Distribución Lognormal

Descripción
– Utilizada cuando los valores
están positivamente
sesgados
– No permite valores negativos
en sus resultados
– Esta distribución ocurre
cuando el logaritmo de los
datos se distribuye de forma
Normal.
Variables de entrada
Ejemplos • Media
• Desviación estándar
– Precios de acciones • Min, max & shift (desplazamiento) (opcional)
– Valores de bienes inmobiliarios
– Análisis de fallas
– Tasas de interés
1
 Distribución Triangular
Descripción
– Utilizada cuando se conocen los
valores mínimo, máximo y más
probable
– Utilizadas cuando los límites
superior e inferior se encuentran
a igual distancia respecto del
resultado esperado
– Es fácil de calcular y de generar,
pero posee una limitada Parámetros de entrada
• Valor más probable (moda)
capacidad para modelar con • Valores máximo y mínimo
precisión estimaciones de la • Shift (desplazamiento) (opcional)
vida real.
Ejemplos
– Precio de productos
– Costos de manufactura
Acerca de los percentiles …
Percentiles
• Un percentil es un número por debajo del cual se tiene un
porcentaje de casos posibles en una distribución (Ej: P10, P85)
 Distribución PERT
Descripción
– Alternativa a la Triangular
– Los mismos 3 parámetros, pero
utiliza curvas suavizadas para no
enfatizar tanto las colas.
– Provee de un valor “más
probable” en vez de enfocarse
hacia los valores extremos
– Describe el impacto de los
eventos extremos de una manera Parámetros de entrada
más realista • Valor más probable (moda)
• Valores máximo y mínimo
Ejemplos • Shift (desplazamiento) (opcional)
– Precios de producto
– Costos de manufactura
– Volumen de ventas
– Precios de materias primas
4
 Distribución Triangular vs. PERT
Comparación PERT
– Refleja mejor las distribuciones de
probabilidad de la vida real

– Provee de un ajuste cercano a una

distribución normal o lognormal – sin
conocer los valores precisos.

– Igual que la Triangular, enfatiza el valor

más probable por sobre los estimados
máximo y mínimo

– A diferencia de la Triangular, provee de Elementos clave

una curva suave que enfatiza
progresivamente los valores cercanos al
valor más probable en contraposición con
los valores hacia los extremos
– Se puede confiar en el valor del estimado
del valor más probable. Aún cuando no
sea exactamente preciso, será muy
cercano
•Las distribuciones triangulares están bien
para datos simétricos
•PERT describe más precisamente
distribuciones normales
•Utilice la PERT preferentemente al conocer el
min, max y el valor más probable

5
 Exponencial & Gamma
◼ Exponencial = tiempo de espera hasta que un
evento ocurra para una distribución Poisson

◼ Gamma = tiempo de espera hasta que n eventos

ocurran para una distribución Poisson

◼ Exponencial también es usada para modelar:

• (Radioactivo) procesos de putrefacción
• Eventos de severidad (similar a Pareto)

6
 Distribución Weibull
◼α = parámetro shape, o tasa de falla
◼ También llamada k
• Si las fallas disminuyen en tiempo α < 1,
los defectos aparecen “temprano”
• Si las fallas aumentan α >1, componentes
“desgastados”
• α = 1, entonces es Exponencial
• α = 3, entonces es fundamentalmente
Normal
• Usos
• Estudios de Ingeniería y fiabilidad
• Vida de un componente, modelo de fallas
• Manufactura y entrega

7
Distribution Reference Card
Uniform
◼ Min & max son fijos
◼ Todos los valores tienen la misma
probabilidad de ocurrencia
◼ Ejemplo: un agujero en un
oleoducto
Normal
◼ El valor medio más probable es
simétrico con respecto al promedio
de fenómenos naturales
◼ Ejemplos: Altura de las personas,
inflación
PERT
◼ Min & max son fijos
◼ Valor más probable
◼ Cuando usted conoce el min, max y
el valor más probable.
◼ Ejemplos: Ventas estimadas,
inventario, costos de
comercialización
8
Lognormal
◼ El límite superior es ilimitado pero
los valores no pueden estar por
abajo de 0
◼ Sesgo Positivo
◼ Ejemplo:Pronóstico de precios
futuros, donde las tasas de
crecimiento anual son aleatorios
(bienes raíces, precios de las
acciones)
Binomial
◼ Para cada trial, solo 2 resultados son
posibles; usualmente éxito o
fracaso.
◼ Los Trials son independientes y
tienen la misma probabilidad.
◼ Ejemplo: número de caras en 10
lanzamientos de una moneda
Discrete
◼ Muestras randómicas de la lista de
enteros y usarlos en las funciones
de búsqueda de excel
◼ =RiskDiscrete({1,2,3,4}, {2,5,90,3})
(90% oportunidad para el número 3)
Distribuciones Definidas por el Usuario
Distribution Fit
Posibles Entradas
• Raw data sets
Descripción • Multiples funciones @Risk
– Cuando la información histórica está
disponible, pero el grupo de datos no
puede ser adecuadamente “llenado” para
alguna función de distribución
– Representa situaciones únicas que no
pueden ser descritas usando otros tipos
de distribución
– Puede usar series de valores únicos,
rangos discretos o rangos continuos
Ejemplos
– Reacciones de competición de precios
– Funciones de paso
– Rangos variados o discontinuos