ANÁLISIS CUANTITATIVO DE RIESGOS

ANÁLISIS CUANTITATIVO DE RIESGOS

Es el proceso de analizar numéricamente el efecto combinado de los
riesgos individuales del proyecto iden8ficados y otras fuentes de
incer8dumbre sobre los obje8vos generales del proyecto.
PMBOK Guide 2017

El beneficio clave es que

cuan8fica la exposición al riesgo
del proyecto en general y
también proporciona
información cuan8ta8va para
apoyar la planificación de la
respuesta a los riesgos
EL ANALISIS CUANTITATIVO DE RIESGOS

• No es necesario para todos los proyectos

• Depende de la disponibilidad de datos de alta calidad sobre

los riesgos individuales y otras fuentes de incertidumbre.

• Depende también de una sólida línea base del proyecto

subyacente para el alcance, el costo y el cronograma.

• Es apropiado para proyectos grandes y/o complejos,

proyectos estratégicamente importantes, proyectos para los
cuales es un requisito contractual o proyectos en el que un
interesado clave lo requiere

El exceso de información limita la toma de decisiones

PRINCIPALES TÉCNICAS PARA EL ANÁLISIS CUANTITATIVO DE RIESGOS

• Técnicas sobre el Valor Monetario Esperado (VME)

• Árboles de decisiones

• Análisis de sensibilidad

• Modelado y simulación
 ANTECEDENTES ESTADÍSTICOS
Estadís8cas descrip8vas Inferencia Estadís8ca

U8lizan métodos
numéricos, gráficas y tablas
para presentar y trabajar
con los datos estadís8cos
Es el proceso de u8lizar
datos obtenidos de una
muestra para hacer
es8maciones o pruebas de
hipótesis sobre las
caracterís8cas de una
población
 VALOR MONETARIO ESPERADO (VME)

Análisis en el que se es?ma cuál es el valor esperado del evento riesgoso

mul?plicando el impacto por su probabilidad de ocurrencia. Para ello es
necesario es?mar el monto monetario del impacto ($) y la probabilidad de
ocurrencia como un porcentaje (%).

Problema Probabilidad de Impacto es8mado Valor es8mado

ocurrencia

A 5/10 = 50% $980.00 $490.00

B 2/10 = 20% $45.00 $9.00

C 7/10 = 70% $523.00 $366.00

D 3/10 = 30% $267.00 $80.00

EL ÁRBOL DE DECISIÓN
• El análisis de decisión se utiliza
para determinar estrategias cuando
el tomador de decisiones se
enfrenta ante varias alternativas y
patrones de incertidumbre respecto
a eventos futuros.

• El árbol de decisión es un diagrama

que describe las implicaciones de
elegir una u otra alternativa entre
todas las disponibles.

• La utilidad de la técnica es que un

problema se puede dividir en
menores segmentos (ramas) para
facilitar la toma de decisión.

• Se utiliza junto con la técnica del

Valor Monetario Esperado
 ÁRBOLES DE DECISIÓN Y VALOR MONETARIO ESPERADO
PROBABILIDAD IMPACTO VME

P = 0.40 $ 50,000.00 $ 20,000.00

P = 0.60 $ 30,000.00 $ 18,000.00

Alternativa A
Riesgo del

resultado

Riesgo del

resultado
P = 0.30 $ 1,000.00 $ 300.00
Alternativa B

P = 0.70 $ 5,000.00 $ 3,500.00

VME alternativa A = $20,000.00 + $18,000.00 = $38,000.00

VME alternativa B = $300.00 + $3,500.00 = $ 3,800.00
 RESOLVER EL SIGUIENTE EJERCICIO SOBRE ÁRBOL DE DECISIÓN

Una empresa fabrica relojes de alta calidad. El analista de riesgos quiere estimar el
costo de producir un reloj y cuenta con información histórica del proceso productivo:

El proceso productivo tiene tres fases: fabricación de piezas, ensamblaje y empaquetado.

Para el proceso de fabricación de piezas se puede utilizar la máquina A o la máquina B,
para el proceso de ensamblaje se puede utilizar la máquina C o la máquina D y para el
proceso de empaque se puede utilizar la máquina E, F o G.

Las máquinas que se utilizan en cada proceso no depende de la decisión de los operarios
sino de los factores exógenos como clima, potencia de energía, paros de personal,
demanda internacional, etc. En otras palabras, el director del proyecto no puede
seleccionar el mejor proceso, sino que son los factores externos los que lo imponen.

Los datos históricos indican que las máquinas empleadas en la primera fase del proceso
productivo (A y B) tienen una probabilidad de uso del 50% cada una. En cuanto a las
máquinas empleadas en la segunda fase (C y D), éstas se usan en función de qué máquina
se usó previamente: si se utilizó la máquina A la probabilidad de usar C es del 70% y la
probabilidad de usar D es del 30%. Además, si primero se utilizó la máquina B, la
probabilidad de usar C es del 20% y de utilizar D el 80%. Las máquinas empaquetadores
de la última fase del proceso (E, F y G) también se utilizan en función de las máquinas
usadas en las etapas previas, de acuerdo a la tabla siguiente:
 Proceso previo Probabilidad de Probabilidad de Probabilidad de
usar E usar F usar G
Máquinas A y C 40 % 40 % 20 %
Máquinas A y D 20 % 60 % 20 %

Máquinas B y C 80 % 10 % 10 %

Máquinas B y D 25 % 50 % 25 %

Y se conoce el costo unitario de usar las máquinas

Máquina Costo por unidad

A $80.00
B $100.00
C $50.00
D $70.00
E $40.00
F $30.00
G $20.00
 prob/impacto VME
Costo A-C
40% 14%
$162.00 E 23.8
40 170
70% 40% 14%
C F 30 22.4
50 160
20% 7%
G 10.5
50% 20 150
Costo A
A
80 $167.40 20% 3%
E 40 5.7
190
30% 60% 9%
D F 16.2
70 30 180
Costo A-D 20% 3%
Máquinas $180.00 G 20 5.1
170
$182.40
Costo B-C 80% 8%
$187.00 E 15.2
40 190
20% 10% 1%
C F 1.8
50 30 180
10% 1%
G 1.7
50% 20 170
Costo B
B
100 $197.40
25% 10%
E 21.0
40 210
80% 50% 20%
D F 40.0
70 30 200
Costo B-D 10%
25%
$200.00 G 20 19.0
190
Estamos evaluando el tamaño óptimo de un proyecto de construcción de un club privado.
Nos enfrentamos con tres alternativas de tamaño: pequeño (T1), mediano (T2) y grande
(T3). Los principales riesgos que enfrenta el proyecto son que no se sabe con precisión
cuál será la demanda y cuáles serán los impuestos inmobiliarios que aplique el gobierno a
este tipo de emprendimientos. Según los datos de economistas idóneos que realizaron el
estudio de mercado, se estima que la demanda puede ser baja (D1), con un 30% de
probabilidad, o puede ser alta (D2) con una probabilidad del 70%. Además los expertos
impositivos estimaron que los impuestos que cobre el gobierno serán bajos (C1) con una
probabilidad del 80% o altos (C2) con una probabilidad de 20%.

Demanda Impuestos

Probabilidad 30 % 70 % 80 % 20 %

Tamaño D1 (baja) D2 (alta) C1 (bajo) C2 (alto)
Pequeño (T1) $10,000.00 $25,000.00 -$5000.00 -$15,000.00
Mediano (T2) $5000.00 $35,000.00 -$10,000.00 -$25,000.00
Grande (T3) $0.00 $50,000.00 -$15,000.00 -$30,000.00
 DISTRIBUCIÓN DE PROBABILIDAD
UNIFORME TRIANGULAR

Se usa cuando no se 8ene Se usa cuando sólo se 8ene

demasiada información información sobre tres
sobre el comportamiento escenarios: pesimista, más
es8mado de una variable probable y op8mista
 DISTRIBUCIÓN DE PROBABILIDAD
BETA NORMAL ESTÁNDAR

Tiene un sesgo marcado Se basa en la recopilación

hacia aquellos eventos de
alto impacto. Se parece a la
triangular pero requiere
más datos para mostrar el
sesgo
de datos históricos para dar
como resultado el
promedio y la desviación
estándar de la muestra.
 ANÁLISIS DE SENSIBILIDAD

• El análisis de sensibilidad
consiste en preguntar cuál será
el impacto en los objetivos del
proyecto si cambia alguna
variable.

• Podría realizarse una

sensibilidad de una sola
variable (punto de equilibrio) o
de varias variables en forma
simultánea (análisis de
escenarios)
RESOLVER EL SIGUIENTE EJERCICIO SOBRE ANÁLISIS DE SENSIBILIDAD
Se está evaluando un proyecto de corto plazo que consiste en invertir $30,000 en la
compra de bananas para venderlas a un plazo de 3 meses durante la próxima temporada.
con esta inversión se puede acceder a la compra mínima de 60,000 Kg de bananas y se
tienen los fondos para realizar la inversión.

Se estima vender en promedio 10,000 kg por mes durante 3 meses. Las bananas que no
se vendan al finalizar el proyecto hay que tirarlas.

Según los datos históricos se observa que el precio de las bananas fluctúa a través del
tiempo:
RESOLVER EL SIGUIENTE EJERCICIO SOBRE ANÁLISIS DE SENSIBILIDAD
La historia indica que el precio de las bananas tiene una distribución que se asemeja a una
normal estándar cuya media es $5.50 y su desviación estándar 0.50.

El costo de oportunidad de los $30.000 que se van a

invertir es muy bajo ya que la mejor alternativa es
colocar el dinero en el Banco a una tasa baja y el plazo
del proyecto es muy corto. Por otro lado, en esta
economía informal no se pagan impuestos.
Lo único que se conoce con certeza en este proyecto es
la inversión a realizar porque se ha firmado un contrato
con el proveedor. No se conoce el valor exacto de los
costos fijos. Se estima que los mismos podrían variar
entre $19.000 y $21.000 una vez que comience el
proyecto.
Las ventas (Kg.) y los costos variables también podrían
variar una vez que comience el proyecto. Con base en
el método de entrevistas con expertos se crearon 3
escenarios posibles (pesimista, más probable y
optimista). Los resultados que se obtuvieron fueron que
las ventas podrían ser 9.000, 10.000 ó 10.500 Kg.
mensuales y los costos variables 44%, 40% o 38%
sobre el monto de ventas.
RESOLVER EL SIGUIENTE EJERCICIO SOBRE ANÁLISIS DE SENSIBILIDAD
a) ¿Cuál será la rentabilidad en el escenario más probable? Puede suponer una tasa de
descuento igual a cero.

b) ¿Cuál es la rentabilidad en el escenario pesimista y optimista?

c) ¿Cómo podría calcular el nivel de riesgo de perder dinero?

a) Escenario más probable

RESOLVER EL SIGUIENTE EJERCICIO SOBRE ANÁLISIS DE SENSIBILIDAD

b1) Escenario pesimista

b2) Escenario optimista

RESOLVER EL SIGUIENTE EJERCICIO SOBRE ANÁLISIS DE SENSIBILIDAD

c) El nivel de riesgo
Las variables que influyen sobre el resultado son ; inversión, ventas (Kg), precio, costo
fijo y costo variable. La distribución de probabilidad de cada variables es:

Ahora se asigna un valor aleatorio a cada variable. Se hace con la simulación de

Montecarlo (@Risk, Crystal Ball, etc). El programa asiganará valores aleatorios a todas
las variables que afectan el VAN del proyecto en forma simultánea. Pueden obtenerse
10,000 resultados de proyecto, luego se grafican y los resultados se muestran en una
gráfica como la siguiente:
RESOLVER EL SIGUIENTE EJERCICIO SOBRE ANÁLISIS DE SENSIBILIDAD

c) El nivel de riesgo

CONCLUSIÓN: Si bien en promedio el proyecto sería rentable, existe un 26.1% de

probabilidad de que no lo sea, lo que nos está indicando el nivel de riesgo de quiebra del
proyecto
 ANÁLISIS DE SENSIBILIDAD
COSTOS/BENEFICIOS ESTIMADOS
Conceptos
Menor Promedio Mayor

Compra de terreno $860,000.00 $1,050,000.00 $1,200,000.00

Desarrollo de diseño $1,000,000.00 $1,250,000.00 $1,300,000.00
Movimiento de tierras $8,500,000.00 $8,800,000.00 $9,200,000.00
Construcción y servicios $50,600,000.00 $50,600,000.00 $50,600,000.00
Mantenimiento inmueble $1,200,000.00 $1,300,000.00 $1,450,000.00
Varios $1,400,000.00 $1,560,000.00 $1,750,000.00
Contingencias $400,000.00 $430,000.00 $480,000.00
Equipos operativos $3,700,000.00 $4,600,000.00 $6,400,000.00
Movimientos de equipos $930,000.00 $1,550,000.00 $1,850,000.00
TOTAL INVERSIÓN $68,590,000.00 $71,140,000.00 $74,230,000.00
Ventas brutas $67,700,000.00 $71,500,000.00 $77,000,000.00
BENEFICIOS BRUTOS $360,000.00
 ANÁLISIS DE SENSIBILIDAD
Conceptos a b

Compra de terreno $550,000.00 $210,000.00

Desarrollo de diseño $610,000.00 $310,000.00

Movimiento de tierras $660,000.00 -$40,000.00

Construcción y servicios $360,000.00 $360,000.00

Mantenimiento inmueble $460,000.00 $210,000.00

Varios $520,000.00 $170,000.00

Contingencias $390,000.00 $310,000.00

Equipos operativos $1,260,000.00 -$1,440,000.00

Movimientos de equipos $980,000.00 $60,000.00

Beneficios brutos -$3,440,000.00 $5,860,000.00

 ANÁLISIS DE SENSIBILIDAD

Beneficios

Mantenimiento equipos

Equipod operativos

Contingencia

Varios

Mantenimiento inmueble

Construcción y servicios

Movimiento tierra

Desarrollo diseño

Compra terreno

-45 -30 -15 0 15 30 45 60

 SIMULACIÓN DE MONTECARLO

La simulación de Monte Carlo

se puede definir como una
técnica cuantitativa utilizada
para evaluar cursos
alternativos de acción, o para
obtener la respuesta más
probable por medio de un
modelo matemático, cuando el
resultado esperado es una
función de diversas variables
inciertas que pueden estar
combinadas entre si.
MÉTODO DE LA SIMULACIÓN DE MONTECARLO
Simula los resultados que
puede asumir alguna variable
dependiente del proyecto
(VAN, TIR) a través de la
asignación aleatoria de un
valor a cada variable
independiente que lo afecta
(tasa de interés, tasa de
crecimiento, ventas, costos,
etc.)

A cada una de estas variables

se le asigna una distribución
de probabilidad
EJEMPLO DE LA SIMULACIÓN DE MONTECARLO
Estamos evaluando el riesgo implícito en los tiempos de finalización de un proyecto de
desarrollo de software que cuenta con 4 actividades y dos senderos paralelos como puede
verse en el diagrama de GANTT:

La estimación de la duración de cada actividad se realiza con la técnica de los tres valores;
a) ¿Cuál es la ruta crítica del proyecto?

b) ¿Cuál es la duración estimada del proyecto?

c) ¿Cuál sería la duración estimada si sólo estuvieran las actividades 2-3?

d) Estimar la duración del proyecto de las 4 actividades con Monte Carlo

Usando simulación de Monte Carlo

• La duración más probable del proyecto asciende a 137 días (10,000 simulaciones)

• La probabilidad de que el proyecto demore 90 días (sin PERT) o menos es de 0.25%

• La probabilidad de que el proyecto demore 106.66 días (duración PERT) o menos es de

7.8%

• Si se trabaja con un cronograma de 174 días, la probabilidad de cumplir con esa fecha
es del 95%
• La duración más probable del proyecto asciende a 137 días (10,000 simulaciones)

• La probabilidad de que el proyecto demore 90 días (sin PERT) o menos es de 0.25%

• La probabilidad de que demore 106.66 días (duración PERT) o menos es de 7.8%

• Si se trabaja con un cronograma de 174 días, la probabilidad de cumplir con esa fecha
es del 95%
Un proyecto que incluye diseño, construcción y las pruebas de dos componentes se
planifica entregar en fecha 7 de febrero. A continuación se muestra el cronograma

ID TAREA DURACIÓN AGO 18 SEP 18 OCT 18 NOV 18 DIC 18 ENE 19 FEB 19 MAR 19

1 PROYECTO 160 días

2 Comienzo 0 días 01/09

3 Componente 1 95 días

4 Diseño 30 días 30/09

5 Construcción 40 días 9/11

6 Pruebas 25 días 4/12

7 Componente 2 93 días
8 Diseño 28 días 28/09

9 Construcción 40 días 7/11

10 Pruebas 25 días 2/12

11 Integración 65 días
12 Integrar componentes 1 y 2 40 días 13/01

13 Probar el conjunto 25 días 7/02

14 Finalización 0 días 7/02

La duración estimada se basa en tres valores, como muestra la siguiente tabla:

ID TAREA Duración Mínima Duración más Duración máxima

probable
1 PROYECTO
2 Comienzo 0 0 0

3 Componente 1

4 Diseño 20 30 40

5 Construcción 35 40 50

6 Pruebas 20 25 35

7 Componente 2

8 Diseño 18 28 38

9 Construcción 35 40 45

10 Pruebas 20 25 35

11 Integración

12 Integrar componentes 1 y 2 30 40 55

13 Probar el conjunto 15 25 35

14 Finalización
Completion Std. Deviation: 8.36 d

95% Confidence Interval: 0.52 d

TABLA DE PROBABILIDAD
Each bar represents 3 d
PROB FECHA PROB FECHA

0.05 2/10 0.55 3/2

0.10 2/15 0.60 3/3

0.15 2/17 0.65 3/4

0.20 2/18 0.70 3/7

0.25 2/22 0.75 3/9

0.30 2/23 0.80 3/11

0.35 2/24 0.85 3/14

0.40 2/25 0.90 3/17

0.45 2/28 0.95 3/21

0.50 3/1 1.00 4/5