1

12-1
Simulacin
Profesora: Patricia Jaramillo A.
Universidad Nacional de Colombia
Sede Medelln
Mdulo 12
12-2
Simulacin
Los enfoques anteriores no permiten involucrar la
complejidad de la interaccin de muchas variables
que tienen que ver con un proyecto de inversin.
Los beneficios de una inversin en una empresa,
por ejemplo, pueden depender de:
Tamao del mercado
Precios de venta
Inversin requerida
Costos variables o de operacin
Costos fijos
Vida til de los equipos
12-3
Una pregunta cmo: Cul es la
probabilidad de que los
beneficios superen el 10% de
la inversin en el primer ao?
Puede ser muy difcil de responder
por la multitud de formas en las
que se pueden interrelacionar las
variables.
12-4
Simulacin es imitar el comportamiento
de un sistema manipulando un modelo
que represente la realidad.
Es un proceso de construccin de un
modelo matemtico o lgico que
representa un sistema con el fin de
experimentar con l, de tal forma que
permita ver su comportamiento y ayude
tomar una decisin.
Simulacin
12-5
Simulacin de Monte Carlo
Genera una gran cantidad de posibles
combinaciones de circunstancias que pueden
ocurrir, si una alternativa es elegida.
En la simulacin deben generarse con mayor
frecuencia las combinaciones ms probables que
las menos probables.
12-6
Variable 1
Variable 2
Variable n
Salida del
modelo
2
12-7
Caractersticas estadsticas de las variables
independientes
Si se tiene informacin sobre cierto fenmeno, por
ejemplo, las ventas de un producto, y se estiman las
probabilidades de diferentes niveles de venta as:
25% 4000
40% 3000
25% 2000
10% 1000
Prob. Unidades
Frecuencia relativa
0%
20%
40%
60%
80%
100%
1000 2000 3000 4000
Demanda
12-8
A cada nivel de ventas puede asignrsele un conjunto de
valores aleatorios de 0 a 99 en nmero proporcional a su
probabilidad
25%
40%
25%
10%
Probabilidad
75-99 4000
35-74 3000
10-34 2000
00-09 1000
Nmeros
aleatorios
Unidades
10%
25%
40%
25%
1000
2000
3000
4000
12-9
Cmo generar observaciones aleatorias a
partir de una distribucin de probabilidad?
Se obtiene un nmero aleatorio de 0 a 99, y se elige
el valor de la variable correspondiente
Ejemplo: nmero aleatorio 62, demanda 3000
unidades
Frecuencia acumulada
0%
20%
40%
60%
80%
100%
1000 2000 3000 4000
Demanda
12-10
Ejemplo Mtodo de Monte Carlo
Supngase una inversin de $4375.000 en un sembrado cuyo
fruto es perecedero. El modelo de Ingresos es:
Ingreso bruto = unidades vendidas * precio unitario
De acuerdo con datos histricos la demanda se ha
comportado de la siguiente forma:
96-99 4 3750
80-95 16 3625
44-79 36 3500
20-43 24 3375
04-19 16 3250
00-03 4 3125
Nmeros
aleatorios
Frecuencia
relativa (%)
Demanda
Punto medio
Frecuencia relativa
0%
20%
40%
60%
80%
100%
3125 3250 3375 3500 3625 3750
Ventas
12-11
Supngase que las cantidades producidas han variado de la
siguiente forma:
88-99 12 3623
45-87 43 3498
10-44 35 3373
00-09 10 3248
Nmeros
aleatorios
Frecuencia
relativa
(%)
Produccin
Punto
medio
Si se supone que la demanda y la produccin se
comportarn en la misma forma como lo han hecho
histricamente se puede generar una muestra aleatoria.
Simulando los valores de demanda y de la produccin se
puede obtener una distribucin de frecuencia de los
ingresos netos.
Frecuencia relativa
0%
20%
40%
60%
80%
100%
3248 3373 3498 3623
Ventas
12-12
El precio de venta de el artculo es $3000. Y el costo
unitario es de $1000.
Lo producido por encima de la demanda se considera
una prdida de $1000 por unidad y las ventas no
realizadas no acarrean prdida.
Modelo de Ingreso neto:
Si demanda> Un. producidas : Un. producidas * 2000
Si demanda< Un. producidas :
demanda * 2000 -(Un. Producidas demanda )* 1000
3
12-13
Para simular una serie de n eventos de ingreso neto
Debo simular cada uno de esos eventos as:
1. Simular demanda.
No aleatorio genera demanda,
Ejemplo: N
o
aleatorio= 22, demanda 3375
2. Simular produccin
No aleatorio genera Produccin
Ejemplo: N
o
aleatorio= 85, Produccin = 3498
3. Evento ingreso neto:
Como demanda < Un. producidas
Ingreso neto = 3375 * 2000 - (3498 3375)* 1000
= $6 627 000
12-14
A partir de la
serie
simulada se
pueden
deducir otras
series como
TIR, B/C etc.
Serie simulada
12-15
De la serie simulada Ingreso neto :
Ingreso neto medio= $6 602 850,
Varianza = 77831440000
Ya se pueden responder preguntas como: Qu probabilidad hay
de que el ingreso neto supere los $6 400 000?
De la grfica:
P(x $6 400 000)=0.245, por lo que:
P(x > $6 400 000)=1-0.245=0.755
Histograma
0
5
10
15
20
25
ingreso neto
F
r
e
c
u
e
n
c
i
a
.00%
20.00%
40.00%
60.00%
80.00%
100.00%
120.00%
Frecuencia
%acumulado
12-16
100 1 70
99 0 65
99 21 60
78 38 55
40 26 50
14 9 45
5 2 40
3 3 35
%
acumulado
Frecuencia TIR (%) Frecuencia relativa y acumulada
0
20
40
60
80
100
35 40 45 50 55 60 65 70
TIR
%
Si se hubiera trabajado solo con promedios (sin
simulacin):
E[Vendidas]=3445
E[Producidas]=3445
E[Ingreso]= $2000*3445=$6 890 000
E[TIR]=57.43%
TIR media= $51.49
Ingreso neto medio= $6 602 850,
12-17
Aplicacin a problemas de decisin
1. Identificar los factores que afectan los resultados de
cada curso de accin
2. Formular un modelo que muestre como se relacionan los
factores
3. Hacer una anlisis preliminar de sensibilidad para
establecer a cuales factores se les debe estimar la
funcin de probabilidad
4. Estimar esas funciones de probabilidad
5. Hacer la simulacin
6. Aplicar anlisis de sensibilidad a los resultados
7. Comparar los resultados simulados de las alternativas
para identificar el mejor curso de accin
12-18
Aplicacin a un problema de decisin
Una compaa esta planeando lanzar al mercado una
cmara de fotografa.
Despus de evaluar muchas alternativas se eligieron
dos posibles diseos: uno deportivo, a prueba de agua,
y otro ms formal y profesional. El lanzamiento se
dara en pocos meses.
Se requiere estimar los beneficios que dara cada una
de ellas para elegir la mejor alternativa segn este
objetivo.
Hay incertidumbre acerca de:
costos de fabricacin
Niveles de ventas
4
12-19
1. Identificar factores
Ventas Precio
Ventas
Costos fijos costos variables
Costos
beneficios
2. Formular el modelo
Beneficios = (precio -costos variables)*ventas Costos fijos
Evaluacin de la alternativa: Diseo deportivo
12-20
3. Anlisis de sensibilidad preliminar
La incertidumbre puede que no sea importante en
todos los factores. Para cada factor se debe:
a) Identificar el mximo y el mnimo valor posible
$300000 $100000 $175000 Costos fijos
$25 $25 $25 Precio
30000 u 10000 u 22000 u Ventas
$18 $8 $13 Costos
variables
Mximo
valor
Mnimo
valor
Valor ms
probable
Factor
12-21
b. Calcular el beneficio alcanzado si cada uno de los
factores toma su menor valor y los dems toman sus
valores ms probables
Ejemplo para el primer factor: Costos variables
Beneficio = (25-8)*22000 - 175000 = 199000
Luego con su mayor valor
Ejemplo para el primer factor: Costos variables
Beneficio = (25-18)*22000 - 175000 = -21000
Conclusin: Si es un factor con incertidumbre
importante
12-22
Costos Variables
$0
Valor ms
bajo
Valor
ms
alto
Ventas
Costos Fijos
$-100 $100 $200
Anlisis de sensibilidad preliminar
12-23
4. Estimar las distribuciones de probabilidad de
registros pasados. Por ejemplo:
Costos
0
10
20
30
9 11 13 15 17
Costos $
p
r
o
b
a
b
i
l
i
d
a
d

%
Ventas
0
10
20
30
40
12.5 17.5 22.5 27.5
ventas en miles de platos
p
r
o
b
a
b
i
l
i
d
a
d

%
Costos fijos
-10
10
30
50
125 175 225 275
costos fijos $(000)
p
r
o
b
a
b
i
l
i
d
a
d

%
12-24
5. Simulacin.
a. Asignar nmeros de 00 a 99 a cada de las
funciones de distribucin
Por ejemplo: Costos
80 -99 0.2 17
60 - 79 0.2 15
30 - 59 0.3 13
10 - 29 0.2 11
00- 09 0.1 9
No. aleatorios Probabilidad Marca de
clase
5
12-25
80 - 99 0.2 27500
40 79 0.4 22500
10 39 0.3 17500
00- 09 0.1 12500
No. aleatorios Probabilidad Marca de
clase
Ventas
90 - 99 0.1 275000
70 89 0.2 225000
20 69 0.5 175000
00- 19 0.2 125000
No. aleatorios Probabilidad Marca de
clase
Costos
fijos
12-26
b. Simulacin:
Se elige el nmero de eventos que conformarn la
serie a simular. Ejemplo = 500
Para cada evento se generan 3 nmeros aleatorios:
Por ejemplo:
No aleatorio 15, Significa costos: $11
No aleatorio 63, Significa ventas: 22500
No aleatorio 86, Significa costos fijos: $225000
por lo que;
beneficios = (25-11)*22500-225000= $ 90000
De igual forma, se generan otros 499 eventos
12-27
Supngase que al final de la simulacin se obtuvo una serie con
las siguientes caractersticas estadsticas::
500
0.006 3 300000 a 400000
0.068 34 200000 a 300000
0.208 104 100000 a 200000
0.426 213 0 a 100000
0.24 120 100000 a 0
0.052 26 -200000 a 100000
Probabilidad Frec. beneficios $
Beneficio promedio
= $51800
Desviacion estndar =
$99080
beneficios
0
20
40
- 200000 a
100000
100000 a0 0 a 100000 100000a
200000
200000 a
300000
300000 a
400000
beneficios $
p
r
o
b
a
b
i
l
i
d
a
d

%
12-28
6. Anlisis de sensibilidad. Se perturban las funciones de
distribucin y se examina si cambian mucho los resultados
7. Comparar alternativas Se hizo tambin una simulacin
de la alternativa diseo profesional:
beneficios diseo profesional
-10
10
30
50
-300000a
200000
-200000a
100000
100000a0 0a100000 100000a
200000
200000a
300000
300000a
400000
400000a
500000
beneficios $
p
r
o
b
a
b
i
l
i
d
a
d

%
beneficios diseo deportivo
-10
10
30
50
-200000a100000 100000a0 0a100000 100000a200000 200000a300000 300000a400000
beneficios $
p
r
o
b
a
b
i
l
i
d
a
d

%
Beneficios medio: $62000,
s= $163270
Beneficios medio: $51800,
s= $99080
12-29
Distribucin de Probabilidades
0
10
20
30
40
50
-300000a
200000
-200000a
100000
100000a0 0a100000 100000a
200000
200000a
300000
300000a
400000
400000a
500000
beneficios $
p
r
o
b
a
b
i
l
i
d
a
d

%
Diseo deportivo Diseo profesional
12-30
Formas de comparar alternativas:
a. Mejor valor esperado. $62000 mayor que $51800
elige Deportivo
b. Menor desviacin estndar $99080 menor que $163270
elige Profesional
c. Combinando los dos anteriores mayor (valor esperado/
desviacin)
Profesional: 51800 / 99080=0.52 y
Deportivo: 62000 / 163270 =0.38
elige Profesional
6
12-31
Frecuencias acumuladas
0
20
40
60
80
100
120
1 2 3 4 5 6 7 8
Beneficios $
P
o
b
a
b
i
l
i
d
a
d

%
d. Dominancia estocstica de primer grado: cuando una de
las curvas de frecuencias acumuladas es totalmente inferior a
otra, esta domina.
e. Dominancia estocstica de segundo grado: cuando en
un rango domina una alternativa y en otro rango domina la otra,
se escoge la que domine en un tramo de la curva ms largo o
comparando las reas x y y, la que tenga mayor rea sobre ella.
Elige Deportivo
x
y
Diseo deportivo Diseo profesional
12-32
f. Si se tienen ms de dos alternativas se
busca dominacin entre dos criterios:
valor medio y desviacin estndar
12-33
Simulando flujos de caja
Una empresa trata de introducir en el mercado
un producto nuevo. Esto requiere un desembolso
de 70 millones de pesos, cuya cantidad se puede
hacer frente al coste de adquisicin de las nuevas
mquinas, publicidad y lanzamiento.
La capacidad de las nuevas instalaciones es de
20000 unidades de producto por ao, cantidad
que el mercado puede absorber perfectamente.
12-34
0.10 7
0.20 6
0.40 5
0.20 4
0.10 3
Probabilidad Aos de vida
La vida ms probable del producto se estima en 5
aos con la siguiente distribucin de probabilidad:
12-35
El precio de venta del producto tampoco se sabe
con certeza: se dispone de la siguiente
distribucin de probabilidad:
0.25 3500
0.50 3000
0.25 2500
Probabilidad Precio $
12-36
0.2 2000
0.2 1800
0.2 1600
0.2 1400
0.2 1200
Probabilidad Costo variable
unitario $
El coste variable unitario no puede conocerse con
exactitud, dado que la actual coyuntura econmica
es muy cambiante y los precios de los inputs
necesarios para producir el nuevo producto
pueden cambiar con bastante facilidad.
7
12-37
Para el problema y dada la situacin del mercado
financiero se considera aceptable una tasa de
descuento de 5%.
Se requiere conocer el valor medio del VPN y de
la TIR, as como su correspondiente desviacin
estndar.
Hacer 10 simulaciones de flujo de caja,
suponiendo que tanto las ventas como los gastos
se efectan al contado, por lo que el flujo neto
de caja de cada ao se obtiene como:
produccin anual * (precio de venta - coste variable unitario )
12-38
0.10
0.20
0.40
0.20
0.10
Probabilidad
89 -99 7
70 - 89 6
30 - 69 5
10 - 29 4
00 - 09 3
nmeros Aos de vida
Asignacin de nmeros de la ruleta
0.25
0.50
0.25
Probabilidad
75 99 3500
25 - 74 3000
00 - 24 2500
nmeros Precio $
12-39
0.2
0.2
0.2
0.2
0.2
Probabilidad
79 -99 2000
60 - 79 1800
39 - 59 1600
20 - 39 1400
00 - 19 1200
Nmeros Costo variable
unitario $
12-40
Evento 1 de la simulacin:
1800 66 3000 32 4 11
Costo variable # Precio de
venta
# Aos de vida #
24 24 24 24
0 0
-70
0
VPN = $15 102 812
TIR = 13.95 %
Para cada ao= ingresos = 20000*(3000-1800)
=$24 000 000
12-41
Simulacin
Nmero
Nmero
Aleatorio Aos de Vida
Nmero
Aleatorio
Precio de
Venta
Nmero
Aleatorio
Costo Variable
Unitario
Valor Presente
Neto
1 0.1153 4 0.3253 3000 0.6658 1800 15 102 812
2 0.8767 6 0.2619 3000 0.2497 1400 92 422 146
3 0.6401 5 0.7862 4000 0.0505 1200 172 450 694
4 0.8373 6 0.2777 3000 0.0199 1200 112 724 914
5 0.4504 5 0.7082 3000 0.1578 1200 85 861 160
6 0.0633 3 0.9947 4000 0.6028 1800 49 822 913
7 0.0565 3 0.6222 3000 0.9691 2000 -15 535 039
8 0.6075 5 0.0271 2500 0.4761 1600 7 930 580
9 0.2771 4 0.4828 3000 0.8858 2000 919 010
10 0.6416 5 0.6583 3000 0.5597 1600 51 225 347
E(VPN)= 57 292 454
DESV(VPN)= 58 855 206
Las 10 simulaciones:
Hist ograma
0
0.5
1
1.5
2
2.5
25 000
000
100 000
000
0 50 000
000
75000
000
125 000
000
175 000
000
150 000
000
y
mayor...
-25000000
.00%
20.00%
40.00%
60.00%
80.00%
100.00%
120.00%
Frecuencia
%acumulado
12-42
Modelacin de relaciones de dependencia
Hasta ahora se ha asumido que las funciones de
probabilidad son independientes.
Es posible que el valor de algunas variables
dependa de los valores de otras.
Por ejemplo es posible que los costos de
mantenimiento estn relacionados con las
ventas, ya que altas ventas implican altos
niveles de produccin y por lo tanto alto uso de
las mquinas.
8
12-43
Algunos patrones de Dependencia
Variable 1
V
a
r
i
a
b
l
e

2
Dependencia negativa total
Variable 1
V
a
r
i
a
b
l
e

2
Dependencia positiva total
Variable 1
V
a
r
i
a
b
l
e

2
Dependencia negativa difusa
Variable 1
V
a
r
i
a
b
l
e

2
Independencia

12
=1

12
=-1

12
<0

12
=0
12-44
Simulacin de dependencia total
Dos variables con dependencia positiva total
deben ser simuladas con el mismo nmero
aleatorio
Dos variables con dependencia negativa total
deben ser simuladas, una con un nmero
aleatorio y la otra con 1 - ese nmero aleatorio
12-45
Softwares comerciales para
simulacin de Montecarlo
@RISK
Crystall Ball
RiskSim
Entre otros