El riesgo en los proyectos
|
|
- Gabriel Hernández Castillo
- hace 5 años
- Vistas:
Transcripción
1 El riesgo en los proyectos por Gabriel Pruneda El riesgo de un proyecto se define como la posibilidad de tener diferencias o bien, variabilidad, entre los flujos de cajas reales respecto a los flujos estimados. Cuanto más grande sea esta variabilidad, mayor es el riesgo del proyecto. También podemos definir al riesgo como una situación donde la información es de naturaleza aleatoria o incierta, en la que cada conjunto de resultados posibles tiene asignada una probabilidad. Si los posibles resultados de una proyección no son conocidos y, en consecuencia, sus probabilidades de ocurrencia no son cuantificables, entonces se dice que hay incertidumbre. La incertidumbre se puede derivar de información incompleta, de exceso de datos, o de información inexacta, sesgada o falsa (Trapote, El riesgo). La incertidumbre de un proyecto crece en el tiempo, porque entre más lejos esté la proyección del tiempo presente, más incertidumbre hay de que las cosas sucedan como se esperan. Además, entre más variables se tengan, mayor será la incertidumbre. Es importante mencionar que todos los métodos de simulación son un guía que nos ayudará a minimizar el riesgo al tomar la decisión final sobre la viabilidad de un proyecto. Sin embargo, existen muchas variables que no podemos controlar y por lo tanto que pueden modificar los resultados esperados. Por otra parte, los cambios en el medio económico externo anulan la experiencia adquirida en otros proyectos, ya que el medio es diferente para cada proyecto nuevo, y contiene un sinfín de combinaciones, tanto de factores internos ó directos, es decir, los que tienen que ver con el proyecto, y factores externos, como la economía mundial. 1
2 Modelo de simulación de Monte Carlo El modelo de Monte Carlo ó método de ensayos estadísticos, es una herramienta de simulación de situaciones que permite definir valores esperados para variables no controlables, mediante la selección aleatoria de valores Hoy es posible encontrar diferentes programas de cómputo como Crystal Ball, SimulAr y EasyPlanEx que permiten aplicar el modelo de Monte Carlo. Estos programas asignan a determinadas variables un comportamiento aleatorio por medio de una distribución de probabilidades a seleccionar, como distribución normal, uniforme, beta, gamma, exponencial o pareto. De tal modo que el programa selecciona un valor aleatorio al azar para cada variable, permitiendo generar los valores presentes netos para cada una de las interacciones. Generalmente, presentan un resumen gráfico con los resultados de la simulación. Además de la información estadística, indican el porcentaje de escenarios en que el VPN es igual o superior a cero. Es importante detectar las variables relevantes, de las cuales queremos determinar el comportamiento, ya que a éstas les aplicaremos el método. Pueden ser las ventas en unidades, la demanda o el costo variable unitario, que son determinantes para el cálculo del VPN. Se debe realizar una distribución de probabilidades mediante la aplicación de pruebas aleatorias para las variables relevantes. El análisis de la distribución de probabilidades acumuladas permite determinar la probabilidad de que la demanda del proyecto se encuentre bajo un determinado valor. Por ejemplo, si una de las variables inciertas relevantes fuese las ventas, debe aplicarse la simulación para estimar su comportamiento en el futuro. Supóngase que estudios realizados muestran que las ventas esperadas para un determinado proyecto tienen la siguiente distribución de probabilidades: Ventas Probabilidad % % % % % % 2
3 Ahora, se debe encontrar la distribución de probabilidades acumulada y la asignación de 100 números (de 0 a 99) para cada estimación probabilística, según la probabilidad acumulada de cada estimación. Como se muestra a continuación: Ventas Distribución de probabilidades Probabilidad acumulada Asignación Números representativos % 10 % % 35 % % 70 % % 85 % % 95 % % 100 % Para la asignación de los números representativos debemos considerar una cantidad de números igual al porcentaje de la distribución de probabilidades. De tal manera que si tiene 10% le tocarán 10 números (10% x 100) o si tiene un 25% le tocarán 25 números (25% x 100) de la probabilidad acumulada. Como el rango de números a asignar comienza en cero, a la primera distribución le tocarán del 0 a 9, para que sumen los diez números que le tocan, a la segunda distribución le tocarán del 10 al 34, para que sumen los 25 números que le tocan, y así sucesivamente hasta completar los 100 números con la última distribución, a la cual le tocan del 95 al 99. El siguiente paso es generar números aleatorios. Para ello, puedes usar tablas de números aleatorios se encuentran encontrar en libros de finanzas o internet. También puedes generarlos con la función de Excel =ALEATORIO(). Es importante tomar en cuenta los números aleatorios generados con la función de Excel entre 0 y 1, porque tendremos un número decimal que debe multiplicarse por cien para poder obtener el número aleatorio entre 0 y 99 que se está buscando. Entonces, si el primer número aleatorio fuera 93, las ventas esperadas serian de 400, si el siguiente número aleatorio fuera 39, las ventas esperadas serían de 300, y así sucesivamente. Para generar números aleatorios en Excel es necesario introducir la formula =ALEATORIO() de la siguiente manera: Excel arrojará un valor aleatorio como el que se muestra a continuación: Cada vez que se requiera generar un valor aleatorio nuevo, bastará presionar la tecla F9 y se renovará el valor aleatorio 3
4 Este proceso se realiza para todas aquellas variables que son necesarias para obtener el flujo de efectivo en diferentes escenarios. Para cada flujo aleatorio se obtiene un VPN y con estos datos se calcula el VPN esperado, la desviación estándar y el coeficiente de variación para medir el riesgo, como se estudió en el módulo anterior. Para efectos prácticos, supongamos que tenemos solo dos variables básicas: Las ventas en unidades y el costo variable unitario. Las ventas ya las analizamos en las primeras dos tablas de esta lectura, ahora analicemos el costo variable unitario. Supóngase que debido a las buenas relaciones con los proveedores no se espera una variación muy grande en el precio de los suministros. Como se muestra a continuación: Costo Variable Unitario Probabilidad 1, % 1, % 1, % Ahora se debe encontrar la distribución de probabilidades acumulada y la asignación de 100 números para cada estimación probabilística, según la probabilidad acumulada de cada estimación. Como se muestra a continuación: Costo Variable Unitario Distribución de probabilidades Probabilidad acumulada Asignación Números representativos 1, % 15 % , % 80 % , % 20 % Con la distribución de estas dos variables podemos asignar números aleatorios para cada variable y generar un flujo de efectivo según los datos obtenidos. Supóngase que en la primera corrida genera un número aleatorio 87, para el nivel de ventas, dando por resultado seleccionar un nivel de ventas de 400 unidades y otro número aleatorio para el costo variable de 13, entonces tiene que elegirse un costo variable de 1,100 pesos por unidad. Adicionalmente, sabemos que la información complementaria del proyecto es: Precio 2,000 Costos Fijos Desembolsables 112,000 Valor del Activo 200,000 Depreciación 25% Periodo de Análisis 4 años Valor de Rescate 50,000 Tasa de Impuestos 30% TREMA 18% 4
5 Adicionamos los dos datos obtenidos de la simulación : Ventas (unidades) 400 Costo Variable Unitario 1,100 Después, generamos el Flujo de Efectivo y obtenemos el VPN Ingresos 800, , , ,000 Gatos Desem. Fijos - 112, , , ,000 Gatos Desem. Var , , , ,000 Depreciación - 50,000-50,000-50,000-50,000 Utilidad antes de Imp. 198, , , ,000 Imp. - 59,400-59,400-59,400-59,400 Utilidad Neta 138, , , ,600 Depreciación 50,000 50,000 50,000 50,000 Inversión -200,000 Valor Rescate Neto 35,000 Flujo Neto Corrient. -200, , , , ,600 VPN 325, Ahora, supóngase que la segunda corrida genera un número aleatorio 8, para el nivel de ventas, dando por resultado seleccionar un nivel de ventas de 200 unidades y otro número aleatorio para el costo variable de 67 Entonces, se tiene que seleccionar un costo variable de 1,250 pesos por unidad. Nuevamente generamos el flujo de efectivo y el cálculo del VPN obteniendo lo siguiente: 5
6 Ingresos 400, , , ,000 Gatos Desem. Fijos -112, , , ,000 Gatos Desem. Var. -250, , , ,000 Depreciación -50,000-50,000-50,000-50,000 Utilidad antes de Imp. -12,000-12,000-12,000-12,000 Imp. 3,600 3,600 3,600 3,600 Utilidad Neta -8,400-8,400-8,400-8,400 Depreciación 50,000 50,000 50,000 50,000 Inversión -200,000 Valor Rescate Neto 35,000 Flujo Neto Corrient. -200,000 41,600 41,600 41,600 76,600 VPN -70, Realizando un análisis de los resultados podemos observar que en la primera corrida el VPN es positivo y en la segunda corrida el VPN es negativo. Entonces la idea es realizar muchas corridas, aproximadamente unas 1,000 veces, a fin de tener más información sobre los posibles resultados. Con los resultados de todas las corridas es posible calcular el VPN esperado, su desviación estándar y el coeficiente de variación. Para obtener el VPN esperado hay que obtener el promedio de todos los VPN (se puede utilizar la función de Excel =PROMEDIO (rango de celdas de los VPN). Para conseguir la desviación estándar se puede utilizar la función de Excel =DESVEST(rango de celdas de los VPN ). Y para el coeficiente de varianza hay que dividir la desviación estándar entre VPN esperado. Siguiendo el ejemplo, supongamos que después de 1,000 corridas, obtenemos que el VPN esperado, de 15,240, con una desviación estándar de 25,453. Por lo tanto, su coeficiente de variación es de Es importante enfatizar que los paquetes cómputo que realizan la simulación de Monte Carlo manejan muchas variables y elaboran escenarios simplificando la aplicación de este método. 6
Oracle Crystal Ball Simulación Monte Carlo
Oracle Crystal Ball 11.1 - Simulación Monte Carlo Por Francisco Riccio Introducción Oracle Crystal Ball es un conjunto de programas basados en la aplicación de modelos predictivos, previsión, simulación
Más detallesCAPÍTULO 8 SIMULACIÓN DE ESCENARIOS
CAPÍTULO 8 SIMULACIÓN DE ESCENARIOS Simulación es el proceso de diseñar y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propósito de entender
Más detallesEL RIESGO Y LA INCERTIDUMBRE
INTRODUCCIÓN Nos enfrentamos ante una situación de riesgo e incertidumbre cuando nuestras proyecciones realizadas en el flujo de caja son inciertas, con lo cual se corre el peligro de que si las condiciones
Más detallesFormulación y Evaluación de Proyectos de Inversión
Formulación y Evaluación de Proyectos de Inversión FORMULACIÓN Y EVALUACIÓN DE PROYECTOS DE INVERSIÓN 1 Sesión No. 12 Nombre: Evaluación de proyecto. Segunda parte. Contextualización En la última sesión
Más detallesMETODOS Se puede hacer uso de dos métodos, uno determinístico y otro aleatorio.
Lectura Nivel II MEDICION DE RIESGOS Y EVALUACION DE PROYECTOS INTRODUCCION La estimación de estados futuros de variables de decisión, por ejemplo, inversión, egresos de operación, ventas, y otros, cuentan
Más detallesQue es Crystal Ball?
Francisco Parodi Que es Crystal Ball? Crystal Ball está Orientado hacia el manejo y administración de riesgo. Dirigido hacia personas vinculadas a procesos de decisiones sujetos a incertidumbre. Dirigido
Más detallesAYUDANTÍA 2: RIESGO EN PROYECTOS
AYUDANTÍA 2: RIESGO EN PROYECTOS ICC2302 INGENIERÍA DE CONSTRUCCIÓN 1 2008 TEMARIO Estimación de Costos de Proyectos Estimación Preliminar Estimación Conceptual Estimación Detallada Estimación Definitiva
Más detallesTEORÍA DE PORTAFOLIOS
TEORÍA DE PORTAFOLIOS Jorge Fregoso Lara 1. Introducción La mayoría de los instrumentos financieros tienen rendimientos inciertos, por lo que son activos riesgosos. El principal problema que enfrenta un
Más detallesFLUJOS DE EFECTIVO 1
FLUJOS DE EFECTIVO 1 IMPORTANCIA Un elemento básico para el análisis de una decisión de inversión lo consftuyen los flujos de efecfvo que se espera sean generados por el proyecto. Un proyecto debe de generar
Más detallesEvaluación económica de proyectos de inversión utilizando simulación
Jiménez Boulanger, Francisco. Evaluación económica de proyectos de inversión utilizando simulación Tecnología en Marcha. Vol. 19-1. Evaluación económica de proyectos de inversión utilizando simulación
Más detallesEstadística I Guión de la Práctica 2 Probabilidad y modelos probabilísticos; Introducción a la inferencia estadística
Estadística I Guión de la Práctica Probabilidad y modelos probabilísticos; Introducción a la inferencia estadística 1. Simulación de las variables aleatorias En Excel podemos simular valores de variables
Más detallesMODULO VIII. Semana 1 ASPECTOS DE EVALUACIÓN FINANCIERA, ECONÓMICA, SOCIAL Y AMBIENTAL.
MODULO VIII Semana 1 ASPECTOS DE EVALUACIÓN FINANCIERA, ECONÓMICA, SOCIAL Y AMBIENTAL Esquema de Proyecto SNIP INDICE INTRODUCCION I. ASPECTOS GENERALES II. IDENTIFICACION III. FORMULACION IV. EVALUACION
Más detallesEstadística y Decisiones
Estadística y Decisiones UDLA Agosto 2015 Expositor: Eduardo Herrera eduardo@cydhem.com Propósito El principal propósito de utilizar métodos estadísticos es asistir la toma de decisiones bajo incertidumbre
Más detallesESTADISTICA AVANZADA. Sesión D6/m2 Introducción DOE
ESTADISTICA AVANZADA Sesión D6/m2 Introducción DOE DOE - Definiciones Básicas Experimento Es un cambio en las condiciones de operación de un sistema o proceso, que se hace con el objetivo de medir el efecto
Más detallesMÉTODO DE MONTE CARLO MÉTODO DE BOOTSTRAP HEINZ ROQUE
Programa de Capacitación y Actualización de las Mejores Prácticas en Materia de Asociaciones Público Privadas MÉTODO DE MONTE CARLO MÉTODO DE BOOTSTRAP HEINZ ROQUE MÉXICO DF, MÉXICO, OCTUBRE, 2013 ÍNDICE
Más detallesMICROSOFT EXCEL PARA DIRECCIÓN FINANCIERA I. 1. Resolución de problemas de simulación de Montecarlo mediante el uso de la hoja de cálculo.
MICROSOFT EXCEL PARA DIRECCIÓN FINANCIERA I. 1. Resolución de problemas de simulación de Montecarlo mediante el uso de la hoja de cálculo. Mediante el modelo de Hertz o Simulación de Montecarlo, trataremos
Más detallesIntroducción a riesgo e incertidumbre
Introducción a riesgo e incertidumbre Dos Conceptos: Riesgo:» Información de naturaleza aleatórea, las probabilidades de ocurrencia de eventos son conocidas. Incertidumbre:» Las probabilidades de ocurrencia
Más detallesAnexo 4. Gráficas para cada periodo del proyecto - Reporte CrystalBall
Prefs ejecución: Número de pruebas ejecutadas 1.000 Velocidad extrema Monte Carlo Inicialización aleatoria Control de precisión activado Nivel de confianza 95,00% Estadísticas de ejecución: Tiempo de ejecución
Más detallesFINANCIEROS MODELOS. Programa de la Materia FINANCIEROS 05/08/2013. Daniel Semyraz. Unidad 3 ADMINISTRACIÓN DEL RIESGO
Daniel Semyraz Licenciado en Economía - Magíster en Dirección de Empresas Bea tri z Ga l i nd o 1817 - Bº Va l l e d el C erro - X5009KMG C órd ob a T.E.: ++54 +351 4823040 / ++54 +9351 (15)6603185 - e-mail:
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesModelos de PERT/CPM: Probabilístico
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 La distribución de tiempo que supone el PERT para una actividad es una distribución
Más detallesCAPÍTULO 7: ESCENARIOS
CAPÍTULO 7: ESCENARIOS Las tres variables consideradas en este modelo son variables de riesgo: el precio de venta, el tiempo de venta y el costo de construcción, pues cambian en el tiempo y son simuladas
Más detallesTEMA VIII. Punto 1. EL RIESGO EN LOS PROYECTOS EL RIESGO EN LOS PROYECTOS. Formulación y Evaluación de Proyectos 17/05/2016. Esp. Jorge A.
TEMA VIII: EVALUACIÓN ECONÓMICA: Y SENSIBILIDAD TEMA VIII. Punto 1. El riesgo en los proyectos: importancia y Prof. Jorge Antonio Fiol Contador Público (UNNE) Lic. en Administración (UNNE) Especialista
Más detallesVariables Aleatorias y Principios de Simulación.
Variables Aleatorias y Principios de Simulación http://humberto-r-alvarez-a.webs.com Conceptos de probabilidad La Teoría de Probabilidad trata fenómenos que pueden ser modelados por experimentos cuyos
Más detallesEvaluación de Proyectos de Inversión
Evaluación de Proyectos de Inversión Tema No. 2 Sesión 4: Métodos de evaluación en proyectos de inversión. Parte II. 2017 2016 Objetivo de la sesión: Al finalizar la sesión, el alumno comprobará el valor
Más detallesEPR Fase 1: Desarrollo de habilidades empresariales
GUIA TALLER 4- HERRAMIENTAS BASICAS DE GESTION FINANCIERA OBJETIVOS: - Identificar los conceptos básicos contables - Conocer cómo se puede medir la rentabilidad del negocio. Fuente de verificación: Lista
Más detallesMANUAL DE USO PROGRAMA SENSIBAR
MANUAL DE USO PROGRAMA SENSIBAR ANALSIS DE SENSIBILIDAD Y SIMULACION DE MONTECARLO JOSE FUENTES VALDES FACEA - UNIVERSIDAD DE CONCEPCION Facultad de Economía Universidad de Concepción 1 SensiBar. ANALSIS
Más detallesPlanificación y análisis del riesgo del proyecto
Planificación y análisis del riesgo del proyecto Dr. Guillermo López Dumrauf UCEMA dumrauf@fibertel.com.ar Previsiones del caso base! " # $% & ' ()* ' &! + $,) -+.)&" ' /* &!& Proyección del flujo de efectivo
Más detallesPREPARACIÓN Y EVALUACIÓN DE PROYECTOS ROLANDO REYES -ROBERTO PINTO Z.
PREPARACIÓN Y EVALUACIÓN DE PROYECTOS ROLANDO REYES -ROBERTO PINTO Z. Tasa de descuento o tasa de costo de capital Representa la rentabilidad mínima que se le exige al proyecto según su riesgo. Si en un
Más detallesSEMINARIO FINANZAS - RIESGO UNIDAD 1 - TOMA DE DECISIONES Y RIESGO SEMANA 2 TEMA TECNICAS DE DECISION EN ESCENARIO DE RIESGO
SEMINARIO FINANZAS - RIESGO UNIDAD 1 - TOMA DE DECISIONES Y RIESGO SEMANA 2 TEMA 2.1 - TECNICAS DE DECISION EN ESCENARIO DE RIESGO Un REPASO: Definición de riesgo en un proyecto *. Recordemos que el riesgo
Más detallesCapítulo 4 La decisión de inversión en condiciones de riesgo e incertidumbre
PARTE I: La decisión de inversión Capítulo 4 La decisión de inversión en condiciones de riesgo e incertidumbre 4.1 Incertidumbre y riesgo en la selección de proyectos de inversión 4.2 Información requerida
Más detallesEJERCICIOS DE SIMULACION MONTECARLO
EJERCICIOS DE SIMULACION MONTECARLO Aplicaciones a los Costos y a las Finanzas 11 de julio de 2008 El analisis de riesgo es el proceso de predecir el resultado de una decision frente a la incertidumbre.
Más detallesEVALUACION. De Riesgo. Julio A. Sarmiento S.
EVALUACION De Riesgo http://www.javeriana.edu.co/cursad/modulo.finanzas Julio A. Sarmiento S. Profesor - investigador Departamento de Administración Pontificia Universidad Javeriana Julio Alejandro Sarmiento
Más detallesModelos de PERT/CPM: Probabilístico
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 Existen proyectos con actividades que tienen tiempos inciertos, es decir,
Más detallesCAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN. En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán
CAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán para realizar un análisis, la obtención del rendimiento esperado
Más detallesVilla Universitaria, febrero, 2014
Universidad de los Andes Núcleo Universitario Rafael Rangel Dpto. de Ciencias Económicas, Administrativas y Contables Área de Finanzas Finanzas II Prof. Angel Alexander Higuerey Gómez Email: finanzas.a2013@gmail.com
Más detallesDISEÑO DE EXPERIMENTOS
DISEÑO DE EXPERIMENTOS Dr. Héctor Escalona hbescalona@yahoo.com hbeb@xanum.uam.mx Diseño de 1. Introducción al diseño de 2. Herramientas de inferencia estadística 3. para la comparación de dos tratamientos
Más detallesEl plan de muestreo. Oscar Federico Nave Herrera Coordinador del Programa de Asesoría Estadística para Investigación -Digi-
El plan de muestreo Oscar Federico Nave Herrera Coordinador del Programa de Asesoría Estadística para Investigación -Digi- Y ahora qué? Cuántas muestras debo tomar? Cuántas veces debo realizar los ensayos?
Más detalles1. Análisis de Sensibilidad
1. Análisis de Sensibilidad Considerando que la evaluación de los proyectos se basa en proyecciones de variables económicas, es lógico pensar que existe un factor de incertidumbre en los indicadores financieros
Más detallesSEC-CONSULT Consultores Financieros EVALUACIÓN FINANCIERA DE PROYECTOS DE INVERSIÓN Instructor: Lic. Jorge Secada
EVALUACIÓN FINANCIERA DE PROYECTOS DE INVERSIÓN Instructor: Lic. Jorge Secada OBJETIVO: Este curso le brindará los conceptos fundamentales para la evaluación financiera de proyectos de inversión bajo escenarios
Más detalles8.1. Sección. Distribución de la media muestral Pearson Prentice Hall. All rights reserved
Sección 8.1 Distribución de la media muestral 2010 Pearson Prentice Hall. All rights reserved Términos importantes variable aleatoria (v.a.) es un número real cuyo valor se determina al azar y mediante
Más detallesAnálisis cuantitativo de los Riesgos del Proyecto con la simulación de Montecarlo. Francisco Malca Cuéllar
Análisis cuantitativo de los Riesgos del Proyecto con la simulación de Montecarlo Francisco Malca Cuéllar Acerca del Autor Francisco Malca Cuéllar es responsable de los proyectos de inversión a nivel nacional
Más detallesEstadística Inferencial. Resúmen
Ofimega - Estadística inferencial - 1 Estadística Inferencial. Resúmen Métodos y técnicas que permiten inducir el comportamiento de una población. Muestreo o selección de la muestra: 1. Aleatorio simple:
Más detallesESTIMACIONES DE INVERSION Y APORTACIONESY VIABILIDAD ECONÓMICA Y FINANCIERA DEL PROYECTO.
ESTIMACIONES DE INVERSION Y APORTACIONESY VIABILIDAD ECONÓMICA Y FINANCIERA DEL PROYECTO. A) La viabilidad económica y financiera del proyecto. Estructura de Inversión Cuadro A3.1 : Montos de Inversión
Más detallesADMINISTRACIÓN FINANCIERA II LIC. CARLOS GERSON REVOLORIO CORADO
ADMINISTRACIÓN FINANCIERA II LIC. CARLOS GERSON REVOLORIO CORADO TERCERA UNIDAD: PRESUPUESTO DE CAPITAL Y DECISIONES DE INVERSIÓN A LARGO PLAZO 1. Administración de Activos Fijos. 1.1 La Amortización y
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES
TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE INGENIERÍA ECONÓMICA 1. Competencias Dirigir proyectos de ahorro y calidad
Más detallesSimulación a Eventos Discretos. Clase 8: Análisis de resultados
Simulación a Eventos Discretos Clase 8: Análisis de resultados Muestras independientes Los resultados de una corrida de una simulación estocástica (denominados respuestas), son muestras de alguna distribución.
Más detallesSesión de construcción de modelos de Markov probabilísticos mediante Excel
Sesión de construcción de modelos de Markov probabilísticos mediante Excel Ayuda para completar los ejercicios Uno de los aspectos más importes del taller es el énfasis en el trabajo individual basado
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesLa Simulación es un sistema complejo de carácter fundamentalmente estadístico destino a la gestión de la incertidumbre.
La Simulación es un sistema complejo de carácter fundamentalmente estadístico destino a la gestión de la incertidumbre. Para ello utiliza los cash flows mediante un modelo mátematico de forma repetitiva
Más detallesProgramación y Control de Obra
Programación y Control de Obra -Conceptos generales de planeamiento -Programación y control -Planificación -Concepto de costos directos y costos indirectos PLANEAMIENTO -Planeamiento es la acción y efecto
Más detallesADMINISTRACIÓN FINANCIERA II LIC. CARLOS GERSON REVOLORIO CORADO
ADMINISTRACIÓN FINANCIERA II LIC. CARLOS GERSON REVOLORIO CORADO TERCERA UNIDAD: PRESUPUESTO DE CAPITAL Y DECISIONES DE INVERSIÓN A LARGO PLAZO 1. Administración de Activos Fijos. 1.1 La Amortización y
Más detallesINTRODUCCION A LA SIMULACION DE MODELOS. Simulación es la descripción de un sistema a través de modelos que se pueden aplicar a varias disciplinas.
Tema N 1 Definiciones INTRODUCCION A LA SIMULACION DE MODELOS Simulación es la descripción de un sistema a través de modelos que se pueden aplicar a varias disciplinas. La simulación esencialmente es una
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesEVALUACIÓN ECONÓMICA
EVALUACIÓN ECONÓMICA Tasa de descuento Flujo de fondos de efectivo proyectados Valor Actual Neto VAN- Tasa Interna de Retorno TIR- Costo Beneficio -B/C- Maestría en Proyectos. Curso Proyectos 2 Universidad
Más detallesINCERTIDUMBRE DE LA MEDIDA
INCERTIDUMBRE DE LA MEDIDA 22 de septiembre de 2017 1. Resultado de la mediciòn 2. Definiciones 3. Por qué se debe estimar la incertidumbre 3. Modelo matemático 4. Valor mejor estimado 5. Dos métodos de
Más detallesIntroducción a la inferencia estadística
M. Wiper Estadística 1 / 15 Introducción a la inferencia estadística Michael Wiper Departamento de Estadística Universidad Carlos III de Madrid M. Wiper Estadística 2 / 15 Objetivo Introducir la distribución
Más detallesEstadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data
Estadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data (parte 2) Medidas de dispersión 3.1-1 Medidas de dispersión La variación entre los valores de un conjunto de datos se conoce como dispersión
Más detallesCURSO: ANALISIS ESTADISTICO DE RIESGOS
MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar
Más detallesESTADÍSTICA CON EXCEL
ESTADÍSTICA CON EXCEL 1. INTRODUCCIÓN La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en
Más detallesRepública de Panamá CONTRALORIA GENERAL DE LA REPÚBLICA Instituto Nacional de Estadística y Censo Unidad de Muestreo
República de Panamá CONTRALORIA GENERAL DE LA REPÚBLICA Instituto Nacional de Estadística y Censo Unidad de Muestreo METODOLOGÍA DEL DISEÑO DE MUESTREO Encuesta entre Empresas no Financieras 2013 1. El
Más detallesCAPITULO 5. cantidades o flujos de pesos pagados o recibidos en diferentes puntos en el tiempo,
CAPITULO 5 5. Análisis Económico En el presente capitulo se analizarán las herramientas que nos permiten comparar cantidades o flujos de pesos pagados o recibidos en diferentes puntos en el tiempo, tomando
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesCAPITULO VI Evaluación del modelo e implementación en la empresa. Sport B
CAPITULO VI Evaluación del modelo e implementación en la empresa Sport B De un análisis de la demanda histórica de pantalones hechos con la tela denim, el gerente de ventas facilitó el siguiente cuadro
Más detallesEvaluación de Proyectos de Inversión
Evaluación de Proyectos de Inversión Tema No. 2 Sesión 3: Métodos de evaluación en proyectos de inversión. Parte I. 2017 2016 Objetivo de la sesión: Al finalizar la sesión, el alumno conocerá las técnicas
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 3 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. Sea X 1,..., X n una muestra aleatoria
Más detallesADMINISTRACIÓN FINANCIERA II IX SESIÓN. Lic. MBA Juan Carlos González M.
ADMINISTRACIÓN FINANCIERA II IX SESIÓN Lic. MBA Juan Carlos González M. FLUJOS NETO DE FONDOS Es la diferencia matemática entre los flujos de efectivo de ingresos y los de egresos, es decir, entre los
Más detallesSIMULACIÓN. Operaciones
SIMULACIÓN M. En C. Eduardo Bustos Farías 1 La simulación es uno de los procedimientos cuantitativos más ampliamente utilizados en la toma de decisiones. Sirve para aprender lo relacionado con un sistema
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detallesCAPÍTULO SEIS PLAN FINANCIERO
CAPÍTULO SEIS PLAN FINANCIERO 30 CAPITULO 6: PLAN FINANCIERO 6.1. Estructura del capital y financiamiento El proyecto no tiene financiamiento, la inversión inicial será completamente entregada por el realizador
Más detallesConceptos de Probabilidad y estadística. Jhon Jairo Padilla A., PhD
Conceptos de Probabilidad y estadística Jhon Jairo Padilla A., PhD Introducción La ingeniería de tráfico está soportada sobre conceptos de probabilidad y estadística como: Probabilidad Variable aleatoria
Más detallesQué pasa si? Teresa García López y Martha Oliva Zárate* II. CONCEPTOS
Qué pasa si? Teresa García López y Martha Oliva Zárate* RESUMEN El trabajo que aquí se presenta continúa con la serie de documentos que pretenden ofrecer a los lectores de Ciencia Administrativa, algunas
Más detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detallesSemana 12 El riesgo. El riesgo es la probabilidad de un acontecimiento adverso y con posibles consecuencias negativas.
Semana 12 El riesgo Introducción Los temas que se han visto a lo largo de las semanas han puesto especial énfasis en los modelos, fórmulas y mediciones del riesgo. En este capítulo profundizaremos en este
Más detallesGUÍA DE STATGRAPHICS 5.1
UNIVERSIDAD POLITÉCNICA DE MADRID ESCUELA UNIVERSITARIA DE ARQUITECTURA TÉCNICA DEPARTAMENTO DE MATEMÁTICA APLICADA A LA ARQUITECTURA TÉCNICA GUÍA DE STATGRAPHICS 5.1 (Versión castellana) GUÍA DE STATGRAPHICS
Más detallesDesarrollo del Presupuesto de Capital
Desarrollo del Presupuesto de Capital Introducción Realizar un proyecto de inversión, generalmente se hace con emoción, con los ahorros de algún tiempo y con buenos deseos. Pero desafortunadamente, esta
Más detallesPROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA
UNIDAD 1 PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA Variables aleatorias continuas = función de densidad de probabilidad 1 Variables aleatorias continuas = función
Más detallesAnálisis Probabilístico de Riesgo en Proyectos de Exploración y Producción de Petróleo y Gas.
Análisis Probabilístico de Riesgo en Proyectos de Exploración y Producción de Petróleo y Gas. I.- Introducción: El Análisis de Riesgo, algunas veces llamado Análisis para la Toma de Decisiones, es la disciplina
Más detallesCURSO DE METODOLOGIA DE LA INVESTIGACION
CURSO DE METODOLOGIA DE LA INVESTIGACION Dr. Iván Espinoza Salvadó Profesor Titular III Unidad de Investigación Científica Facultad de Ciencias Médicas. MUESTREO Universo: Conjunto de individuos u objetos
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesTécnicas Cuantitativas
Seminario sobre los aspectos económicos y financieros de las telecomunicaciones Técnicas Cuantitativas Denis R. Villalobos Araya Ph.D Lima Perú Junio 2009 Grupo Regional de la Comisión n de Estudio 3 para
Más detallesDirección Financiera
Dirección Financiera DIRECCIÓN FINANCIERA 1 Sesión No. 8 Nombre de la sesión: Decisión de inversión y financiamiento Objetivo: Al finalizar la sesión, el alumno será capaz de conocer las herramientas financieras
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesLa detección y el análisis de las variables claves del negocio y el manejo del riesgo y la incertidumbre
ESCUELA DE NEGOCIOS MBA 2009-2010 La detección y el análisis de las variables claves del negocio y el manejo del riesgo y la incertidumbre Mariano G. Merlo Lic. en Economía Master en Finanzas Lic Mariano
Más detallesGrupo 23 Semestre Segundo examen parcial
Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige
Más detallesFormulación y Evaluación de Proyectos de Inversión
La empresa que más contadores capacita en México... Seminario de: Formulación y Evaluación de Proyectos de Inversión Expositor: M.F. Fernando Rodríguez Aranday Septiembre 2008 M.F. Fernando Rodríguez Aranday
Más detallesLos Gráficos de Control de Shewart
Los Gráficos de Control de Shewart La idea tradicional de inspeccionar el producto final y eliminar las unidades que no cumplen con las especificaciones una vez terminado el proceso, se reemplaza por una
Más detallesANÁLISIS DE FRECUENCIAS
ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesUnidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11
Unidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11 Distribución de Probabilidad Recordamos conceptos: Variable aleatoria: es aquella que se asocia un número o un dato probabilístico, como
Más detallesDefinición de variable aleatoria
Variables aleatorias Instituto Tecnológico Superior de Tepeaca Agosto-Diciembre 2015 Ingeniería en Sistemas Computacionales M.C. Ana Cristina Palacios García Definición de variable aleatoria Las variables
Más detallesERRORES Y FUENTES DE ERROR
FUNDACION NEXUS ERRORES Y FUENTES DE ERROR MAYO/2013 FUENTES DE ERROR El mayor esfuerzo en el control de la calidad de los resultados de un laboratorio está relacionado con los errores en las mediciones.
Más detallesEvaluación Financiera de Proyectos
Evaluación Financiera de Proyectos De Idea a Realidad Principio Básico Económico: Las Necesidades son Infinitas Los Recursos son Finitos Cuál es el mejor uso de los recursos financieros? Factibilidad Financiera
Más detallesTítulo de la acción de capacitación: Ingeniería de Confiabilidad
Ingeniería de Confiabilidad Hoja 1 de 6 Título de la acción de capacitación: Ingeniería de Confiabilidad I.- Introducción: Uno de los retos más importantes para los profesionales de hoy consiste en desarrollar
Más detallesDistribuciones de Probabilidad.
Práctica núm. 3 1 Distribuciones de Probabilidad. 3.1. Distribuciones de Probabilidad en Statgraphics El estudio de las distribuciones de probabilidad en Statgraphics se puede realizar en el menú Descripción/Distribuciones/Distribuciones
Más detallesTema 6: Introducción a la inferencia estadística Parte 1
Tema 6: Introducción a la inferencia estadística Parte 1 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos Lecturas recomendadas:
Más detalles2. Distribuciones de Muestreo
2. Distribuciones de Muestreo Conceptos básicos Para introducir los conceptos básicos consideremos el siguiente ejemplo: Supongamos que estamos interesados en determinar el número medio de televisores
Más detalles