
BUENO=0,8 M$ 12.000
CTE.=0,9 M$ 10.000
MERCADO CTE.=0,9
GANADO CRECE=0,1 M$ 15.000
BUENO=0,8 M$ 12.000
GANADO M$ 15.000
29
17-06-2019
M$ 12.000
M$ 12.000 TRIGO
CTE.=0,9
M$ 10.500
BUENO=0,8
GANADO CRECE=0,1
M$ 11.760
BUENO=0,8
M$ 10.800
TRIGO MALO=0,2
M$ 10.800
CLIMA MALO=0,2 CTE.=0,9
M$ 10.500
GANADO CRECE=0,1
M$ 11.760
BUENO=0,8
M$ 10.800
TRIGO MALO=0,2
M$ 10.800
CTE.=0,9
MERCADO CTE.=0,9 M$ 10.500
M$ 11.220 GANADO CRECE=0,1
BUENO=0,8
M$ 10.800
M$ 15.000
TRIGO MALO=0,2
CRECE=0,1
M$ 15.000
CRITERIOS DE DECISIÓN
BAJO INCERTIDUMBRE
APLICADOS A ÁRBOLES DE
DECISIÓN
30
17-06-2019
Ejemplo:
31
17-06-2019
Ventas Altas
R1
Ventas Moderadas
R2
Planta
Grande Ventas Bajas
R3
Ventas Altas
R4
Ampliar
Ventas Bajas R5
Ventas Bajas R7
Venta Inicial
R8
Baja
32
17-06-2019
EN INCERTIDUMBRE
Ventas Altas
70
Ventas Moderadas
10
Planta
Grande Ventas Bajas
(30)
Ventas Altas
60
Ampliar
Ventas Bajas (20)
Ventas Bajas 20
Venta Inicial
10
Baja
WALD
Ventas Altas
70
Ventas Moderadas
(30) 10
Planta
Grande Ventas Bajas
(30)
Ventas Altas
60
10 (20)
Ampliar
Ventas Bajas (20)
Venta Inicial
10
Baja
33
17-06-2019
OPTIMISTA
Ventas Altas
70
Ventas Moderadas
70 10
Planta
Grande Ventas Bajas
(30)
Ventas Altas
60
70 60
Ampliar
Ventas Bajas (20)
Venta Inicial
10
Baja
LAPLACE
Ventas Altas = 1/3
70
Venta Inicial
10
Baja=1/2
34
17-06-2019
HURWICZ, a=0,7
Ventas Altas=0,7
70
Ventas Moderadas
40 10
Planta
Grande Ventas Bajas=0,3
(30)
Ventas Altas=0,7
60
40 36
Ampliar
Ventas Bajas=0,3 (20)
Venta Inicial
10
Baja=0,3
SAVAGE
35
17-06-2019
EJEMPLOS
Ejemplo:
36
17-06-2019
Solución
15 15 15 415
VAN($%& $á)$*+) = −500 + + + ⋯+ +
1,1 1,1/ 1,11 1,13
Árbol 1 No se construye
la cárcel
VAN=$307
$ 300 50%
Construir resort
Se construye
Compro la cárcel
el terreno VAN=$254
Se construye
$ 200 la cárcel
VAN=$72,7
50%
37
17-06-2019
Árbol 1 No se construye
la cárcel
VAN=$307
$ 300 50%
Construir resort
$27
Se construye
Compro la cárcel
el terreno VAN=$254
$27 Se construye
$ 200 la cárcel
VAN=$72,7
50%
$18
$27 No construir resort No se construye
la cárcel
VAN=$109
No compro el terreno
VAN=$0
Árbol 2
$ 300
VAN=?
Construir resort
No se construye
la cárcel
Compro 50%
No construir resort
el terreno VAN=?
$ 300
$ 200 VAN=?
Construir resort
50%
Se construye
la cárcel
No construir resort
VAN=?
No compro el terreno
VAN=$0
38
17-06-2019
Solución
300 100 100 600
VAN(45& $á)$*+) = −200 − + + ⋯ + +
1,1 1,1/ 1,13 1,1
300 15 15 415
VAN($%& $á)$*+) = −200 − + + ⋯+ +
1,1 1,1/ 1,13 1,1
300
VAN(45& $8)$*+ K )*4%)L) = −200 +
1,1
100
VAN($%& $8)$*+ K )*4%)L) = −200 −
1,1
Árbol 2
$ 300
VAN=$261
Construir resort
No se construye
la cárcel
Compro 50%
No construir resort
el terreno VAN=$72,7
$ 300
$ 200 VAN=$249
Construir resort
50%
Se construye
la cárcel
No construir resort
VAN=$109
No compro el terreno
VAN=$0
39
17-06-2019
Árbol 2
$ 300
VAN=$261
Construir resort
No se construye
la cárcel
$ 261
Compro 50%
No construir resort
el terreno VAN=$72,7
$76 $ 300
$ 200 VAN=$249
Construir resort
50%
$ 109
Se construye
$76 la cárcel
No construir resort
VAN=$109
No compro el terreno
VAN=$0
Ejemplo:
40
17-06-2019
Ejemplo:
600
550
500
500
500
450
400
41
17-06-2019
Margen Bruto
140
90
40
40
40
-10
-60
Árbol
50%
140
50%
90
40
50%
40
50%
40
-10
50%
-60
50%
T=1 T=2 T=3
42
17-06-2019
140
JOM OM
NM + M, P × + M, P ×
J, J J, J
171,8
40
1MN, OG
JQJ,I RJN,MN
4M + M, P × + M, P ×
J,J J,J 40
−JN, MN
OM −HM
−JM + M, P × + M, P ×
J, J J, J
-60
109,42
STU VW XY = −90.000 + 1.000 × = \$^ 9.472,72
1,1
Preguntas:
43
17-06-2019
600
550
550
550
500
450
500
550
500
450
450
450
400
350
T=1 T=2 T=3 T=4
140
90
90
90
40
-10
-
90
40
-10
-10
-10
-60
-110
T=1 T=2 T=3 T=4
44
17-06-2019
Árbol 190
267,27
90
246,2
90
76,36
-10
99,48
90
76,36
-10
-27,35
-10
-114,54
-110
T=1 T=2 T=3 T=4
109,42
VAN abrir hoy = −90.000 + 1.000 × = U$S 9.472,72
1,1
90.0000 99,48
VAN postergar = − + 1.000 × = U$S 8.618,18
1,1 1,1
45
17-06-2019
FIN
46