CURSO: ANALISIS ESTADISTICO DE RIESGOS

Transcripción

1 MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: Fax: Mail:

2 1. Introducción Seguramente UD ha escuchado hablar del Riesgo, la Toma de Decisiones, La Incertidumbre, Las Consecuencias y palabras por el estilo que están reflejando la naturaleza aleatoria de un problema de decisiones complejo para el cual necesita conocer y valorar la información disponible para que sus decisiones sean lo mas acertada posible. Lamentablemente no existen las Decisiones Perfectas sino por el contrario, dado la naturaleza aleatoria de la mayoría de las decisiones, siempre existirá un riesgo implícito, que para muchos puede ser limitante, esto es producir una especie de parálisis decisoria que lo obligaría a asumir el mínimo riesgo, reflejando una aversión al riesgo. Por el contrario, existe otro grupo de personas para las cuales existe un nivel de riesgo aceptable para el cual puede tomarse una decisión, reflejando un criterio moderado en las decisiones. Por ultimo, existe también un grupo que corre grandes riesgos en sus decisiones, pero también obtienen grandes beneficios y/o pérdidas, pero son aquellos audaces para los cuales el alto nivel de riesgo existente es motivo suficiente para correrlo o tomarlos. En este curso intentamos presentarle el concepto de riesgo, como debe ser clasificado, que tipo de información necesita para poderlo evaluar desde todo punto de vista, económico, personal, empresario, industrial y otros. Con ayuda de las probabilidades y los modelos de distribución de probabilidades, le enseñaremos como poder evaluar los beneficios y consecuencias de un problema de decisiones afectado por una gran componente de riesgo y con numerosas alternativas. Por ultimo le presentaremos un conjunto de herramientas para que UD. pueda en lo futuro cuantificar su riesgo conociendo todas las alternativas y sus consecuencias a través de un conjunto de técnicas basadas en las probabilidades de ocurrencias, los árboles de decisiones y por ultimo la simulación mediante la técnica de MonteCarlo de tan amplia aplicación en el mundo del análisis de riesgos. También presentaremos un conjunto de ejemplos adaptados a diferentes entornos de trabajo, desde el riesgo financiero, pasando por la evaluación de proyectos hasta el análisis de riesgos industriales. No dudamos que este curso le brindara nuevos enfoque a sus tratamientos de las decisiones, permitiéndole conocer mucho más que el simple criterio cualitativo con el que tal vez actualmente encara sus decisiones. 2. Objetivo Introducir a los participantes a conocer la importancia de medir y estimar el riesgo que se debe asumir en una toma de decisiones de complejidad mediana y/o grande para la cual no tenemos toda la información para adoptar la menor decisión, por ello el conocer las técnicas de análisis del riesgo en cualquier nivel es una tarea por demás riesgosa Página 2 de 7

3 3. Alcances Este curso esta orientado a presentar el riesgo como concepto general, su clasificación, importancia y el impacto de su implementación. Se presentan las técnicas de análisis del riesgo, sus diferentes modalidades utilizando probabilidades de ocurrencia y el caso mas general utilizando técnicas de simulación numérica. Este curso no esta orientado a ningún mercado vertical en particular y a todos ellos en general. 4. A Quien Esta Dirigido? A toda persona que a diario debe tomar decisiones cuya aleatoriedad le puede hacer incurrir en grandes equivocaciones o aciertos. En general este curso esta destinado a Directores Financieros, Gerentes de Producción, Inversores, CEO s y toda persona interesada en conocer los riesgos de una decisión. 5. Conocimientos Previos Dado la naturaleza aleatoria del riesgo, es imprescindible tener conocimientos al menos básicos de estadística y el uso de planillas electrónicas tipo Excel. 6. Duración del Curso El curso esta preparado para ser impartido en 20 horas, las cuales pueden ser desarrolladas en cinco (5) días de 4 horas cada una o en forma intensiva en una reunión de dos (2) días de duración. A pedido se podrá tomar un examen de conocimientos. Se entregaran certificados de Asistencia a los participantes. 7. Contenido / Programa Resumido Tema 1: Introducción a Estadística Descriptiva. Medidas de Tendencia Central. Medidas de Posición y Medidas de Dispersión. Conceptos de Variabilidad. Presentación de información gráfica. Histogramas y Ojivas. Tema 2: Introducción al Concepto de Riesgo Probabilistico. Dependencia e Independencia estadística. Cálculos de Probabilidades Conjuntas y Condicionales. Variables Aleatorias. Toma de Decisiones bajo Riesgo. Criterio de Bayes. Valor de Utilidad Monetaria y Aversión al Riesgo. Tema 3: Introducción al análisis A Priori y A Posteriori de las Decisiones. Concepto de Pronosticador Perfecto. Criterios Bayesianos. Introducción a los Arboles de Decisiones. Valor de la información Muestral y Experimental Tema 4: Modelos de distribución de Probabilidades. Variables Aleatorias Discretas y Continuas. Modelos conocidos: Poisson, Binomial, Hipergeometrico, Normal, Exponencial, Weibull, Log Normal, y otros. Tema 5: Conceptos de Intervalos de Confianza y Pruebas de Hipótesis. Conceptos de Errores Estadísticos. Distribución T de Sudent y Chi Cuadrado en Prueba de Hipótesis para sistemas de 1 y dos colas. Tema 6: Introducción al concepto de Correlación y Regresión. Diferencias. Coeficiente de Correlación y Determinación. Regresión Lineal, Multilineal y No Página 3 de 7

4 Lineal. Conceptos de Covarianza y Correlación. Introducción a las Series de Tiempo y Pronósticos. Tema 7: Introduccion a la simulación estocástica. Conceptos del método Montecarlo de simulación. Importancia de números aleatorios. Concepto de Función de Transferencia y sus variables relacionadas. Areas de aplicación de la simulación Montecarlo. Desarrollo de modelos simples sobre situaciones conocidas. Página 4 de 7

5 8. Programa Detallado Clase 1: Introducción a la Estadística Descriptiva o Conceptos de Frecuencia, Frecuencia Relativa y Acumulada o Construcción de Histogramas o Construcción de Ojivas de Frecuencias o Medidas de Posición o Medidas de Dispersión o Medidas de Asimetría y Curtósis Clase 2: Introducción al Cálculo de Probabilidades Introducción al Concepto de Riesgo Probabilistico El concepto de Probabilidad y sus componentes Formas de Medir y Calcular Probabilidades o Método Clásico o Método de Frecuencia Relativa o Método Subjetivo Conceptos de Dependencia e Independencia Estadísticas Reglas para Cálculos de Probabilidades (+,-,*,/) Conceptos de Probabilidades Condicionales (Reglas de Bayes) Cálculos de Promedios y Dispersiones en Probabilidades Clase 3: Introducción a la Toma de Decisiones Bajo Riesgo Criterio de Decisión de Razón Insuficiente Criterio de Decisión del Valor Monetario Esperado Criterio de Decisión de Perdida de Oportunidad Esperada Evaluación Subjetiva de Consecuencias Monetarias Concepto de Utilidad y/o Pérdida Monetaria Construcción de Curvas de Utilidad Conceptos de Aprensión y Aversión al Riesgo Introducción a los árboles de Decisiones Concepto y Calculo del Valor Esperado de Información Perfecta Clase 4: Análisis A Posteriori de las Decisiones Introducción al análisis A Priori y A Posteriori Obtención de probabilidades A Posteriori Criterio de Decisión Bayesiano Conceptos y Cálculos de Probabilidades Conjuntas Regla de Bayes para Probabilidades Condicionales Calculo del Valor Esperado A Posteriori de la Información Perfecta Concepto de Pronosticador Perfecto Introducción al Análisis Pre A Posteriori de las Decisiones Construcción de Arboles de Decisiones Calculo del Valor Esperado de la Información Muestral Calculo del Valor Esperado de la Información Experimental Página 5 de 7

6 Clase 5: Modelos de Distribución de Probabilidades Conceptos de Variables Aleatorias Diferencias entre Variables Discretas y Continuas Modelos con Variables Aleatorias Discretas Distribución Binomial Distribución de Poisson Distribución Hipergeométrica Modelos con Variables Aleatorias Continuas Distribución Uniforme Distribución Exponencial Distribución Normal Clase 6: Otras Distribuciones Frecuentes Distribución WeIbull Distribución Gamma Distribución Beta Distribución Log-Normal Distribución Logística Distribución Erlang Distribución Beta-Pert Clase 7: Modelos de Bondad de Ajustes Conceptos de Bondad de Ajuste Selección de métodos de bondad de ajuste Como medir la bondad de ajuste Análisis de conjuntos de datos Análisis de matrices de datos Comparación entre distintos ajustes Clase 8: Estadística Inferencial, Intervalos de Confianza Intervalos de Confianza o Estimación Puntual y de Intervalos o Distribución Muestral de Medias o Concepto de Error Estándar de Media y Error Probable o Intervalos de Confianza utilizando Distribución Normal o La Distribución T de Student y los Intervalos de Confianza o Determinación del Tamaño de Muestra o Estimación de Parámetros de Población o Intervalos de Confianza Para Diferencias de Medias Página 6 de 7

7 o Utilización de la Distribución Normal, T de Student o La Distribución Chi Cuadrada y Los Intervalos de Confianza de la Varianza y Desviación Estándar o Análisis para uno y dos extremos (colas) o Intervalos de Confianza para Proporciones de una Población o Resolución de casos de aplicación Clase 9: Estadística Inferencial, Test o Prueba de Hipótesis o Concepto de estadístico de Prueba de hipótesis o Interpretación del Nivel de Significancia o Prueba de Hipótesis utilizando la Distribución Normal o Errores de Tipo I y II en Prueba de Hipótesis o Prueba de Hipótesis utilizando la Distribución T de Student o Prueba de Hipótesis Nula en Medias Poblacionales o Pruebas de Hipótesis de uno y dos extremos (colas) o Prueba de Diferencias entre dos Medias usando Distribución Normal y T de Student o Importancia del poder de una Prueba de Hipótesis o Diferencia de Medias en Muestras Apareadas o Prueba de Hipótesis de Proporciones Poblacionales, uso de la Distribución Normal, T de Student y Chi Cuadrada. o Concepto de Valores Probables o Resolución de casos de aplicación Clase 10: Análisis de Regresión y Correlación o Modelos de Regresión Lineal y No Lineal o Modelos de Regresión Múltiple o Concepto de Coeficiente de Correlación y Determinación o Intervalos de Confianza de la Regresión o Modelos de Regresión No Lineal o Análisis de Covarianzas y Correlaciones o Introducción a Pronósticos y Series de Tiempo o Modelos utilizados en ambientes financieros y productivos o Resolución de casos de aplicación Clase 11: Introducción a la Simulación Estocástica o Importancia de los Números Aleatorios en simulación o Componentes Principales de la Técnica MonteCarlo o Concepto de Función de Transferencia y Variables Asociadas o Descripción General del Método de Simulación Montecarlo o Areas de Aplicación de la Técnica Montecarlo o Desarrollo de ejemplos sobre Situaciones Conocidas Aplicaciones Desarrolladas con Excel, Minitab y Crystalball Página 7 de 7