DISTRIBUCIÓN NORMAL EN

GERENCIA DE PROYECTOS

Especialización en Gerencia de Proyectos

Universidad EAN
GDP – MARZO 2021
 Historia de la Distribución Normal.

¿Qué es la Distribución Normal?

Breve Ejemplo de la Distribución Normal.

CONTENIDO
El riesgo según el PMBOOK

Ejemplo 1

Ejemplo 2
 Abraham de
Moivre, The Doctrine
of Chances (1738)
Teorema de De
Moivre-Laplace.
Pierre-
Simon Laplace, Teoría
analítica de las
probabilidades (1812)

HISTORIA
Joseph- Método de mínimos
Louis Lagrange (1805) cuadrados.

Johann Carl Función gaussiana o

Friedrich Gauss campana de Gauss.
 ¿QUÉ ES LA DISTRIBUCIÓN NORMAL?

• En estadística y probabilidad se
llama distribución normal a una de
las distribuciones de probabilidad
de variable continua que con más
frecuencia aparece aproximada en
fenómenos reales.
• Es la distribución más común.
• Depende de dos conceptos: la
Varianza y la Media
¿Qué necesitamos para representar una
distribución normal?

•Una variable aleatoria.

•Calcular la media.
•Calcular la desviación típica o
varianza.
•Decidir la función que queremos
representar: función de densidad
de probabilidad o función de
distribución.
 • Sabemos que en un examen participan 476 estudiantes y que los
resultados podrán oscilar entre 0 y 10. Calculamos la media y la
desviación típica a partir de las observaciones (resultados del
examen).

EJEMPLO • Entonces, definimos la variable aleatoria X como los resultados del

examen que depende de cada resultado individual.
BÁSICO Matemáticamente,
• X = resultados del examen ~ N (m=4,8, o=3,09).
• La variable aleatoria X representa la variable resultados del examen y
puede aproximarse a una distribución normal de media 4,8 y
desviación típica de 3,09.
Tabla de frecuencia de los resultados del examen
Resultados Frecuencia
0 20
1 31
2 44
3 56
4 64
5 66
6 62
7 51
8 39
9 26
10 16
TOTAL 476
• La variable aleatoria X representa la variable resultados del examen y puede
aproximarse a una distribución normal de media 4,8 y desviación típica de
3,09.
 Def. Riesgo

Tipos de Riesgo
LINEAMIENTOS
DEL PMBOK Objetivos de la gestión de riesgos

Procesos de la gestión de riesgos

 DEFINICIÓN DE RIESGO

Riesgo: Es un evento incierto, que de presentarse puede tener impactos

positivos o negativos en el proyecto.

Riesgo Remanente (Residual): Son los riesgos que quedan después de

implementar una acción de mitigación. Es muy costoso eliminar el riesgo.

Riesgo Secundario: Son eventos que se generan en algunos casos, como

resultado de la respuesta definida.
 Riesgos conocidos: Son aquellos que han sido
identificados y analizados, por lo que es posible
planificar respuestas para ellos. Son recogidos en
el Registro de Riesgos. A los riesgos conocidos
que no pueden ser gestionados proactivamente y
a los riesgos residuales, se le asigna una reserva de
TIPOS DE contingencias.

RIESGOS Riesgos desconocidos: Son aquellos que NO son

identificados en la etapa de “Identificación de
Riesgos”, por lo que no pueden ser gestionados
proactivamente. Para su tratamiento, se les
asigna una reserva de gestión.
 Riesgos positivos: Se conocen también como
oportunidades. El equipo del proyecto puede buscar
explotar las oportunidades, mejorar su probabilidad
de ocurrencia e impacto, compartir el riesgo con
organizaciones que tengan mejores probabilidades
de explotar el riesgo o aceptar el riesgo. (Ej: El
proyecto termine antes de la fecha prevista)
TIPOS DE
RIESGOS Riesgos negativos: Se conocen también como
amenazas. El equipo del proyecto puede buscar
evitar los riesgos, mitigar la probabilidad de
ocurrencia e impacto, transferir el riesgo mediante
el uso de seguros o aceptar el riesgo.
OBJETIVOS

Aumentar la probabilidad y el
impacto de eventos positivos

Disminuir la probabilidad y el
impacto de eventos negativos
 PROCESOS EN LA GESTIÓN DE RIESGOS

• El proceso de analizar numéricamente el efecto combinado de los riesgos

individuales del proyecto identificados y otras fuentes de incertidumbre sobre
los objetivos generales del proyecto.
ÁNÁLISIS CUANTITATIVO DE RIESGOS
 REPRESENTACIONES DE LA
INCERTIDUMBRE
• El análisis cuantitativo de riesgos requiere entradas a un
modelo de análisis cuantitativo de riesgos que refleje los
riesgos individuales del proyecto y otras fuentes de
incertidumbre.
• Cuando la duración, el costo o los recursos necesarios para
una actividad planificada son inciertos, el rango de valores
posibles se puede representar en el modelo como una
distribución de probabilidad. Esta puede tomar diversas
formas. Las más comúnmente utilizadas son
distribuciones triangulares, PERT, normales, log normales,
beta, uniformes o discretas. Se debe tener cuidado al
seleccionar una distribución de probabilidad apropiada a
fin de reflejar el rango de valores posibles para la actividad
planeada.
SIMULACIÓN DE MONTECARLO

• Def. Es una técnica

matemática que usa
números aleatorios y
probabilidad para
entender el impacto de
un riesgo en un modelo
de la realidad.
 ANÁLISIS DE DATOS
SIMULACIÓN DE MONTECARLO
• El análisis cuantitativo de riesgos utiliza un modelo que simula los
efectos combinados de los riesgos individuales del proyecto y otras
fuentes de incertidumbre a fin de evaluar su impacto potencial en la
consecución de los objetivos del proyecto.
 ANÁLISIS DE DATOS
SIMULACIÓN DE MONTECARLO
• Defecto de los promedios
• The Flaw Of Averages de Sam
Savage
• Explica los riesgos que existen de
ignorar la incertidumbre y
variabilidad en el mundo real.
• Licenciado que se ahoga en un río
de 3ft de hondo de un río cuando
en una parte era de 12ft
 SIMULACIÓN DE
MONTECARLO
• Construcción del modelo (lo más importante)
Proyectos de finanzas que contiene información
de ingresos futuros, costos, utilidades, entre
otros.
• Identificar insumos y salidas (Inputs-Outputs)
Variables de decisión: Sobre las que se tiene
pleno control.
Variables aleatorias: Ningún control (Describir
su comportamiento mediante una función de
distribución)
Variables salida: Celdas atadas que contienen
fórmulas
• Correr el riesgo y tomar decisiones. (Análisis
de sensibilidad)
SALIDAS
 EJEMPLO 1

El gerente del proyecto se encuentra preocupado por la

duración de cada una de las actividades que contempla el
proyecto y su duración final, se conoce que su duración
máxima es de 40 días. Por lo que se plantea los siguientes
cuestionamientos:
• ¿Cuál es la probabilidad de terminar el proyecto en 40
días o menos ?
• Con una probabilidad del 90% ¿cuál sería la fecha de
terminación del proyecto ?
 EJEMPLO 1
Por lo que con su equipo de trabajo el gerente del proyecto
decide estimar los tiempos en días de cada una de las
actividades.
Se calcula el tiempo real (Te) de cada actividad mediante el
método PERT con la fórmula que se muestra a continuación y
asignando a cada una de las actividades los siguientes tiempos:
• Tiempo optimista (To)
• Tiempo pesimista (Tp)
• Tiempo más probable (Tm)
 EJEMPLO 1
Se calcula la varianza (Var) de cada actividad mediante la
ecuación mostrada y se obtienen los siguientes datos:

VARIANZA: Representa la variabilidad de

una serie de datos respecto a su media.
 EJEMPLO 1
Para calcular el tiempo total del proyecto lo hacemos con el
método de la ruta crítica (secuencia de actividades que suman a
la duración total del proyecto en el plazo más corto posible)

El tiempo real del proyecto es de TE = 36.33 días

La varianza de la ruta crítica es de Var(T) = 5.22
 EJEMPLO 1
Para calcular la probabilidad de terminar el proyecto en 40
días o menos se usan las siguientes fórmulas que son la
desviación estándar del total del proyecto y el numero z :
• Desviación estándar : indica qué tan
dispersos están los datos con respecto a
la media.

• Numero Z: se interpreta como

el número de desviaciones estándar que
están comprendidas entre el promedio
y un cierto valor de variable x.

La probabilidad que el tiempo sea menor o igual a 40 días es lo

mismo que decir la probabilidad que z sea menor o igual a 1.60
P(T<40) = P(z<1.60)
P = 0.9452 = 94.52%
• https://world-class-
manufacturing.com/es/S
igma/z.html

• https://jrvargas.files.wor
dpress.com/2010/07/tabl
a-z.pdf
 EJEMPLO 1
Para calcular la fecha de terminación del proyecto con una
probabilidad del 90% debemos usar la siguiente formula:

La fecha de terminación para una probabilidad de 90% es

de 39,26 días.
 EJEMPLO 2 (ECOPETROL)
• Situación Real
• Estudio del año 1994
• Capacidad del sistema para el año 1998
• Se aprobó el proyecto Poliducto de Oriente. (1995)
• Actualmente, el poliducto está terminado y la demanda de Bogotá y su área
de influencia es de 61,5 KBDC (Miles de Barriles Diarios), lo cual es bastante
inferior al pronóstico realizado en el año 1994.
• No obstante, a pesar de que la demanda actual se puede atender por el
sistema Puerto Salgar - Mansilla, ECOPETROL tiene un justificado interés en
encontrar la mejor forma de utilizar la nueva infraestructura y en identificar
la mejor alternativa de operación del sistema de poliductos en términos
económicos y estratégicos.
 POLIDUCTO

SOFTWARE @RISK HTTPS://WWW.PALISADE.COM/

VARIABLES DEL PROBLEMA
 ECOPETROL

• Se encontraron 44 alternativas, las cuales se clasificaron en 3 familias y se

escogió la mejor de cada una, donde:
1. Utilizar el sistema actual (Puerto Salgar – Mansilla) sin hacerle ninguna
modificación. Al mismo tiempo, arrendar el Poliducto de Oriente durante los
próximos 10 años para el transporte de gas.
2. Utilizar el sistema actual, sin ninguna modificación, conjuntamente con el
Poliducto de Oriente.
3. Utilizar el sistema actual, eliminando algunas estaciones, conjuntamente
con el Poliducto de Oriente.
 MODELO DETERMINÍSTICO

• ¿Qué pasa si? (Análisis de sensibilidad)

VPN Escenario 1 Escenario 2 Escenario 3 Escenario 4

Alternativa 1 $ 214.886.723 $ 220.970.988 $ 214.477.846 $ 262.883.995
Alternativa 2 $ 214.524.583 $ 218.280.500 $ 214.238.369 $ 278.779.901
Alternativa 3 $ 197.532.830 $ 200.913.155 $ 197.275.237 $ 261.816.770
 MODELO PROBABILÍSTICO
• Fuentes de Riesgo: Tasa de crecimiento para la demanda y el hurto.
• Para tener en cuenta el comportamiento aleatorio de la demanda y el hurto
de combustible, ECOPETROL definió el siguiente escenario probabilístico:
• Demanda y hurto: partiendo del escenario pronosticado por ECOPETROL,
se debe modelar la variación en el crecimiento anual como una variable
aleatoria normal con media igual al valor del crecimiento correspondiente al
escenario de ECOPETROL y desviación estándar del 1%.
 ANÁLISIS

• Mínimo y máximo
• Junta Directiva: Porcentaje de confiabilidad
• ¿Qué es lo que quiere la junta directiva?
• Media: Promedio o Valor esperad
• Mediana: El 50% de iteraciones estuvieron por debajo de…
• Desviación estándar: Qué tan riesgoso es la alternativa, menor = mejor.
• NO TODOS LOS RIESGOS SON NEGATIVOS.
• Asimetría: Costos y utilidad
• Curtosis: Distribución Normal es 3
 CONCLUSIONES
• Facilita el análisis de la información para la toma de decisiones.
• Herramienta y técnica costosa para proyectos pequeños.
• Reduce la incertidumbre.
• Planifica respuesta a riesgos. (Actualización PGR)
• Control de costos y cronogramas.
• Ruta crítica.
 BIBLIOGRAFÍA
Mendez, A. (2020, 28 marzo). Gestión del tiempo del proyecto: probabilidad de terminar en el
plazo. Plan de Mejora. https://www.plandemejora.com/gestion-del-tiempo-del-proyecto-
probabilidades/
Mendez, A. (2020b, octubre 21). Cómo calcular la ruta crítica de un proyecto paso a paso +
Ejemplos. Plan de Mejora. https://www.plandemejora.com/como-calcular-la-ruta-critica/
S. (2018, 10 julio). Origen de la distribución normal (su historia). Caletec.
https://www.caletec.com/6sigma/origen-de-la-distribucion-normal-su-historia/
David Chigne. (2018, 1 mayo). Modelos de Simulacion en Gestión de Proyectos - Uso de
Montecarlo. YouTube. https://www.youtube.com/watch?v=AF6mF0GB5eo
Garriga, A. (2020, 16 noviembre). Método de Montecarlo en proyectos. Recusos en project
management. https://www.recursosenprojectmanagement.com/metodo-de-montecarlo/
Tecnología Binaria; (2017, 15 agosto). GESTIÓN De RIESGOS De Un PROYECTO Según La
GUÍA PMBOK(LINK de DESCARGA). YouTube. https://www.youtube.com/watch?v=3e43NkISH-
k
dataminingincae. (2016, 16 abril). Tutorial Simulacion de Monte Carlo: Introduccion. YouTube.
https://www.youtube.com/watch?v=PH6q9D8iy2E
Material de Apoyo, Ing. Diego Beltrán Barragán, Msc. Gerencia y Desarrollo Integral de Proyectos,
2021.
¿PREGUNTAS?