1

MBA TIEMPO COMPLETO PUCP I

ADMINISTRACIÓN ESTRATÉGICA DE
EMPRESAS

HERRAMIENTAS PARA LA TOMA DE

DECISIONES GERERENCIALES

CASO: “Tri-State y Harbor Dunes”

DOCENTE:
Luis Felipe Zegarra Basurco

GRUPO:
N° 1

INTEGRANTES:
20100918 Tanchiva Rojas, Oscar Eduardo
20101631 Mendoza Sumoso, Rodrigo Alberto
20111419 García Quillama, Angela Miluska
20120079 Aguirre Quispe, Luis Edgar
 2

LIMA-PERÚ
 1

Índice

Resumen Ejecutivo …………………………………….……….………………………..3

Descripción de las problemáticas……………….…….…………………………..…….4

Caso: Tri-State…………………………………………………………………………..

Caso: Harbor Dunes…………………………………………………………………….

Análisis de los casos…………………………………….….…………………………….5

Conclusiones……………………………………………………………………………….6

Recomendaciones………………...………...…………………………………………….7
 2

Resumen Ejecutivo

En el presente trabajo se realizará el análisis de dos casos aplicativos proporcionados

en el curso de herramientas para la toma de decisiones gerenciales, el primer caso
llamado Tri-State y el segundo caso llamado Harbor Dunes. Para ello se hará una
breve presentación del caso y se expondrá los problemas que presenta cada uno,
posteriormente, se hará un análisis y se presentarán conclusiones y recomendaciones
a partir del resultado obtenido. Tanto en el caso de Tri-State como en el de Harbor
Dunes se empleó la Simulación de Monte Carlo para poder evaluar y brindar
recomendaciones a partir de los resultados obtenidos y tomar las decisiones más
conveniente y rentables. Estas recomendaciones están basadas en un análisis
detallado de los posibles escenarios para evaluar la probabilidad de obtención de los
ingresos que percibirían estas organizaciones.

Los resultados obtenidos se presentarán en una tabla resumen que permitirá un

análisis más objetivo de los resultados y se recomendará cuál es la mejor decisión si se
quiere lograr determinada acción.

De igual manera, el informe irá acompañado de las tablas de cálculo que servirán de
sustento al análisis de cada caso de forma de independiente.
 3

Descripción de las problemáticas

CASO 1: Tri-State

¿Cuánto valdrá tu cartera en 10 años? ¿En 20 años? ¿Cuándo dejas de trabajar? Se

solicitó al Departamento de Recursos Humanos de Tri-State Corporation que
desarrollara un modelo de planificación financiera que ayudaría a los empleados a
abordar estas cuestiones. Tom Gifford fue invitado a dirigir este esfuerzo y decidió
comenzar desarrollando un plan financiero para sí mismo. Tom tiene un título en
negocios y, a la edad de 25 años, gana $ 34,000 por año. Después de dos años de
contribuciones al programa de jubilación de su compañía y la recepción de una
pequeña herencia, Tom ha acumulado una cartera valorada en $ 14,500. Tom planea
trabajar 30 años más y espera acumular una cartera valuada en $ 1, 000,000. ¿Puede
hacerlo?

Tom comenzó con algunas suposiciones sobre su salario futuro, sus nuevas
contribuciones a la inversión y la tasa de crecimiento de su portafolio. Asumió una tasa
de crecimiento salarial anual del 5% como razonable y quiso hacer nuevas
contribuciones de inversión al 4% de su salario. Después de algunas investigaciones
sobre el rendimiento histórico del mercado de valores, Tom decidió que una tasa de
crecimiento del portafolio anual del 10% era razonable. Usando estas suposiciones,
Tom desarrolló la hoja de cálculo de Excel que se muestra en la Figura 16.18. La
situación específica de Tom y sus suposiciones se encuentran en la parte superior de
la hoja de trabajo (celdas D3:D8). La hoja de trabajo proporciona un plan financiero
para los próximos cinco años. Al calcular las ganancias del portafolio para un año
determinado, Tom supuso que su nueva contribución de inversión ocurriría de manera
uniforme a lo largo del año, y así la mitad de la nueva inversión podría incluirse en el
cálculo de las ganancias de la cartera para el año. Usando la Figura 16.18, vemos que
a la edad de 29 años, se proyecta que Tom tendrá un portafolio valorado en $ 32,898.

El plan de Tom fue utilizar esta hoja de trabajo como plantilla para desarrollar planes
financieros para los empleados de la compañía. Las suposiciones en las celdas D3:D8
serían diferentes para cada empleado, y las filas se agregarían a la hoja de trabajo
para reflejar el número de años apropiados para cada empleado. Después de agregar
 4

otras 25 filas a la hoja de trabajo, Tom descubrió que podría esperar tener una cartera
de $ 627,937 después de 30 años. Tom luego tomó sus resultados para mostrarle a su
jefe, Kate Riegle.

Aunque Kate estaba complacida con el progreso de Tom, ella expresó varias críticas.
Una de las críticas fue la suposición de una tasa de crecimiento salarial anual
constante. Señaló que la mayoría de los empleados experimentan alguna variación en
la tasa de crecimiento salarial anual de un año a otro. En adición, señaló que la tasa
constante de crecimiento anual del portafolio no era realista y que la tasa de
crecimiento real variaría considerablemente de un año a otro. Ella sugirió además que
un modelo de simulación para la proyección del portafolio podría permitirle a Tom tener
en cuenta la variabilidad aleatoria en la tasa de crecimiento salarial y la tasa de
crecimiento del portafolio.

Después de algunas investigaciones, Tom y Kate decidieron asumir que la tasa de

crecimiento salarial anual variaría de 0% a 10% y que una distribución de probabilidad
uniforme proporcionaría una aproximación realista. La firma contable de Tri-State
sugirió que la tasa de crecimiento del portafolio anual podría aproximarse mediante una
distribución de probabilidad normal con una media del 10% y una desviación estándar
del 5%. Con esta información, Tom partió para desarrollar un modelo de simulación que
pudiera ser utilizado por los empleados de la empresa para la planificación financiera.
 5

Reporte Gerencial

Juega el papel de Tom Gifford y desarrolla un modelo de simulación para la

planificación financiera. Escriba un informe para el jefe de Tom y, como mínimo, incluya
lo siguiente:

1. Sin considerar la variabilidad aleatoria en las tasas de crecimiento, extienda la hoja

de trabajo en Figura 16.18 a 30 años. Confirme que al usar la tasa de crecimiento
salarial anual constante y la tasa de crecimiento anual constante de la cartera, Tom
puede esperar tener una cartera a 30 años de $ 627,937. ¿A qué tendría que aumentar
la tasa de inversión anual de Tom para que su cartera alcance una meta de $ 1,
000,000 a 30 años?
 6

Análisis Financiero – Proyección del Portafolio

Edad 25 años
Salario $ 34,000
Cartera actual $ 14,500
Tasa de crecimiento salarial anual 5%
Tasa de inversión anual 4%
Tasa de crecimiento del portafolio anual 10%

Portafolio Nueva Ganancia del Portafolio

Año Edad Salario
inicial inversión portafolio final
1 25 14,500 34,000 1,360 1,518 17,378
2 26 17,378 35,700 1,428 1,809 20,615
3 27 20,615 37,485 1,499 2,136 24,251
4 28 24,251 39,359 1,574 2,504 28,329
5 29 28,329 41,327 1,653 2,916 32,898
6 30 32,898 43,394 1,736 3,377 38,010
7 31 38,010 45,563 1,823 3,892 43,725
8 32 43,725 47,841 1,914 4,468 50,107
9 33 50,107 50,233 2,009 5,111 57,227
10 34 57,227 52,745 2,110 5,828 65,165
…

…
25 49 332,021 109,653 4,386 33,421 369,828
26 50 369,828 115,136 4,605 37,213 411,647
27 51 411,647 120,893 4,836 41,406 457,889
28 52 457,889 126,938 5,078 46,043 509,009
29 53 509,009 133,284 5,331 51,167 565,508
30 54 565,508 139,949 5,598 56,831 627,937

Para que Tom pueda alcanzar un portafolio de $ 1, 000,000 a 30 años tendría que
aumentar la tasa de inversión anual a aproximadamente 7.97%.

Edad 25 años
Salario $ 34,000
Cartera actual $ 14,500
Tasa de crecimiento salarial anual 5%
Tasa de inversión anual 7.97%
Tasa de crecimiento del portafolio anual 10%
 7

Portafolio Nueva Ganancia del Portafolio

Año Edad Salario
inicial inversión portafolio final
1 25 14,500 34,000 2,710 1,585 18,795
2 26 18,795 35,700 2,845 2,022 23,662
3 27 23,662 37,485 2,987 2,516 29,165
4 28 29,165 39,359 3,137 3,073 35,375
5 29 35,375 41,327 3,294 3,702 42,371
6 30 42,371 43,394 3,458 4,410 50,239
7 31 50,239 45,563 3,631 5,205 59,076
8 32 59,076 47,841 3,813 6,098 68,987
9 33 68,987 50,233 4,003 7,099 80,089
10 34 80,089 52,745 4,204 8,219 92,511
…

…
25 49 519,778 109,653 8,739 52,415 580,932
26 50 580,932 115,136 9,176 58,552 648,660
27 51 648,660 120,893 9,635 65,348 723,642
28 52 723,642 126,938 10,116 72,870 806,629
29 53 806,629 133,284 10,622 81,194 898,445
30 54 898,445 139,949 11,153 90,402 1,000,000

2. Incorporar la variabilidad aleatoria de la tasa de crecimiento salarial anual y la tasa

de crecimiento anual de la cartera en un modelo de simulación. Suponga que Tom está
dispuesto a utilizar la tasa de inversión anual que predijo un portafolio de 30 años y
$ 1, 000,000 en la parte 1. Muestre cómo simular el plan financiero a 30 años de Tom.
Use los resultados del modelo de simulación para comentar sobre la incertidumbre
asociada con el hecho de que Tom alcance la meta de 30 años, $ 1, 000,000. Discuta
las ventajas de repetir la simulación numerosas veces.

Edad 25 años
Salario $ 34,000
Cartera actual $ 14,500
Tasa de crecimiento salarial anual 2.86% =(0+ALEATORIO()*(10-0))/100
Tasa de inversión anual 7.97%
Tasa de crecimiento del portafolio anual 10% =DISTR.NORM.INV(ALEATORIO(),0.1,0.05)
 8

Portafolio Nueva Ganancia del Portafolio Tasa de crecimiento Tasa de crecimiento del
Año Edad Salario
inicial inversión portafolio final salarial anual portafolio anual
1 25 14,500 34,000 2,710 253 17,463 5.38% 1.60%
2 26 17,463 35,829 2,855 2,356 22,674 4.10% 12.47%
3 27 22,674 37,297 2,972 1,956 27,602 8.31% 8.10%
4 28 27,602 40,396 3,219 3,635 34,457 6.23% 12.44%
5 29 34,457 42,911 3,420 2,898 40,774 1.92% 8.01%
6 30 40,774 43,735 3,485 8,016 52,275 9.01% 18.85%
7 31 52,275 47,675 3,799 6,843 62,917 9.13% 12.63%
8 32 62,917 52,026 4,146 9,598 76,662 6.69% 14.77%
9 33 76,662 55,507 4,424 9,710 90,795 5.98% 12.31%
10 34 90,795 58,828 4,688 11,255 106,738 0.62% 12.08%
11 35 106,738 59,193 4,717 17,305 128,761 3.16% 15.86%
12 36 128,761 61,063 4,866 10,637 144,264 8.33% 8.11%
13 37 144,264 66,149 5,272 27,320 176,856 4.07% 18.60%
14 38 176,856 68,839 5,486 9,744 192,086 6.24% 5.43%
15 39 192,086 73,134 5,828 15,700 213,615 2.55% 8.05%
16 40 213,615 75,003 5,977 14,050 233,643 3.08% 6.49%
17 41 233,643 77,310 6,161 4,439 244,244 7.76% 1.88%
18 42 244,244 83,313 6,640 13,393 264,276 3.20% 5.41%
19 43 264,276 85,978 6,852 15,637 286,766 5.66% 5.84%
20 44 286,766 90,846 7,240 15,071 309,076 8.06% 5.19%
21 45 309,076 98,171 7,824 59,318 376,218 4.49% 18.95%
22 46 376,218 102,582 8,175 14,617 399,010 1.58% 3.84%
23 47 399,010 104,206 8,305 29,173 436,488 6.08% 7.24%
24 48 436,488 110,542 8,810 74,946 520,244 0.81% 17.00%
25 49 520,244 111,441 8,881 42,188 571,313 2.20% 8.04%
26 50 571,313 113,895 9,077 94,480 674,870 6.28% 16.41%
27 51 674,870 121,048 9,647 37,287 721,803 4.26% 5.49%
28 52 721,803 126,202 10,058 66,894 798,755 0.59% 9.20%
29 53 798,755 126,942 10,117 128,433 937,304 4.62% 15.98%
30 54 937,304 132,809 10,584 109,219 1,057,107 2.56% 11.59%

Usando un modelo de simulación de Monte Carlo podemos repetir los cálculos

obteniendo mil datos con el valor final del portafolio luego de 30 años de trabajo con lo
cual tendremos la siguiente tabla.
 9

Muestra de 1000 datos

1 1,057,107
2 946,817
3 1,242,580
4 827,659
5 1,112,508
6 978,899
7 696,333
8 1,153,396
9 984,281
10 621,208

…
995 684,459
996 940,056
997 982,909
998 855,697
999 943,205
1000 973,745

Con esta tabla de datos podemos obtener realizar un cuadro estadístico y también
analizar las probabilidades de obtener un portafolio con un valor mayor o igual a
$ 1, 000,000.

Valor esperado 1,000,523 =PROMEDIO(B2:B1001)

Desviación estándar 186,253 =DESVEST.M(B2:B1001)
Máximo valor 1,751,786 =MAX(B2:B1001)
Mínimo valor 512,345 =MIN(B2:B1001)
Prob. que el portafolio <= 1000000 0.55 =CONTAR.SI(B2:B1001,"<=1000000")/1000
Prob. que el portafolio > 1000000 0.45 =1-CONTAR.SI(B2:B1001,"<=1000000")/1000
Prob. que el portafolio > 950000 0.57 =1-CONTAR.SI(B2:B1001,"<=950000")/1000
Prob. que el portafolio > 900000 0.69 =1-CONTAR.SI(B2:B1001,"<=900000")/1000
Prob. que el portafolio > 850000 0.79 =1-CONTAR.SI(B2:B1001,"<=850000")/1000
Prob. que el portafolio > 800000 0.89 =1-CONTAR.SI(B2:B1001,"<=800000")/1000
 10

La ventaja de realizar el cálculo del portafolio final numerosas veces es que podemos
obtener una muestra con varios resultados y utilizarlos para realizar un análisis
estadístico a fin de obtener un valor esperado y probabilidades de obtener algún otro
valor con lo cual en base a estas probabilidades tomar decisiones más convenientes
asumiendo un determinado riesgo, en este caso podemos apreciar que se tendría una
probabilidad de obtener un portafolio de $ 1, 000,000 luego de 30 años equivalente a
0.44.

3. ¿Qué recomendaciones tiene para los empleados con un perfil actual similar al de
Tom después de ver el impacto de la incertidumbre en la tasa de crecimiento salarial
anual y la tasa de crecimiento de la cartera anual?

En base a los datos y valores obtenidos considerando el perfil de Tom se puede inferir
que los empleados que cuenten con un perfil similar tienen una probabilidad de
alcanzar un portafolio de $ 1, 000,000 luego de 30 años equivalente a 0.44. Si su meta
es alcanzar el $ 1, 000,000 luego de 30 años se debería incrementar la probabilidad,
para esto se les recomienda aumentar la tasa de inversión anual o trabajar una mayor
cantidad de años, cualquiera de las dos opciones o la aplicación de las dos en conjunto
servirá a fin de aumentar sus probabilidades para alcanzar este objetivo.

4. Suponga que Tom está dispuesto a considerar trabajar 35 años en lugar de 30 años.
¿Cuál es su evaluación de esta estrategia si el objetivo de Tom es tener un portafolio
por el valor de $ 1, 000,000?

Edad 25 años
Salario $ 34,000
Cartera actual $ 14,500
Tasa de crecimiento salarial anual 4.13% =(0+ALEATORIO()*(10-0))/100
Tasa de inversión anual 7.97%
Tasa de crecimiento del portafolio anual 14% =DISTR.NORM.INV(ALEATORIO(),0.1,0.05)
 11

Portafolio Nueva Ganancia del Portafolio Tasa de crecimiento Tasa de crecimiento del
Año Edad Salario
inicial inversión portafolio final salarial anual portafolio anual
1 25 14,500 34,000 2,710 2,832 20,042 3.18% 17.86%
2 26 20,042 35,083 2,796 552 23,390 9.49% 2.57%
3 27 23,390 38,413 3,061 2,517 28,968 9.57% 10.10%
4 28 28,968 42,089 3,354 5,966 38,287 1.28% 19.47%
5 29 38,287 42,629 3,397 -1,041 40,643 2.19% -2.60%
6 30 40,643 43,565 3,472 8,378 52,494 2.01% 19.77%
7 31 52,494 44,438 3,542 9,003 65,039 1.47% 16.59%
8 32 65,039 45,090 3,593 7,019 75,651 8.28% 10.50%
9 33 75,651 48,823 3,891 11,355 90,896 6.18% 14.63%
10 34 90,896 51,841 4,131 8,594 103,621 4.63% 9.24%
11 35 103,621 54,239 4,323 7,834 115,778 5.37% 7.41%
12 36 115,778 57,152 4,555 13,494 133,826 6.73% 11.43%
13 37 133,826 61,000 4,861 9,203 147,890 9.82% 6.75%
14 38 147,890 66,994 5,339 13,429 166,658 8.43% 8.92%
15 39 166,658 72,640 5,789 14,825 187,272 0.21% 8.74%
16 40 187,272 72,792 5,801 13,244 206,317 4.27% 6.96%
17 41 206,317 75,897 6,049 18,269 230,634 0.74% 8.73%
18 42 230,634 76,461 6,094 24,170 260,898 0.37% 10.34%
19 43 260,898 76,741 6,116 37,674 304,687 7.75% 14.27%
20 44 304,687 82,691 6,590 30,014 341,292 5.46% 9.75%
21 45 341,292 87,210 6,950 28,007 376,249 9.23% 8.12%
22 46 376,249 95,259 7,592 13,492 397,334 5.37% 3.55%
23 47 397,334 100,377 8,000 8,130 413,463 0.50% 2.03%
24 48 413,463 100,875 8,039 68,587 490,090 6.16% 16.43%
25 49 490,090 107,088 8,534 61,146 559,770 8.97% 12.37%
26 50 559,770 116,697 9,300 23,467 592,537 8.49% 4.16%
27 51 592,537 126,607 10,090 54,373 657,000 9.47% 9.10%
28 52 657,000 138,599 11,046 54,132 722,177 3.64% 8.17%
29 53 722,177 143,646 11,448 62,144 795,770 0.02% 8.54%
30 54 795,770 143,677 11,450 94,750 901,970 3.70% 11.82%
31 55 901,970 148,990 11,874 81,038 994,883 7.53% 8.93%
32 56 994,883 160,203 12,767 82,724 1,090,374 2.94% 8.26%
33 57 1,090,374 164,920 13,143 59,975 1,163,492 4.66% 5.47%
34 58 1,163,492 172,600 13,755 188,852 1,366,100 4.89% 16.14%
35 59 1,366,100 181,040 14,428 173,212 1,553,740 7.90% 12.61%

Usando un modelo de simulación de Monte Carlo podemos repetir los cálculos

obteniendo mil datos con el valor final del portafolio luego de 35 años de trabajo con lo
cual tendremos la siguiente tabla.
 12

Muestra de 1000 datos

1 1,553,740
2 2,141,284
3 2,024,176
4 2,055,258
5 1,224,598
6 1,627,334
7 2,088,998
8 1,639,448
9 1,482,076
10 2,591,123

…
995 1,443,987
996 1,539,063
997 1,456,659
998 1,982,579
999 1,510,836
1000 1,778,436

Con esta tabla de datos podemos obtener realizar un cuadro estadístico y también
analizar las probabilidades de obtener un portafolio con un valor mayor o igual a
$ 1, 000,000.

Valor esperado 1,696,945 =PROMEDIO(B2:B1001)

Desviación estándar 364,042 =DESVEST.M(B2:B1001)
Máximo valor 3,421,393 =MAX(B2:B1001)
Mínimo valor 820,761 =MIN(B2:B1001)
Prob. que el portafolio <= 1000000 0.009 =CONTAR.SI(B2:B1001,"<=1000000")/1000
Prob. que el portafolio > 1000000 0.991 =1-CONTAR.SI(B2:B1001,"<=1000000")/1000
Prob. que el portafolio > 950000 1.00 =1-CONTAR.SI(B2:B1001,"<=950000")/1000

Se puede apreciar que con esta decisión las probabilidades de Tom para alcanzar un
portafolio por el valor de $ 1, 000,000 se incrementaron considerablemente a un valor
de 0.995, con esto se podría estar casi totalmente seguro de lograr la meta planteada.

A pesar de que la probabilidad de alcanzar su objetivo es alta, para asegurar tener un

portafolio con el valor de $ 1, 000,000 se le recomendaría a Tom trabajar por lo menos
dos años más ya que se tendrían los siguientes valores esperados:

Valor esperado 2,103,153 =PROMEDIO(B2:B1001)

 13

Desviación estándar 468,915 =DESVEST.M(B2:B1001)

Máximo valor 4,163,862 =MAX(B2:B1001)
Mínimo valor 1,139,545 =MIN(B2:B1001)
Prob. que el portafolio <= 1000000 - =CONTAR.SI(B2:B1001,"<=1000000")/1000
Prob. que el portafolio > 1000000 1.00 =1-CONTAR.SI(B2:B1001,"<=1000000")/1000
Prob. que el portafolio > 950000 1.00 =1-CONTAR.SI(B2:B1001,"<=950000")/1000

5. Discuta cómo el modelo de planificación financiera desarrollado para Tom Gifford se

puede utilizar como una plantilla para desarrollar un plan financiero para cualquiera de
los empleados de la compañía.

En base a las consideraciones realizadas por Tom y a la planificación desarrollada, se

puede extrapolar y adaptar un plan financiero a la medida de cada empleado a fin de

obtener los valores esperados y las probabilidades de lograr el portafolio que tengan

como objetivo cada uno de ellos ya que la simulación de Monte Carlo que se aplicó al

momento de evaluar el caso sería una base que se podría repetir con cierta facilidad.

Análisis de Riesgos Considerados:

A fin de realizar un análisis más detallado del caso Tri-State, hemos considerado que

en base a las estimaciones consideradas por Tom para lograr un portafolio de $ 1,

000,000 luego de cierta cantidad de años trabajados tendremos que asumir cierto

riesgo aceptable para lograr determinar una cantidad de años a trabajar por lograr este

objetivo basándonos en las probabilidades que podemos obtener de las simulaciones.

Tabla de probabilidades en base al riesgo que consideramos asumir

TRI-STATE CORPORATION

Al considerar 32 años de trabajo podemos llegar a alcanzar el objetivo de tener un

portafolio con un valor de $ 1, 000,000 con una probabilidad mayor a 0.85.

 14

Edad 25 años
Salario $ 34,000
Cartera actual $ 14,500
Tasa de crecimiento salarial anual 4.13% =(0+ALEATORIO()*(10-0))/100
Tasa de inversión anual 7.97%
Tasa de crecimiento del portafolio anual 14% =DISTR.NORM.INV(ALEATORIO(),0.1,0.05)

Portafolio Nueva Ganancia del Portafolio Tasa de crecimiento Tasa de crecimiento del
Año Edad Salario
inicial inversión portafolio final salarial anual portafolio anual
1 25 14,500 34,000 2,710 1,912 19,121 2.03% 12.06%
2 26 19,121 34,691 2,765 1,994 23,880 6.97% 9.72%
3 27 23,880 37,109 2,957 4,082 30,919 8.96% 16.10%
4 28 30,919 40,436 3,223 4,299 38,441 0.14% 13.22%
5 29 38,441 40,493 3,227 5,191 46,860 6.35% 12.96%
6 30 46,860 43,066 3,432 6,540 56,832 7.01% 13.46%
7 31 56,832 46,084 3,673 8,353 68,858 6.37% 14.24%
8 32 68,858 49,021 3,907 4,870 77,634 3.45% 6.88%
9 33 77,634 50,712 4,042 5,975 87,651 0.46% 7.50%
10 34 87,651 50,944 4,060 13,844 105,555 8.86% 15.44%
11 35 105,555 55,457 4,420 14,154 124,129 3.12% 13.13%
12 36 124,129 57,184 4,557 10,978 139,664 3.79% 8.68%
13 37 139,664 59,353 4,730 25,460 169,855 9.95% 17.93%
14 38 169,855 65,256 5,201 12,296 187,352 2.93% 7.13%
15 39 187,352 67,166 5,353 24,719 217,423 6.62% 13.01%
16 40 217,423 71,612 5,707 22,703 245,834 5.88% 10.31%
17 41 245,834 75,822 6,043 26,765 278,642 9.26% 10.76%
18 42 278,642 82,843 6,602 42,294 327,538 3.27% 15.00%
19 43 327,538 85,554 6,818 40,495 374,851 6.63% 12.24%
20 44 374,851 91,223 7,270 26,572 408,693 9.73% 7.02%
21 45 408,693 100,099 7,977 33,281 449,951 7.94% 8.06%
22 46 449,951 108,046 8,611 30,218 488,780 7.51% 6.65%
23 47 488,780 116,160 9,257 57,363 555,401 8.85% 11.63%
24 48 555,401 126,446 10,077 48,579 614,057 4.20% 8.67%
25 49 614,057 131,753 10,500 71,500 696,058 6.33% 11.55%
26 50 696,058 140,093 11,165 26,075 733,298 8.58% 3.72%
27 51 733,298 152,112 12,123 119,020 864,440 6.32% 16.10%
28 52 864,440 161,718 12,888 29,580 906,909 4.33% 3.40%
29 53 906,909 168,725 13,447 22,851 943,206 1.35% 2.50%
30 54 943,206 171,006 13,628 21,876 978,711 3.25% 2.30%
31 55 978,711 176,563 14,071 118,233 1,111,016 0.43% 11.99%
32 56 1,111,016 177,318 14,131 -46,778 1,078,369 3.04% -4.18%

Usando un modelo de simulación de Monte Carlo podemos repetir los cálculos

obteniendo mil datos con el valor final del portafolio luego de 32 años de trabajo con lo
cual tendremos la siguiente tabla:
 15

Muestra de 1000 datos

1 1,242,841
2 1,106,385
3 993,955
4 1,870,288
5 1,168,248
6 1,821,359
7 1,238,315
8 1,132,072
9 1,199,808
10 1,050,038

…
995 1,273,165
996 1,362,092
997 1,242,761
998 1,115,693
999 1,146,689
1000 1,484,395

Con esta tabla de datos podemos obtener realizar un cuadro estadístico y también
analizar las probabilidades de obtener un portafolio con un valor mayor o igual a
$ 1, 000,000.

Valor esperado 1,231,038 =PROMEDIO(B2:B1001)

Desviación estándar 254,784 =DESVEST.M(B2:B1001)
Máximo valor 2,142,309 =MAX(B2:B1001)
Mínimo valor 597,336 =MIN(B2:B1001)
Prob. que el portafolio <= 1000000 0.15 =CONTAR.SI(B2:B1001,"<=1000000")/1000
Prob. que el portafolio > 1000000 0.85 =1-CONTAR.SI(B2:B1001,"<=1000000")/1000
Prob. que el portafolio > 950000 0.90 =1-CONTAR.SI(B2:B1001,"<=950000")/1000

Se consideró asumir un riesgo alto para determinar la cantidad de años que debemos

de trabajar para lograr el objetivo, finalmente se concluyó que serán 32 años.

CASO 2: Harbor Dunes

El Campo de Golf de Harbor Dunes recibió el honor de ser considerado uno de los

mejores campos de golf públicos en Carolina del Sur. El campo, situado en un terreno
 16

que una vez fue una plantación de arroz, ofrece algunas de las mejores vistas de las

marismas de agua salada disponibles en Carolina. Harbor Dunes apunta al extremo

superior del mercado del golf y en la temporada alta de golf de primavera cobra cuotas

de “green” de $160 por persona y cuotas de automóvil de golf de $20 por persona.

Harbor Dunes acepta reservaciones para tiempos de “tee” de grupos de cuatro

jugadores (grupos de dos parejas) a partir de la 7:30 de cada mañana. Los grupos de

cuatro jugadores inician al mismo tiempo tanto en los primeros nueve hoyos como en

los últimos nueve hoyos del recorrido, con un nuevo grupo saliendo cada nueve

minutos. El proceso continúa con nuevos grupos de cuatro jugadores comenzando a

jugar tanto en los primeros nueve hoyos como en los últimos nueve hoyos a mediodía.

Para que todos los jugadores puedan completar los 18 hoyos antes de que oscurezca,

los últimos dos grupos de cuatro jugadores de la tarde inician sus rondas a la 1:21 p.m.

Conforme a este plan, Harbor Dunes puede vender un máximo de 20 tiempos de tee

vespertinos.

El año pasado Harbor Dunes vendió todo el tiempo de tee matutino disponible de la

temporada de primavera. Se espera el mismo resultado para el año próximo. Los

tiempos de tee vespertinos, sin embargo, son más difíciles de vender. Un análisis de

los datos de ventas del año pasado permitió que Harbor Dunes desarrollara la

distribución de probabilidad de las ventas del tiempo de tee vespertino, como se

muestra en la tabla 16.12. Para la temporada, Harbor Dunes vendió un promedio

aproximado de 14 de los 20 tiempos de tee vespertinos disponibles. El ingreso

promedio por las cuotas de green y las cuotas de automóvil fueron de $10,240. Sin
 17

embargo, el promedio de seis tiempos de tee no utilizados por día dio por resultado una

pérdida de ingresos.

En un esfuerzo por incrementar la venta de tiempos de tee vespertinos, Harbor Dunes

está considerando una idea popular en otros campos de golf. Estos campos ofrecen a

los grupos de cuatro jugadores que juegan en la mañana la opción de jugar otra ronda

de golf en la tarde pagando una cuota reducida. Harbor Dunes considera dos opciones

de volver a jugar: (1) una cuota de green de $25 por jugador más una cuota de
 18

automóvil de $20 por jugador; (2) una cuota de green de $50 por jugador más una

cuota de automóvil de $20 por jugador. Con la opción 1, cada grupo de cuatro

jugadores generará ingresos adicionales de $180; con la opción 2 cada grupo generará

ingresos adicionales de $280. La clave para tomar una decisión en cuanto a cuál

opción es la mejor depende del número de grupos que encuentren la opción

suficientemente atractiva como para aceptar la oferta de volver a jugar. Trabajando con

un consultor en estadística y en la industria del golf, Harbor Dunes desarrolló

distribuciones de probabilidad del número de grupo de cuatro jugadores que solicitan

volver a jugar con cada una de las dos opciones. Estas distribuciones de probabilidad

se muestran en la tabla 16.13.

Al ofrecer estas opciones de volver a jugar, la primera prioridad de Harbor Dunes será

vender las reservaciones vespertinas hechas con anticipación al precio máximo. Si la

demanda de los tiempos de tee de volver a jugar excede el número de tiempos de tee

vespertinos disponibles, Harbor Dunes pondrá un aviso de que el campo está

completo. En este caso, cualquier solicitud de más no será aceptada.

Reporte gerencial

Desarrolle modelos de simulación con ambas opciones de volver a jugar por medio de

Crystal Ball. Ejecute 500 ensayos de simulación. Prepare un informe que ayude a la

gerencia del Campo de Golf Harbor Dunes a decidir qué opción de volver a jugar poner

en práctica en la próxima temporada de golf primaveral. Incluya lo siguiente en su

informe:
 19

1. Resúmenes estadísticos de los ingresos esperados conforme a cada opción de

volver a jugar.

2. Su recomendación sobre la mejor opción de volver a jugar

3. Suponiendo una temporada de golf primaveral de 90 días, una estimación de los

ingresos adicionales utilizando su recomendación.

4. Cualquier otra recomendación que pudiera mejorar los ingresos de Harbor Dunes.

Resolución:

Máximo número de juegos posibles por turno 20 juegos /turno

dólares/person
Temporada alta de golf ( primavera) 160 a
dólares/person
Carrito de golf 20 a
Hora de comienzo 07:30 a.m.

Data histórica de ventas para juegos vespertinos: en promedio se vendieron 14 de los

20 juegos disponibles.

Ingreso histórico de las ventas para juegos vespertinos: 10,240 dólares

Ingresos vespertinos
=BUSCARV(ALEATORIO(),
Nro. de juegos ocupados 14 juegos $F$6:$G$18,2)
Ingresos por juego 8960 =C31*4*C23
Ingresos por uso de carrito 1120 =C31*4*C24
Ingreso parcial 10080 =C33+C32

Nro. de juegos sobrantes 6 =20-C31

a) 25 dólares por persona

 20

Nro. de juegos solicitados 7 =BUSCARV(ALEATORIO(),$M$10:$N$20,2)

Nro. de juegos que se ocuparán 6 =SI(C41>C36,C36,C41)
Ingresos por juego 600 =C42*25*4
Ingresos por uso de carrito 480 =C42*4*C24
Ingreso parcial 2 1080 =C44+C43

Ingresos totales vespertinos ($25) 11160 =C45+C34

Nro Ingreso total vesp ($25)

1 11160
2 12240
3 7560
4 12240
5 11160
6 12780
7 10080
8 10440
9 12780
10 10260
…

995 10620
996 9360
997 8460
998 7740
999 11700
1000 10260

b) 50 dólares por persona

Nro. de juegos solicitados 3 =BUSCARV(ALEATORIO(),$T$10:$U$18,2)

Nro. de juegos que se ocuparan 3 =SI(G41>C36,C36,G41)
Ingresos por juego 600 =G42*50*4
Ingresos por uso de carrito 240 =G42*4*C24
Ingreso parcial 2 840 =G44+G43

Ingresos totales vespertinos ($50) 10920 =G45+C34

 21

Nro Ingreso total vesp ($25)

1 10920
2 12200
3 8320
4 13080
5 10800
6 13080
7 11640
8 6040
9 10920
10 12200
…

…
995 13960
996 12800
997 8320
998 13680
999 12640
1000 12200

Analizando los datos obtenidos mediante la Simulación de Monte Carlo para ambas

opciones, tenemos lo siguiente:

ESTADISTICOS
  Ingreso total vesp. ($25) Ingreso total vesp. ($50)
Media 10967.58 11171.24
Desviación estándar 1791.857611 1882.705884
Máximo 14400 14400
Mínimo 6300 5760

Se recomienda elegir la opción 1: $25 por persona + alquiler del carrito por lo siguiente:

1. El valor esperado entre las dos opciones es mayor que en la opción 2.

2. La desviación estándar es menor.

3. El valor mínimo es mayor que el de la opción 2.

 22

Análisis final de los casos:

Caso: Tri-State

OJO

Cuanto es lo suficiente de probabilidad? DEPENDE DE LA TOLERANCIA FRENTE AL

RIESGO. Además depende de los cálculos. Probabilidades de estar cerca al millón o

novecientos cincuenta mil.

Es importante conocer probabilidades que son cercanos por debajo del millón.

RECOMENDACIÓN: CUANTO INVERTIR Y CUANTOS AÑOS TRABAJAR!?

VER LO RAZONABLE EN FUNCIÓN DE UNO MISMO. ANALISIS EN DIFERENTES

ESCENARIOS. CONSTRUIR TABLAS. SI TRABAJAMOS ESTA CANTIDAD DE AÑOS

DOS DISTRIBUCIONES UNA NORMAL Y OTRA UNIFORME.

 23

INSERTEN COLUMNA PARA TASA DE CRECIMIENTO SALARIO Y DE

PORTAFOLIO. SE SIMULA LO ACUMULADO DE LA VIDA LABORAL. NO

REDONDEAR TASA DE CRECIMIENTO.

Caso: Harbor Dunes

TENGAN EN CUENTA QUE SON 20 ESPACIOS.

 24

ANEXO CASO 2

Tabla1 - Distribución de probabilidad por la ventas por los afternoon tee times
Number of tee times sold Probabilidad Prob acumulada
8 0.01 0.01
9 0.04 0.05
10 0.06 0.11
11 0.08 0.19
12 0.1 0.29
13 0.11 0.4
14 0.12 0.52
15 0.15 0.67
16 0.1 0.77
17 0.09 0.86
18 0.07 0.93
19 0.05 0.98
20 0.02 1

Tabla 2
Opcion 1- 25$ per person + cart free

Numero de cuartetos Probabilidad

requesting a replay
0 0.01
1 0.03
2 0.05
3 0.05
4 0.11
5 0.15
 25

6 0.17
7 0.15
8 0.13
9 0.09
10 0.06

Tabla 3
Opción 2 - $50 per person + cart
free

Numero de cuartetos Probabilidad

requesting a replay
0 0.06
1 0.09
2 0.12
3 0.17
4 0.2
5 0.13
6 0.11
7 0.07
8 0.05