Documentos de Académico
Documentos de Profesional
Documentos de Cultura
3mc 140801073507 Phpapp02
3mc 140801073507 Phpapp02
Gestionar la Incertidumbre
en los Proyectos
Parte I
Incertidumbre
GANTT
1910-1915 GP
1981
CPM
1946
PERT
1957 Gerente de
Proyecto
Cadena Monte
Crítica Carlo
1997 1949
Herramientas (GP-1963;
pre-PC’s 70% 17% viable
GP GP2010
Julio Ing. Pablo Ortiz, MSc, PMP
>80’s) 8
Estimaciones como afirmaciones
probabilísticas
Las estimaciones
se expresan
normalmente
como un solo
punto, lo cual no
es realista porque
no se indica la
probabilidad
asociada al punto
Posible
mas
realista
Steve McConnell.2006
Julio 2010 Ing. Pablo Ortiz, MSc, PMP 10
Incertidumbre y el PMBOK
28 veces aparece la palabra “uncertainty” (aunque no
se define explícitamente) en el PMBOK (sin
considerar figuras o el glosario)
vinculado principalmente a las Gestión del
Alcance
siguientes Áreas de Conocimiento:
Gestión
de Gestión de
Gestión de Tiempos Tiempos Costos
Gestión de Costos
Gestión de Riesgos Gestión de Gestión de
Gestión de Calidad Calidad Riesgos
Gestión del Alcance
Análisis de
T Reservas
i
Estimación
e 3 puntos
m (PERT)
Cadena Simulación
p Crítica Monte Carlo Distribuciones
(What-If) de Probabilidad
o
s Análisis de Valor Monetario
Sensibilidad Esperado
Riesgos
Julio 2010 Ing. Pablo Ortiz, MSc, PMP 12
Incertidumbre, Probabilidad y
Estadística
“Los GP exitosos son aquellos que
rápidamente comprenden la
necesidad de evaluar la
incertidumbre”
1. Probabilidad
2. Eventos independientes y
mutuamente excluyentes
3. Variables Aleatorias
4. Distribuciones de Probabilidad
5. Teorema Central del Límite
Porqué?
0≤P(A)≤1 Wikipedia,2010
http://gwydir.demon.co.uk/jo/probability/calcdice.htm
Julio 2010 Ing. Pablo Ortiz, MSc, PMP 21
2/36
Posibles resultados del 1/36
lanzamiento de un par de dados 11/36
B
B A B A
S S A S
P(1.1)*O1.1+P(1.2)*O1.2+P(1.3)*O1.3
2. ¿Cuál es la probabilidad?
6?
P(A1∩A2 ∩A3)=P(A1).P(A2).P(A3)=0,5x0,5x0,5=0,125≈ 0,13=13%
Julio 2010 Ing. Pablo Ortiz, MSc, PMP 27
Variables Aleatorias
En matemáticas una variable aleatoria (o estadística o
estocástica) es una variable cuyo valor es una función
del resultado de un experimento estadístico que da
valor numérico a cada suceso en Ω (espacio muestral):
fdp discreta
*Funciones de Densidad de Probabilidad-fdp Julio 2010 Ing. Pablo Ortiz, MSc, PMP 30
Referencia en el PMBOK
En teoría de la probabilidad, la
función de densidad de
probabilidad, función de densidad,
o, simplemente, densidad de una
variable aleatoria continua es una
función, usualmente denominada
f(x) que describe la densidad de la
probabilidad en cada punto del
espacio de tal manera que la
probabilidad de que la variable aleatoria tome un valor
dentro de un determinado conjunto sea la integral de la
función de densidad sobre dicho conjunto.
Wikipedia, 2010
Excel: ALEATORIO.ENTRE(min;max);
min +ALEATORIO()(max –min )
Julio 2010 Ing. Pablo Ortiz, MSc, PMP 34
Ejemplos y Uso de
distribución uniforme
Lanzamiento de una moneda
Lanzamiento de un dado
Ruleta
Lotería
Ej. min=1;max=3
Uso
Cualquiervalor entre el mínimo y el máximo tiene
igual probabilidad
Muchos lenguages de programación tienen la
habilidad de generar números pseudo-aleatorios los
cuales se distribuyen de acuerdo a la distribución
uniforme Julio 2010 Ing. Pablo Ortiz, MSc, PMP 35
Triangular
Wikipedia,2010
Beta genérica
E. Goldratt- Critical Chain, p. 43-45 Julio 2010 Ing. Pablo Ortiz, MSc, PMP 46
Cont. II
◦ “…Cuanto mayor es la incertidumbre, mayor es el
largo de la cola de la distribución
E. Goldratt- Critical Chain, p. 43-45 Julio 2010 Ing. Pablo Ortiz, MSc, PMP 47
Aproximación de la Beta a la Normal
El Teorema Central del Límite
"Winwood Reade is good upon the
subject," said Holmes. "He remarks
that, while the individual man is an
insoluble puzzle, in the aggregate he
becomes a mathematical certainty.
You can, for example, never foretell
what any one man will do, but you can
say with precision what an average
number will be up to. Individuals
vary, but percentages remain
constant. So says the statistician.
A. Conan Doyle- The Sign of the Four (1890-Sherlock Holmes)
…
El lanzamiento
de un dado La suma o promedio de una
tiene una en muestra (por ej. el
Distribución cambio…. lanzamiento de 12 dados)
Uniforme tiene una Distribución
Normal
Julio 2010 Ing. Pablo Ortiz, MSc, PMP 50
Definición de TCL. Demostración práctica
El Teorema Central del Límite (TCL) expresa que la media y la
suma de una muestra suficientemente grande (usualmente n>30 o 25)
de una (escencialmente) distribución arbitraria tiene una
distribución aproximadamente normal.
A.J. Hildebrand
Hoja de cálculo de
Microsoft Office Exce
Julio 2010 Ing. Pablo Ortiz, MSc, PMP 51
If you are the expert, the best distribution is
¿Qué distribución the one that completely expresses your belief
usar? about the uncertainty, J. Schuyler
“We balance
probabilities and
choose the most
likely. It is the
scientific use of the
imagination”
Modelo básico:
1. Un conjunto de variables de entrada
generadas aleatoriamente a partir de
determinadas distribuciones de probabilidad
Fuente:
2. Elección de un modelo http://www.vertex42.com/ExcelArticl
es/mc/MonteCarloSimulation.html
3. Resultado de la simulación
Julio 2010 Ing. Pablo Ortiz, MSc, PMP 62
Ejemplo: Aproximación de π por el MMC
Área Círculo = π r2 = π
L=2
1 Área Cuadrado= L2= 4
Área Círculo = π
0.5
Área Cuadrado 4
r=1
4 * Área Círculo = π
Área Cuadrado
0
Si n es grande podemos
-0.5
pensar que es válida la aprox.:
-1
-1 -0,5 0 0,5 1 4 *puntos_en_el_circulo = π
n (total de ptos.)
Referencia: http://twtmas.mpei.ac.ru/mas/Worksheets/approxpi.mcd
Julio 2010 Ing. Pablo Ortiz, MSc, PMP 63
¿Qué podemos deducir?. Pasos
4 *puntos_en_el_circulo = aprox π
1. Crear un modelo paramétrico n
y = f(x1,…,x n)
gi(x)
James F. Wright, 2002 Julio 2010 Ing. Pablo Ortiz, MSc, PMP 65
Ejemplo práctico Problema…
Actividad A 12
Actividad B 15
días
Actividad C 10
Actividad D 5
Actividad E 22
A Actividad F 6
B
“distribución de
C
duraciones posibles
para cada actividad “ D
(Uniforme)
E
700 1
F
Se puede definir la distribución mas 200 0,5
Monte Carlo
Hoja de cálculo
de Microsoft Office Excel
Determinista PERT
Duración
del 70 72,50
Proyecto
proyecto? 66 4,2%
68 10,6%
70 21,2%
¿Cuál es duración del 72 34,7%
2. ¿Cuándo N es suficiente?
Anbari, F. (1997). Quantitative Methods for Project Management. International Institute for
Learning Inc.
Referencias de Internet
Wikipedia. http://en.wikipedia.org/wiki/Monte_carlo_simulation
(consultado 15 de marzo de 2010)
Riskglossary.com. http://www.riskglossary.com/link/monte_carlo_method.htm
(consultado 08 de abril de 2010)
Software Libre
SimTools. http://home.uchicago.edu/~rmyerson/addins.htm
(consultado 3 de mayo de 2010)
MonteCarlito. www.montecarlito.com
(consultado 13 de mayo de 2010)
Otras Presentaciones
El Dilema del Prisionero y la GP. http://www.slideshare.net/p.ortiz.bochard/dilema-del-prisionero
(Diciembre 2009)