In9ert6;?

>4re:
Cuando slo conocemos aproximadamente el valor que tomarn una
variable, pero desconocemos con que nivel de probabilidad, estamos en un
contexto de incertidumbre.
Se ignoran las probabilidades de que se produzcan los diversos
estados naturales. Estos problemas surgen cuando no existen pautas que
permitan calcular las probabilidades de que ocurran los estados naturales, ya
sea por falta de experiencia pasada o porque es imposible proyectarla hacia
18
DECISIONES DE INVERSIN B!JO INCERTIDU'BRE

el futuro.
Las consecuencias de una decisin de inversin, como hecho futuro
son impredecibles. Aqu se reconoce de manera explcita el hecho de la
incertidumbre en todos los actos de la vida. Con relacin a las consecuencias
futuras de una decisin, se pueden presentar tres situaciones: a)
determinsticas; b) no determinsticas y c) ignorancia total.
a to>a ;e ;e96s6ones 4a5o 6n9ert6;?>4re
Se presenta cuando no puede predecirse fcilmente el futuro sobre la
base de experiencias pasadas. A menudo se presentan muchas variables
incontrolables.
El resultado de casi todas las decisiones de negocios est rodeado de
cierto grado de incertidumbre, y las decisiones de elaboracin de
presupuesto de capital no son la excepcin. Existen muchas teoras y no
19
Uno de los problemas que se presentan en la comprensin de los
temas de administracin y gerencia es que muchos trminos tienen
significados mltiples; ejemplo de esto se encuentran con mucha frecuencia
en los temas contables y financieros (trminos tales como, ingreso, flujo de
caja, flujo de fondos, para citar solo tres). En particular, cuando se habla de
riesgo e incertidumbre esta confusin se incrementa porque existe un
conocimiento previo, intuitivo tal vez, de lo que es la incertidumbre. Para
muchos, la incertidumbre es el desconocimiento del futuro; en este contexto
se considera que el riesgo y la incertidumbre se producen por la variabilidad
de los hechos futuros y por su desconocimiento. Ms aun, se nombra a la
incertidumbre como la situacin en la cual hay un grado (mayor o menor) de
desconocimiento del futuro.

pocas controversias con respecto al tratamiento de la incertidumbre, pero en
la prctica el asunto muchas veces se resuelve a travs del sencillo
mecanismo de asignar tasas de descuento ms altas a los proyectos ms
riesgosos.
'e;696:n ana8Dt69a ;e 8a 6n9ert6;?>4re
En una situacin de incertidumbre, no slo es importante hacer
predicciones para evaluar una inversin y decidir si rechazarla o no, sino
para poder tomar cursos de accin complementarios que reduzcan las
posibilidades de fracaso.
Un medio de reducir la incertidumbre es obtener informacin antes de
tomar la decisin. nformacin acerca del mercado. Otra alternativa es
aumentar el tamao de las operaciones, como es el caso de las compaas
petroleras que asumen menos riesgos al perforar 50 pozos de petrleo que
al perforar uno. La diversificacin es otro medio de disminuir la incertidumbre
en las inversiones; sobre todo, la diversificacin a travs de productos o
servicios sustitutos, como por ejemplo, el caf y el t. Si el precio del caf
sube demasiado y las ventas decrecen, se pueden reemplazar por el t y as
se pueden mantener estables los ingresos de la firma. La decisin de
comercializar ambos productos puede ser tomada si se prevn bajas
substanciales en los precios. Es posible encontrar inversiones A y B,
independientes, pero cuyos valores presentes netos varan de acuerdo con la
situacin general de la economa y en forma contraria, de manera que en
promedio los beneficios de la firma se mantienen constantes durante el
perodo.
Al ejecutar esta clase de inversiones en forma simultnea, se puede
eliminar o reducir el riesgo. Este tipo de combinaciones es lo que buscan por
20

ejemplo, los grandes grupos y fondos de inversin, al invertir en empresas de
muy diversa ndole.
Ca?sas ;e8 r6esgo @ ;e 8a 6n9ert6;?>4re:
Las causas de la variabilidad son bsicamente atribuibles al
comportamiento humano; sin embargo existen fenmenos no atribuibles
directamente al ser humano que tambin causan riesgo e incertidumbre.
Algunas manifestaciones de ambos se mencionan a continuacin:
nexistencia de datos histricos directamente relacionados con las
alternativas que se estudian.
Sesgos en la estimacin de datos o de eventos posibles.
Cambios en la economa, tanto nacional como mundial.
Cambios en polticas de pases que en forma directa o indirecta
afectan el entorno econmico local.
Anlisis e interpretaciones errneas de la informacin disponible.
Obsolescencia.
Situacin poltica.
Catstrofes naturales o comportamiento del clima.
Baja cobertura y poca confiabilidad de los datos estadsticos con que
se cuenta.
Pro9e;6>6entos 4Bs69os =ara for>ar eF=e9tat67as E?e generen r6esgo e
6n9ert6;?>4re:
!nB86s6s >e;6ante Dn;69es
21

Como el empresario tiene su propia base de datos, puede acudir a ella
y analizar los ndices bsicos que determinan sus factores y costes de
produccin, son datos histricos que le servirn de referencia para formar
sus expectativas de futuro.
O4ser7a96ones ;e ten;en96as
La serie histrica estadstica de precios de la que dispone el
empresario, le indicaran su tendencia de precios al alza o a la baja, le
ayudar, igualmente, a formar sus expectativas de futuro, conociendo,
incluso los decrementos o incrementos porcentuales de precios habidos en
los ltimos aos.
Pero hay que tener mucha precaucin con este procedimiento, porque
si las variaciones al alza o a la baja son bruscas y frecuentes, pueden,
irremediablemente, conducirle a formar una expectativa errnea, como es
lgico, dada la alta volatilidad o dispersin de los resultados analizados. Sin
embargo, se puede acudir al llamado ndice de elasticidad de expectativas
empresariales.
De todos es sabido que cuando el precio de un determinado bien
econmico sube excesivamente en un determinado perodo de tiempo, llega
un momento en el cul esa tendencia al alza comienza a disminuir o incluso
tiende a bajar durante otro perodo de tiempo. Quizs, podamos decir, que
las propias leyes del mercado se lo imponen.
En el Mercado Burstil, por ejemplo, se acostumbra a ver, como
determinados valores experimentan una fuerte subida que va
incrementndose en el tiempo y hacen pensar a los inversores,
22

especialmente a los pequeos y medianos, que van a continuar subiendo en
el futuro.
Ello, genera demanda de estos valores que, a su vez, los hacen
incrementar en sus cotizaciones, en forma vertiginosa, creando una autntica
"Burbuja Burstil".
O4ser7a96ones ;e >o76>6entos 9D9869os
Es frecuente que los precios de determinados bienes econmicos,
estn sujetos a leyes de oscilaciones cclicas.
En estos casos, a una subida de precios (incremento porcentual
positivo del precio), sucede, casi siempre, un decremento porcentual o
incremento porcentual negativo del precio. Puede ocurrir, en estos casos,
que el valor del ndice ya indicado, sea mayor que la unidad, en valor
absoluto pero con signo negativo. Ello es debido a que en el periodo de
tiempo anterior, hubo un alza de precios y en el periodo de tiempo siguiente
ha habido una baja de precios y el valor absoluto del numerador es mayor
que el valor absoluto del denominador. En estos casos, casi siempre, los
ndices de elasticidades, suelan ser negativos, debido, precisamente, a las
oscilaciones cclicas de los precios. De aqu, puede el empresario, sacar
expectativas empresariales para un prximo futuro, tal como puede ser, una
campaa agrcola de un determinado cereal, por ejemplo, el maz.
Constr?996:n ;e >o;e8os 96entDf69os
Si el empresario tiene espritu cientfico, puede acudir a mtodos
estadsticos y economtricos muy perfeccionados que reducen a un mnimo
la probabilidad de equivocarse en su prediccin empresarial.
23

Cr6ter6o ;e =ers6sten96a
Este criterio se basa en suponer que lo que ha ocurrido en el pasado
inmediato, continuar ocurriendo en el futuro inmediato. De la que se puede
concluir que es una premisa totalmente errnea.
La empresa agrcola y ganadera, suele ser adicta al mismo y claro
est, luego, naturalmente, vienen las desagradables e inesperadas sorpresas
y no es que se adopt un criterio que parte de una premisa falsa, es que el
criterio fall.
Pero en el sector de la construccin tambin se dan estas paradojas.
Todos sabemos que el mismo, se desarrolla bajo ciclos. De la situacin de
escasez de viviendas que hace subir los precios de las mismas, los
empresarios del sector tienden a expandir la construccin de nuevas
viviendas (Criterio de Persistencia) y elevan los precios de las mismas,
aprovechando el desequilibrio existente, en esos momentos, entre la oferta y
la demanda. Pero, naturalmente, llega a equilibrarse dicha oferta con dicha
demanda y los precios, lgicamente, comienzan a tener que bajar, dado que
la demanda, tambin, lo ha hecho, mientras que la oferta permanece
inelstica.
Podramos decir que, en general, estos ciclos afectan a la economa
nacional, no solamente venezolana, si no a todas las economas nacionales
que estn bajo el sistema de libre competencia. A un periodo de auge,
sucede otro de depresin.
EF=e9tat67a ;e a;a=ta96:n
24

La informacin que obtiene el empresario a travs de fuentes externas
a la empresa, representa para la misma un costo. Ese costo se conoce como
costo de la nformacin y a veces, puede ocurrir que no compense soportarlo
a cambio de la informacin que obtiene o de la utilidad que la misma le
aporta.
La informacin disminuye el ndice de riesgo empresarial, pero desde
luego no lo elimina en su totalidad.
Por consiguiente, llegar un momento en el que importe de ese costo
de informacin, sea tal, que su eficacia en la empresa sea mnima.
Por ello, es aconsejable, generar modelos sencillos de expectativas
empresariales. En ellos, el empresario parte de una hiptesis que
contemplan una serie de acontecimientos futuros (hiptesis inicial) y luego,
con el tiempo y el transcurso de la realidad, se va modificando dicha
Hiptesis nicial y ajustando a la realidad. Nace con ello, el mtodo de
previsin empresarial y el continuo seguimiento del acontecer diario de la
empresa, lo cul, permitir ajustar dichas previsiones y conocer las
desviaciones existente, pero a tiempo para poderlas corregir.
EF=e9tat67a ;e a4sent6s>o 8a4ora8

El absentismo laboral, es un fenmeno que se presenta, en ms o
menos intensidad en casi todas las empresas.
Bien, el ambiente interno de la empresa, bien la falta de incentivacin
e integracin que sienta cada persona que compone la plantilla de la
empresa en los proyectos que esta realiza, bien el medio ambiente en el que
se trabaja (minas subterrneas, trabajos peligrosos y antisalubres, etc, hace
que las bajas laborales se proliferen, a veces, en forma considerable con el
25

consiguiente coste que ello conlleva para la empresa y para el propio Estado,
que tiene que asumir a travs de la Seguridad Social, los costes laborales
que ello acarrea.
El empresario tiene que calcular, tambin, esta expectativa de
absentismo laboral, por la repercusin econmica que genera y por la
disminucin de capacidad de horas directas o indirectas realizadas.
Ello genera, por parte del empresario, que ste tienda a sustituir estas
bajas con contratos laborales a tiempos parciales e incluso a replantearse el
tamao propio ptimo de su plantilla propia y disminuir as ese absentismo.
Es una forma de abordar esta expectativa empresarial. La ms delicada,
quizs, puesto que trata de personas y ello, normalmente, genera conflictos
laborales entre empresarios y sindicatos, que, muchas veces, producen
huelgas que quizs, pudieron evitarse, rigidez entre las partes a la hora de
firmar Convenios Colectivos y en definitiva, abordar toda una tcnica de
Negociacin Laboral.
Co>=orta>6ento seg<n 8os t6=os ;e =ersona86;a; @ 8a to>a ;e
;e96s6ones 9on =?ra 6n9ert6;?>4re:
Pes6>6s>o: Hiptesis de mnima. Las cosas malas siempre me
suceden a m.
O=t6>6s>o: Las cosas buenas siempre me suceden a m.
Coef696ente ;e O=t6>6s>o: A mitad de camino: Ni demasiado
optimista ni demasiado pesimista.
26

Reg8as >6s9e8Bneas ;e ;e96s6:n =ara 6n9ert6;?>4re 9o>=8eta.
Estas reglas de decisin se aplican a situaciones en las cuales hay
varias alternativas (cursos de accin) y varios resultados posibles (estados
naturales), y en donde se conoce el resultado (efecto) de cada alternativa
relacionado con cada resultado posible, pero se desconoce la probabilidad
de ocurrencia de cada uno de estos ltimos.
El aspecto ms difcil al aplicar las reglas de decisin es determinar
cul deber usarse para tomar una decisin. De hecho, estas reglas de
decisin reflejan diversos grados de optimismo o pesimismo y deben elegirse
en concordancia con las que reflejen ciertas opiniones de la administracin,
que a su vez implican la intuicin y la conveniencia para una situacin
particular.
Cuando se habla de decisiones en situaciones no determinsticas, se
presentan teoras y modelos sobre los cuales no existe acuerdo sobre si son
normativas o descriptivas.
Una teora, o mejor un criterio es normativo cuando a travs de l se
estipula una conducta a seguir. Un ejemplo de un criterio normativo es lo que
se ha aprendido como regla de decisin para el valor presente neto: Si es
mayor que cero, la inversin es recomendable y se debe emprender, si es
menor que cero se debe rechazar.
Un criterio es descriptivo cuando explica o describe un
comportamiento observado. A continuacin se presentan los criterios
descriptivos sin informacin probabilstica.
Cr6ter6os ;es9r6=t67os
1. TeorDa ;e J?egos
27

De la Teora de Juegos se pueden tomar algunos esquemas y
conceptos. La Teora de Juegos trata de establecer estrategias a seguir
cuando un decisor se enfrenta a otro (sea ste un competidor, la naturaleza,
el azar, Dios, etc.). En estas situaciones el decisor debe intentar conocer lo
que el otro har y actuar en consecuencia. Una situacin de competencia
puede presentar situaciones en las cuales lo que gana un decisor lo pierde el
otro y se dice que es un juego de suma cero. Hay situaciones o juegos de
suma no-cero en los cuales todos los actores ganan y entonces se dice que
es un juego gana-gana; tambin se pueden presentar situaciones en que
todos pierden.
Se ha demostrado que la Teora de los Juegos es una estructura
Conceptualmente satisfactoria que ha posibilitado el anlisis de algunos
aspectos de la toma de decisiones en situaciones de conflicto (Riesgo e
incertidumbre). Es empleada por economistas para estudiar situaciones de
competencia imperfecta de la cual mostraremos algunos conceptos bsicos.
La Teora de los juegos es una rama del Anlisis Matemtico que
considera situaciones de conflicto, de riesgo e incertidumbre, mediante
modelos abstractos o juegos de estrategia. Fue desarrollada inicialmente por
John Von Neuman en 1928 mediante el desarrollo de la prueba fundamental
de la Teora de los Juegos conocida como el principio de minimax.
Posteriormente, en 1944 Von Neuman y Oskar Morgenstern
difundieron los aspectos tericos con la obra The Theory of Games and
Economic Be-havior. El progreso de las ciencias de la Direccin de las
Empresas, durante la Segunda Guerra Mundial, dio mayores progresos y
aplicacin sobre la poltica, la guerra y la vida diaria.
28

Un "Juego" existe cuando las personas o grupos de personas
compiten entre s, o contra la situacin, ambas. En los Juegos, en la que
los participantes competitivos se enfrentan entre s, pueden ganar todas o
pueden ganar algunas. En este primer caso, el Juego puede ser de "suma
cero"; en el segundo caso de "suma no cero".
En el Juego de Suma Cero hay competencia, no hay cooperacin
posible entre los participantes: lo que uno gana, el otro lo pierde. En el Juego
de Suma No Cero el resultado total depende de las decisiones conjuntas de
los jugadores, no es un caso estrictamente Competitivo, lo que les abre la
posibilidad de ganar ms de lo que podran conseguir con una eleccin de
estrategia personal segn un nico inters. Un Juego de dos personas puede
representarse en forma de tabla (o matriz) de rendimientos que relaciona
todas las estrategias posibles de los jugadores.
Llammosle John (J), al jugador horizontal ubicado a la izquierda y en
la parte baja de la tabla. Las otras estrategias posibles para el otro jugador
(L9), es vertical, empezando por arriba de la matriz.
Cada jugador adopta una estrategia que busca maximizar su beneficio
o ganancia, considerando todas las posibles reacciones de su competidor.
El resultado de cada combinacin de estrategia que realicen los dos
jugadores viene a ser la interseccin de las lneas horizontal y vertical y
significa el "rendimiento" ( pay off) que cada jugador debera de recibir por
la decisin adoptada.
El problema de la seleccin de estrategia para John viene a ser la
eleccin de una lnea horizontal; para Leo, sera la lnea virtual. El anlisis de
los juegos de ms de dos personas depende que se permitan o no formar
coaliciones.
Por convencin, para identificar el valor del juego, la matriz del
rendimiento es positivo (+) para John; para Leo, es negativo (-), con lo cual
29

se cumple la condicin de que su suma es cero. Las entradas positivas de la
matriz representan pagos de L a J; las negativas de J a L.
La solucin puede ser de dos tipos: de estrategia pura (un ptimo) y
de estrategia mixta (dos o ms estrategias que aparecen segn la frecuencia
relativa de utilizacin).
John ha examinado la ganancia "mnima" que cada lnea horizontal le
pueda proporcionar y deseando maximizar sus ganancias elige la mayor de
ellas (estrategias de minimax y maximin). Con igual razonamiento Leo
examina la prdida mxima y desear minimizar su prdida: viene a ser la
estrategia minimax de L.
Ambos jugadores convienen tambin la existencia de un "punto de
silla" definido como la solucin o el resultado de un juego estrictamente
determinado.
Las estrategias elegidas representan un "par equilibrado" o de
estrategias. La solucin completa de nuestro problema es que John elija
siempre J3 y Leo siempre L2, siendo 5 el valor del juego.
'atr6G ;e =agos o ;e res?8ta;os
Es un arreglo de nmeros donde se muestran resultados numricos
(costo, ganancia o alguna medida de utilidad) asociados a una decisin y a
un evento simultneamente. Esta matriz se puede representar.
A esta matriz se pueden asociar algunos criterios que son descriptivos
y no se deben tomar, en general, como reglas de decisin.
30

Al analizar un problema de decisin se debe explorar la posibilidad de
que alguna alternativa sea preferible a otra, sea cual fuere el evento que
ocurra. Cuando esto ocurre, se dice que una alternativa domina a otra. En
trminos generales, se dice que una alternativa A k domina a otra A c cuando
para todo Ej: se tiene que r(A k, E j) >r (A c, E j). Esto significa que la
alternativa A c puede eliminarse del anlisis ya que siempre A k ser mejor,
lo cual reduce el nmero de alternativas a considerar.
Reg8a De8 'aF6>6no O De8 '6n6>BF6>o
La regla del Maximino sugiere que quien toma la decisin determina la
utilidad mnima (pagos) asociada con cada alternativa y despus selecciona
la alternativa que maximiza la utilidad mnima. Asimismo, en el caso de los
costos, la regla de! minimximo indica que quien toma la decisin determina
el costo mximo asociado con cada alternativa y tambin sugiere la
alternativa que minimiza el costo mximo. Estas reglas de decisin son con-
servadoras y pesimistas, porque dirigen la atencin al peor resultado y
despus lo convierten en lo ms conveniente posible.
#. Reg8a De 'aF6>BF6>o O '6n6>Dn6>o
Las reglas de Maximximo o Minimnimo son los opuestos directos de
sus contrapartes que acabamos de analizar y, por consiguiente, reflejan un
optimismo extremo. La regla de Maximximo sugiere que quien toma la
decisin determina la utilidad mxima asociada con cada alternativa y
despus elige la alternativa que maximiza la utilidad mxima. Asimismo, en
el caso de los costos, la regla de Minimnimo indica que quien toma la
31

decisin debe determinar el costo mnimo asociado con cada alternativa y
despus seleccionar aquella que minimiza el costo mnimo.
Pr6n96=6o o reg8a ;e a=8a9e.
Principio O Regla De ur!ic"
La regla de Hurwicz pretende reflejar cualquier grado de moderacin
entre un optimismo y un pesimismo extremos, que quien toma la decisin
pretendiera elegir. La regla se plantea explcitamente como:
a. Seleccione un ndice de optimismo, a tal que (O <. a <. 1). Para
todas las alternativas.
b. Calcule el resultado ponderado: a x (valor de la utilidad o costo
si ocurre el resultado ms favorable) + (1 a) x (valor de la
utilidad o el costo si ocurre el resultado menos favorable).
c. Elija la alternativa que optimiza el resultado ponderado.
Una dificultad prctica de la regla de Hurwicz es que quien toma la
decisin no puede determinar con facilidad un valor correcto para a, el factor
de ponderacin. La regla de Hurwicz tambin carece de varias de las
32
La regla de Laplace simplemente supone que todos los resultados
posibles son igualmente probables y que se puede elegir con base en los
resultados esperados de acuerdo a como se calcularon, usando
probabilidades iguales para todos los resultados. Existe una tendencia
comn hacia esta suposicin en situaciones en las que no hay una evidencia
de lo contrario, pero tanto la suposicin como la regla son de un mrito muy
cuestionable.

propiedades de conveniencia de una buena regla de decisin, y puede
conducir incluso a resultados que son obviamente contrarios a la propia
intuicin.
$. Reg8a De '6n6-'BF6>o !rre=ent6>6ento
La regla del minimximo arrepentimiento, propuesta por L. J. Savage,
es similar a las reglas de minimximo y Maximino, pero pretende
contrarrestar algunos de los resultados ultra conservadores producidos por
esas reglas. Esta regla sugiere que quien toma la decisin debe examinar el
mximo arrepentimiento posible (una prdida por no haber elegido la mejor
alternativa para cada resultado posible) asociado con cada alternativa y
despus seleccionar la alternativa que minimice el mximo arrepentimiento.
TeorDa ;e 8a o=6n6:n 9ontrar6a Jo;;-8ot tKeor@I
El pequeo inversor siempre se equivoca en sus decisiones. La
informacin se obtiene analizando las operaciones de pequeos lotes o bien
haciendo lo contrario de lo que aconsejan los peridicos y revistas.

Cr6ter6os nor>at67os
Teora de partida del anlisis tcnico
a. nformacin suficiente para predecir exclusivamente con los
datos de mercado: precios y volumen.
b. Existen tendencias en los precios.
c. El pasado se repite.
33

C?Bn;o se ;e4e Ka9er e8 anB86s6s ;e8 r6esgo e 6n9ert6;?>4re0
La tarea de tomar decisiones bajo riesgo e incertidumbre no es fcil y
los mtodos que se presentan y el que sigue pueden desanimar a los
decisores por considerar que no siempre es posible realizar ese tipo de
anlisis. Esto es cierto. Ms aun, Siempre que se pueda tomar una decisin
correctamente es preferible hacerlo con menos que con ms; en otras
palabras, no hacer con ms lo que pueda hacer con menos. Lo que se
pretende es que se utilice un sano criterio para lograr un uso adecuado de la
tecnologa a disposicin de la Humanidad.
En el anlisis de inversiones bajo riesgo se debe hacer un anlisis
previo de la situacin antes de embarcarse en un proceso que puede resultar
costoso, no solo por los recursos que requiere, sino porque puede producir
errores.
E8 =ro9eso ;e e7a8?a96:n 9o>=ren;e:
Definir el monto de la inversin y realizar estimativos gruesos
preliminares.
Descartar los proyectos que a primera vista no son viables.
Con base en estos estimativos gruesos, hacer un anlisis de
certidumbre
Examinar el monto de la inversin, si es mucho o poco dinero.
Distinguir entre elementos importantes de acuerdo con su
grado de influencia y variabilidad, los mportantes estdiense a
profundidad, los poco importantes no se deben estudiar a profundidad.
34

Descartar los proyectos que no son viables y seleccionar los
proyectos aceptables.
Pro9eso ;e =ron:st69o 4a5o r6esgo e 6n9ert6;?>4re:
El proceso de pronstico comienza con la definicin de las variables
que intervienen y las relaciones esperadas entre las variables; despus se
hace la recoleccin de datos. Estos datos pueden ser obtenidos por medio
de experimentos o simplemente por la recopilacin de datos histricos. En el
caso de la ejecucin de experimentos, por ejemplo, la duracin de un
determinado producto o la simulacin del comportamiento de una variable, el
experimentador puede controlar ciertas variables y por lo tanto, se puede
lograr una mejor comprensin de las fuentes de variacin; en el caso de los
datos histricos, nada puede hacerse para controlar las variables que afectan
los resultados; ste sera el caso cuando se desea pronosticar la demanda
futura a partir del comportamiento de sta en el pasado.
El paso siguiente en el proceso de prediccin es la construccin de un
modelo de inferencia estadstica para hacer el pronstico. Estos modelos
operan bajo condiciones muy especficas, tales como supuestos de
independencia entre variables, distribuciones de probabilidad especficas,
etc. Si estos supuestos no se cumplen, los resultados obtenidos pueden
perder toda validez.
35
La Humanidad ha tratado siempre de predecir el futuro. Basta recordar
todos los intentos de las tribus primitivas de controlar, prediciendo, los
fenmenos naturales o el orculo de Delfos en Grecia. As mismo, los
decisores se enfrentan da a da con la necesidad de tomar decisiones hoy
con consecuencias futuras.

Al tomar decisiones es posible que el grado de detalle y afinamiento
de los resultados sea innecesario, por lo tanto es posible hacer suposiciones
fuertes y restrictivas a tal punto que violen las condiciones especficas
requeridas por el modelo en cuestin. En estos casos, lo importante es
conocer qu condiciones no se estn cumpliendo y cules son las
consecuencias, para actuar con la debida precaucin.
No siempre es posible partir de informacin histrica para hacer
pronsticos y es necesario aplicar el criterio, fruto de la experiencia, para
"predecir" lo que ocurrir respecto de una decisin. En la mayora de las
decisiones que se toman da a da son necesarios el criterio y la experiencia.
El buen criterio o buen juicio es algo que se obtiene con mucho esfuerzo y
paciencia; si bien es cierto que la educacin formal da una preparacin para
adquirirlo, la mejor manera de refinar el criterio es a travs de la experiencia.
Al tomar algunas decisiones lo importante determinar cul es el valor
preciso de una variable determinada, sino si este valor sobrepasar o no
cierto valor crtico.
En estos casos una estimacin o apreciacin de este valor ser
suficiente. Se podra pensar en el principio de reducir la discriminacin
requerida; este principio se puede enunciar de la siguiente manera: cuando
haya que estimar el valor de una variable, encuentre el valor de esa variable
para el cual la decisin cambie de una alternativa a otra. De esta manera, lo
nico que se necesita es determinar si el valor estimado de la variable
sobrepasa o no el valor crtico que hace cambiar la decisin. Por ejemplo, al
tratar de determinar el valor de la(s) tasa(s) de descuento a utilizar para
calcular el Valor Presente Neto de dos alternativas mutuamente excluyentes,
slo se necesita saber si esta(s) tasa(s) de descuento es(son) mayor(es) que
el(los) valor(es) crtico(s) estipulado(s).
36

Muchas veces es necesario pronosticar una variable que depende a
su vez de otras. Por ejemplo, los costos totales de operacin de un equipo
determinado se componen de mano de obra, energa, mantenimiento, etc.
Matemticamente se puede expresar as:
C L f J911 9#1 9$1.....1 9nI
Se puede obtener el pronstico de C de dos formas: pronosticando C
directamente o pronosticar los componentes de C y a partir de all hallar el
valor de C, por medio de la relacin f(.). Cul de las dos formas utilizar?
Esto depende de la varianza que se obtenga en una u otra forma.
Las tcnicas de pronstico son una herramienta necesaria para la
planeacin macro y microeconmica. Para el caso del gerente su quehacer
bsico es la toma de decisiones con consecuencias futuras y por lo tanto
debe elaborar estimativos de lo que suceder en el futuro. Por otro lado,
debe prever escenarios que le permitan anticiparse a las posibles
eventualidades que le indicarn la conveniencia o inconveniencia de una
alternativa. En particular para analizar decisiones de inversin es necesario
hacer estimativos de muy diversas variables: precios, tasas de inters,
volmenes de venta o de produccin, etc., por lo tanto, es necesario que el
analista conozca, por lo menos la existencia de ciertas tcnicas que le
ayuden en esta tarea.
Para elaborar pronsticos se pueden encontrar dos grandes clases de
modelos: causales y de series de tiempo. Los primeros tratan de encontrar
las relaciones de causalidad entre diferentes variables, de manera que
conociendo o prediciendo alguna o algunas de ellas, se pueda encontrar el
valor de otra. En el segundo caso no interesa encontrar esas relaciones, sino
37

que se requiere solamente encontrar los posibles valores que asumir una
determinada variable. En todos los casos siempre se hace uso de la
informacin histrica, ya sea para predecir el comportamiento futuro o para
suponer que el comportamiento histrico se mantendr hacia el futuro y
sobre esta base hacer los estimativos.
Se debe tener presente que no existe ningn mtodo de pronstico
infalible; lo que hacen estos procedimientos es estimar un valor posible, pero
siempre sujeto a errores. Si el fenmeno que se va a pronosticar fuera
determinstico, slo bastara utilizar la ley matemtica que lo rige y predecir
con exactitud el resultado; este sera el caso de fenmenos fsicos, como por
ejemplo la cada libre de un cuerpo. En el proceso de toma de decisiones se
involucra el comportamiento humano, por ejemplo, a travs de las decisiones
de los individuos a quienes est dirigida un determinado producto o servicio;
las decisiones del mercado estn compuestas por muchsimas decisiones
individuales, imposibles de predecir con exactitud.
La mayora de los datos incluyen combinaciones de estas tendencias
y se deben generar procedimientos para separarlos. Existen otras clases de
pronsticos denominados cualitativos o de pronstico tecnolgico, tales
como:
'Cto;o ;e8=K6
Este mtodo busca, a travs de mltiples rondas o iteraciones donde
se comparte la informacin, encontrar consenso sobre valores o escenarios
posibles. Se hace nfasis en que no hay un mtodo de pronstico perfecto,
aunque se podra construir un modelo que ajuste perfectamente los datos
que se tienen de un fenmeno; sin embargo, esto no es recomendable
puesto que el elemento aleatorio o de error siempre estar presente y ser
38

impredecible y es mejor identificar los patrones predecibles y asumir el error
que se presente que tratar de introducir en el modelo el elemento error que,
se repite, es completamente impredecible e inevitable. En otras palabras,
cualquier estimativo implica un cierto grado de error inevitable.
'Cto;os ;e 8os >Dn6>os 9?a;ra;os
Se considera el mejor mtodo aquel que minimiza la suma de los
cuadrados de los errores (diferencias entre el valor estimado y el observado).
'Cto;os ;e s?a76Ga96:n
Dentro de los mtodos de suavizacin se pueden considerar tres
categoras: a) Promedios mviles, b) suavizacin exponencial y c) otros.
$ro%edios %vi&es
Esta tcnica consiste en tomar un grupo de valores observados,
calcularle el promedio y utilizarlo como pronstico para el siguiente perodo.
Slo sirve para pronosticar un slo perodo: el siguiente. Se debe especificar
el nmero de observaciones que se tomarn; se llama mvil porque siempre
se toman las N ltimas observaciones para hacer el pronstico. Se pueden
considerar promedios mviles simples y promedios mviles lineales. En el
primer caso se toman los N ltimos datos y se calcula el promedio; en el
segundo caso se construyen adems promedios de los promedios y con ellos
se establece una ecuacin lineal que permite elaborar el pronstico.
Este mtodo puede utilizarse cuando se sabe que los datos son
estacionarios. La ventaja sobre el promedio total es que permite ajustar el
valor de N para que responda al comportamiento de los datos.
39

Savi'acin e()onencia&
Existen muchos mtodos de suavizacin exponencial: simple, de tasa
de respuesta de adaptacin, mtodo de Brown de un solo parmetro, mtodo
de Holt de dos parmetros, mtodo cuadrtico de Brown, etc. Aqu se
considerarn un mtodo de suavizacin: suavizacin exponencial simple.
La suavizacin exponencial simple consiste en asignar un peso a la
ltima informacin (dato) disponible y al ltimo pronstico, el cual, a su vez,
contiene la informacin pasada, as:
F t+1 = aX t + (1- a* F t
Para F 2, se tiene:
F 2 = F 1
Otra forma de expresar el pronstico es:
F t+1 = F t + a e
Donde e es el error incurrido en el ltimo pronstico.
'Cto;os ;e ten;en96a
Uno de los mtodos ms conocidos, pero tambin de los ms mal
utilizados es la regresin lineal. En cualquier curso de Presupuesto es tema
obligado. Sin embargo, como se mencion, se tiende a utilizar mal este
procedimiento. En cualquier caso en que se utilice un modelo, es necesario
validarlo: esto es, verificar si los supuestos del modelo coinciden con la
realidad. Y esto no es lo que hace la mayora de los usuarios.
40

La idea de la regresin lineal es hallar una recta que cumpla con un
requisito bsico comn para muchos mtodos de pronstico: la suma de los
cuadrados de la diferencia entre el valor estimado y el observado es mnima.
Por eso se llama tambin mtodo de mnimos cuadrados. En general, se
trata de encontrar (en el caso de la regresin lineal), una recta que cumpla
esa condicin y que se expresa as:
Y = a + b1X1 + b2X2 + b3X3+...+bnXn + e
Donde
Y = variable dependiente
Xj = variable independiente
e = error
a = interseccin con el eje de las abscisas (y)
bj = coeficiente de cada variable Xj
El caso particular de una variable independiente la frmula ser:
Y = a + bX + e
41
La regresin lineal implica por lo menos, distribucin normal de los
errores de la variable dependiente, que no estn correlacionados y para
utilizarlo con validez estadstica, adems debe contarse con un tamao de
muestran de por lo menos 30 datos histricos. Un supuesto obvio es que la
tendencia observada de los datos puede ser descrita por una recta. Sin
embargo, este supuesto se puede obviar haciendo las substituciones
necesarias, por ejemplo, si se considera que una variable tiene un
comportamiento exponencial (no lineal), estos datos podran linealizarse
calculando el logaritmo de los datos y proyectar el logaritmo. Despus se
halla el antilogaritmo y esa sera la proyeccin.

'Cto;os ;e ;es9o>=os696:n
Se presenta un patrn horizontal o estacionario (H) cuando los datos
fluctan alrededor de un valor promedio constante. Las ventas
que no aumentan ni disminuyen con el tiempo, es un ejemplo de
este tipo de comportamiento.
Se presenta un patrn estacional (E) cuando los datos estn
afectados por factores que se repiten con cierta frecuencia
(trimestral, mensual o en determinadas fechas, por ejemplo,
Navidad, Semana Santa, etc.).
Un patrn cclico (C) se presenta debido a efectos econmicos de
largo plazo y generalmente asociados con el ciclo econmico. La
construccin de vivienda puede ser un ejemplo de este tipo.
Un patrn cclico (C) se presenta debido a efectos econmicos de
largo plazo y generalmente asociados con el ciclo econmico. La
construccin de vivienda puede ser un ejemplo de este tipo.
Los mtodos de descomposicin suponen que los datos contienen
patrones estacionales, cclicos y de tendencia; una funcin que representa
esta relacin puede ser la siguiente:
42
Un mtodo de pronstico es el de descomposicin, para analizar series
de tiempo. Un paso importante en el proceso de determinar el mtodo de
series de tiempo adecuado es considerar los diferentes patrones que se
encuentran en los datos. Se pueden identificar cuatro patrones tpicos:
horizontal o estacionaria, estacional, cclico y de tendencia.

Dato = patrn + error = f (tendencia, estacionalidad, ciclo) + error
X t = f(T t , E t , C t , Er t )
Donde:
X t es el dato al perodo t.
T t es el componente de tendencia en el perodo t.
E t es el componente o ndice de estacionalidad del perodo t.
C t es el componente cclico del perodo t.
Y Er t es el error del perodo t.
El procedimiento general para aislar los diversos componentes es el
siguiente y se aplica a los diferentes mtodos de descomposicin.
1. Con los datos disponibles calcule el promedio con un
N igual a la longitud de la estacionalidad (12 meses, 6 meses, 4
trimestres, o 7 das, por ejemplo). Con esto se elimina la
estacionalidad y el error, por lo tanto en el promedio mvil se
encuentra slo la tendencia y el ciclo. A esto lo llaman algunos
desestacionalizar la serie de datos.
2. Separe el resultado del promedio mvil de los datos.
Lo que queda es la estacionalidad y el error.
3. Asle los factores estacionales promedindolos para
cada perodo que constituyen el perodo completo de estacionalidad
(cada mes, semestre o trimestre, por ejemplo).
43

4. dentifique la forma de la tendencia con los resultados
de (lineal, exponencial, etc.) y calcule su valor para cada uno de los
perodos para los cuales se tienen datos.
5. Separe el resultado de 4) de los resultados de 1) para
obtener el factor cclico.
6. Separe la estacionalidad, la tendencia y el ciclo de los
datos para obtener el error.
Este mtodo es til cuando se considera que existe una tendencia y
estacionalidad. La estacionalidad se puede identificar en los datos si se
observan ciertos "picos" o "baches" en los datos con regularidad; por
ejemplo, si encuentra que el consumo de gaseosa es siempre mayor en los
das sbados y domingos y menor en los das jueves, se podra sospechar
que existe una estacionalidad asociada a esos das de la semana. Por otro
lado, se puede llegar a la conclusin acerca de la existencia de la
estacionalidad deducindola a partir del comportamiento del negocio; por
ejemplo, antes de examinar cualquier dato, se podra pensar que la venta de
juguetes o de calendarios y agendas va a presentar picos en los tres ltimos
meses del ao. Obsrvese que se habla de estacionalidad cuando los
perodos de anlisis son menores de un ao. Por ejemplo, semestres,
trimestres o meses en relacin con un ao; quincenas, dcadas o semanas
en relacin con mes; das de la semana con relacin a la misma. Esto es, si
los datos son anuales, por ejemplo, no tiene sentido pensar en la existencia
de un patrn estacional. Uno de los modelos de descomposicin ms
utilizados es el multiplicativo, o sea,
X t = T t x E t x C t x Er t
44

Donde:
Xt es el dato real en perodo t
Tt es el valor de la tendencia en perodo t
Ct es el valor del factor de ciclo en perodo t
Ert es el error en perodo t
Al aplicar los seis pasos propuestos se tiene:
1) y 2) Calcule el promedio mvil y asle los factores estacionales:
Mt = Tt x Ct
Donde Mt es el promedio mvil en perodo t
La expresin anterior asla la estacionalidad y el error.
3) El siguiente paso es eliminar el error de los valores obtenidos con la ltima
expresin. Los modelos clsicos de descomposicin utilizan el enfoque del
promedio medial. Para calcular el promedio medial se toman todos los datos
de promedio mvil para cada perodo (mes, trimestre, etc.) y se eliminan los
valores extremos, con los datos restantes se calcula el promedio. Los datos
obtenidos para cada perodo se ajustan al 100% multiplicando el promedio
medial por 100x nmero de perodos/suma de todos los promedios mediales
4) y 5) Los pasos finales es el de calcular la tendencia y separarla del ciclo.
Se identifica el patrn de la tendencia y se calcula el valor de ella para cada
uno de los perodos para los cuales se tienen datos. La tendencia se calcula
a partir de los datos Mt. En este modelo se elimina as: donde a,b,c... son las
constantes de la regresin y t es el perodo correspondiente.
45

6) Con estos factores, estacionalidad, tendencia y ciclo, se puede estimar el
error.
'Cto;o ;e ;eter>6na96:n a tra7Cs ;e 8as =ro4a4686;a;es s?45et67as
Hecho esto se debe hacer una verificacin de consistencia interna con
la percepcin de la o las personas que estn haciendo la estimacin
subjetiva de la distribucin de probabilidad. Una aproximacin podra ser
verificar si los valores asignados a cierto intervalo, por ejemplo, de 0 a
34,999, debe tener o no una probabilidad igual al intervalo 35,000 a 44,999 y
as para todas las posibilidades. Tratar de definir el punto del intervalo que
hace indiferente a la persona entre ese valor y una unidad ms o una unidad
menos, tiende a ser difcil en la prctica; sin embargo, siendo menos riguroso
el mtodo, se podra intentar establecer sub-intervalos iguales y hacer las
verificaciones respectivas.
Una alternativa para estimar casos concretos de probabilidades
subjetivas es a partir de los datos mximo, mnimo y ms probable de una
determinada variable. Con esta informacin se pueden hacer estimativos de
los parmetros de algunas distribuciones, por ejemplo:
Donde:
46
Es importante precisar que lo subjetivo no implica arbitrariedad. As,
por ejemplo, si hoy al salir por la maana se observa que el cielo est
cubierto, entonces se saldr preparado para la lluvia. Subjetivamente,
aunque no en forma arbitraria, se est asignando una probabilidad alta al
evento lluvia. Y no es arbitrario porque es el resultado de la informacin con
que se cuenta, la cual permite hacer un estimativo subjetivo, no arbitrario, de
la probabilidad de tener un da lluvioso.

X min = Estimativo del mnimo valor que puede tomar la variable X
X mx. = Estimativo del mximo valor que puede tomar la variable X
X p = Estimativo del valor ms probable que puede tomar la variable X
s = Desviacin estndar de la variable X
Estos estimativos pueden ser adecuados para distribuciones normales
o distribuciones llamadas Beta utilizadas en los anlisis de redes tipo PERT
(Project Evaluation Review Technique).
Las probabilidades subjetivas cumplen las mismas reglas que las
probabilidades objetivas y pueden ser utilizadas operacionalmente en la
misma forma que las segundas.
6>6ta96ones ;e 8a to>a ;e ;e96s6ones 4a5o =?ra In9ert6;?>4re
En general, el anlisis de decisin se asume que el tomador de
decisiones se enfrenta un problema donde debe escoger por lo menos y
como mximo una opcin del grupo de opciones.
El tomador de decisiones no tiene conocimientos sobre cual estado de
la naturaleza es ms probable que ocurra. Note que cualquier tcnica
utilizada en la toma de decisiones bajo incertidumbre pura, es solo apropiada
para las decisiones de la vida privada. Adicionalmente, una persona pblica
(por ejemplo, un gerente) debe tener algunos conocimientos sobre el estado
de la naturaleza tal que prediga las probabilidades de varios estados de la
naturaleza.
47