Anlisis de sensibilidad financiera

Certidumbre
La certidumbre es la condicin en que los individuos son plenamente informados
sobre un problema, las soluciones alternativas son obvias, y son claros los
posibles resultados de cada decisin. En condiciones de certidumbre, la gente
puede al menos prever (si no es que controlar) los hechos y sus resultados. Esta
condicin significa el debido conocimiento y clara definicin tanto del problema
como de las soluciones alternativas. Una vez que un individuo identifica soluciones
alternativas y sus resultados esperados, la toma de la decisin es relativamente
fcil. El responsable de tomar la decisin sencillamente elige la solucin con el
mejor resultado potencial. Por ejemplo, de un agente de compras de una imprenta
se espera que ordene papel de calidad estndar al proveedor que ofrezca el
menor precio y mejor servicio. Por supuesto que generalmente el proceso de toma
de decisiones no es tan simple. Un problema puede tener muchas posibles
soluciones, y calcular los resultados esperados de todas ellas puede ser
extremadamente lento y costos.
La toma de decisiones en condiciones de incertidumbre es la excepcin para la
mayora de los administradores y otros profesionales. Sin embargo, los
administradores de primera lnea toman decisiones diariamente en condiciones de
certidumbre, o casi. Por ejemplo, un apretado programa de produccin puede
obligar a un administrador de primera lnea a pedir a 10 empleados que trabajen
cuatro horas de tiempo extra. El administrador puede determinar el costo de las
horas extras con toda certidumbre. Tambin puede prever con alto grado de
certidumbre el nmero de las unidades adicionales pueden calcularse con casi
absoluta certeza antes de programar las horas extras.

La Incertidumbre
Existe un ambiente de incertidumbre cuando falta el conocimiento seguro y claro
respecto del desenlace o consecuencias futuras de alguna accin, situacin o
elemento patrimonial, lo que puede derivar en riesgo cuando se aprecia la
perspectiva de una contingencia con posibilidad de generar prdidas o la
proximidad de un dao. La incertidumbre supone cuantificar hechos mediante
estimaciones para reducir riesgos futuros, y aunque su estimacin sea difcil no
justificar su falta de informacin. Respecto de los hechos medioambientales esta
dificultad de clculo se debe a:
-La tecnologa implicada en los trabajos de restitucin.
-Continuos cambios en las exigencias normativas.
-Experiencia acumulada en lugares similares.
-Existencia y calidad de los registros relativos a las cantidades y clases de vertidos
realizados.
-Importancia de la contribucin de la empresa en la generacin o vertido de
residuos.
Para su clculo se ha de acudir a expertos, (ingenieros en los casos de limpieza y
a los abogados para el caso de multas y sanciones). Si las responsabilidades no
se van a saldar en un futuro prximo se puede calcular el valor actual, con
tcnicas de descuento cuando el importe de los pagos y su calendario se puedan
fijar de manera fiable, siempre y cuando el valor temporal del dinero sea elevado.
El mtodo escogido se ha de mencionar en la Memoria.

El Riesgo
El riesgo supone un hecho externo al sujeto econmico, que puede acontecer o no
en algn momento determinado. Por lo que el riesgo puede ser contemplado como
elemento de incertidumbre que puede afectar a la actividad empresarial, pudiendo
ser motivado por causas externas o internas a la empresa. Los casos ms
frecuentes que pueden darse en la gestin medioambiental de la empresa seran:

1) En las causas externas que son difcilmente controlables por sta, estaran:
-Los riesgos de mercado. Posibilidad de prdidas por fluctuaciones de precios en
los mercados que puedan experimentar las inversiones que posea debido a las
contingencias medioambientales que presentan stas, las prdidas de mercado
por las actividades contaminantes y publicidad negativa, dificultades en la
obtencin de recursos financieros para acometer las inversiones obligatorias
segn la legislacin medioambiental, o las asociadas a operaciones en moneda
extranjera, o tipos de inters variables.
-Riesgos jurdicos. Surgen como consecuencia de sanciones derivadas de
incumplimiento de la normativa legal en materia medioambiental, por riesgos
ecolgicos no asegurados, o accidentes no cubiertos por seguros o por costes
futuros asociados a las tendencias legales en materia de medio ambiente, como
puede ser la instalacin de mecanismos costosos para adaptarse a la normativa
vigente en materia medioambiental, los motivados por litigios y demandas por
motivos medioambientales o por exigencias laborales.

2) Causas internas que son consecuencia de la propia actividad desarrollada por

la empresa y como ejemplos de estos riesgos estaran los:
-Riesgos de crditos. Aparecen como consecuencia de que los deudores no
paguen sus deudas por comportamiento medioambiental incorrecto.
-Riesgo postventa. Por las garantas otorgadas por la empresa respecto del uso
correcto y libre de averas, durante un cierto tiempo, de los bienes que vende,
entre ellos su comportamiento medioambiental.
-Riesgos operativos. Son los que se derivan de las propias carencias de la entidad
respeto de su organizacin, personal capacitado, medios logsticos para retirada
de

residuos,

falta

de

financiacin

suficiente

para

afrontar

inversiones

medioambientales necesarias, etc.

-Riesgos por responsabilidades. Son los que se derivan de todo tipo de
actuaciones o situaciones en las que se puedan causar daos a terceros que la
empresa

est

obligada

reparar

por

un

incorrecto

comportamiento

medioambiental.
-Otros riesgos. Como pueden ser la obsolescencia de equipos motivada por la
adaptacin a nueva reglamentacin medioambiental, por prdidas de valor en
terrenos por contaminacin, costes de abandono o reconversin de actividades,
obsolescencia medioambiental de materias primas o productos terminados ante
nueva legislacin, etc.

El valor esperado

En teora de la probabilidad, el valor esperado de una variable aleatoria es el

promedio ponderado de todos los posibles valores que esta variable aleatoria
puede asumir. Los coeficientes de ponderacin utilizados en el clculo de este

promedio son probabilidades en el caso de una variable aleatoria discreta, o

valores de una funcin de densidad de probabilidad en el caso de una variable
aleatoria continua. Desde un punto de vista terico riguroso, el valor esperado es
la integral de la variable aleatoria con respecto a su medida de probabilidad.
El valor esperado puede ser entendido intuitivamente por la ley de los grandes
nmeros: el valor esperado, cuando existe, es casi seguro que el lmite de la
media de la muestra, el tamao de la muestra crece hasta el infinito. Ms informal,
se puede interpretar como la media a largo plazo de los resultados de muchas
repeticiones independientes de un experimento. El valor no se puede esperar en el
sentido comn-el "valor esperado" s puede ser difcil o incluso imposible, como es
tambin el caso de la media de la muestra.
El valor esperado no existe para variables aleatorias que tienen algunas
distribuciones con grandes "colas", tales como la distribucin de Cauchy.
El valor esperado es un aspecto clave de cmo se caracteriza a una distribucin
de probabilidad, es un tipo de parmetro de localizacin. Por el contrario, la
varianza es una medida de la dispersin de los valores posibles de la variable
aleatoria alrededor del valor esperado. La diferencia s se define en trminos de
dos expectativas: es el valor esperado de la desviacin al cuadrado del valor de la
variable de valor esperado de la variable.
El valor esperado juega un papel importante en una variedad de contextos. En el
anlisis de regresin, uno desea una frmula en trminos de los datos observados
que le darn una "buena" estimacin del parmetro que da el efecto de una
variable explicativa sobre una variable dependiente. La frmula le dar diferentes
estimaciones utilizando diferentes muestras de datos, por lo que la estimacin que
da es en s misma una variable aleatoria. Una frmula tpicamente se considera
buena en este contexto si se trata de un imparcial es, si el valor esperado de la
estimacin se puede demostrar que ser igual al valor verdadero del parmetro
deseado estimador-que.

En la teora de la decisin, y en particular en la eleccin en condiciones de

incertidumbre, un agente se describe como hacer una eleccin ptima en el
contexto de informacin incompleta. Para los agentes neutrales al riesgo, la
eleccin implica el uso de los valores esperados de cantidades inciertas, mientras
que para los agentes aversos al riesgo que implica maximizar el valor esperado de
una funcin objetiva, como una funcin de utilidad von Neumann-Morgenstern.
Definicin
Variable aleatoria discreta, caso finito
Supongamos variable aleatoria X puede tomar el valor p1 x1 con probabilidad, el
valor de x2 con probabilidad p2, y as sucesivamente, hasta el valor xk con pk
probabilidad. A continuacin, la expectativa de esta variable aleatoria X se define
como
Dado que todas las probabilidades pi aadir hasta uno, el valor esperado puede
ser visto como la media ponderada, con pis siendo los pesos:
Si todos los resultados xi son igualmente probables, a continuacin, la media
ponderada se convierte en el promedio simple. Esto es intuitivo: el valor esperado
de una variable aleatoria es el promedio de todos los valores que puede tomar, por
lo que el valor esperado es lo que uno espera que suceda en promedio. Si los
resultados xi no son igualmente probables, entonces el promedio simple debe ser
reemplazado con el promedio ponderado, que tiene en cuenta el hecho de que
algunos resultados son ms propensos que los otros. La intuicin, sin embargo
sigue siendo el mismo: el valor esperado de X es lo que uno espera que suceda
en promedio.
Ejemplo 1. Sea x el resultado de una tirada de un dado de seis caras. Ms
especficamente, X ser el nmero de pips que muestran en la cara superior de la
matriz despus del lanzamiento. Los valores posibles para X son 1, 2, 3, 4, 5, y 6,
la misma probabilidad. La expectativa de X es

Si uno tira el dado n veces y calcula el promedio de los resultados, a continuacin,

a medida que n crece, la media es casi seguro que convergen al valor esperado,
un hecho conocido como la ley fuerte de los grandes nmeros. Un ejemplo de
secuencia de diez rollos de la matriz es 2, 3, 1, 2, 5, 6, 2, 2, 2, 6, que tiene la
media de 3,1, con la distancia de 0,4 a partir del valor esperado de 3,5 - La
convergencia es relativamente lento: la probabilidad de que la media cae dentro
de la gama de 3,5 0,1 es 21,6% durante diez rollos, 46,1% para un centenar de
rollos y 93,7% por mil rollos. Vase la figura para una ilustracin de los promedios
de las secuencias ms largas de rollos de la matriz y la forma en que convergen
para el valor esperado de 3,5 - Ms en general, la velocidad de convergencia se
puede cuantificar por ejemplo, ms o menos La desigualdad de Chebyshev y el
teorema de Berry-Esseen.
Ejemplo 2. El juego de la ruleta se compone de una pequea bola y una rueda con
38 casillas numeradas en todo el borde. Como se hace girar la rueda, la pelota
rebota al azar hasta que se establece en uno de los bolsillos. Supongamos
variable aleatoria X representa el resultado de una apuesta de $ 1 en un solo
nmero. Si la apuesta gana, el pago es de $ 35, de lo contrario el jugador pierde la
apuesta.

Variables dependientes

Este es el factor manipulado por el investigador y produce uno o ms resultados,

conocidos como variables dependientes. Generalmente, en un experimento no hay
ms de una o dos variables independientes a prueba, de lo contrario, sera difcil
determinar la influencia de cada una sobre los resultados finales.
Puede haber muchas variables dependientes, ya que la manipulacin de la
variable independiente puede influir en muchas cosas.

Por ejemplo, un experimento para probar los efectos de un fertilizante sobre el

crecimiento de una planta podra medir la altura y el nmero y peso promedio de la
fruta producida. Todos estos son factores analizables vlidos, derivados de la
manipulacin de una variable independiente, es decir, la cantidad de fertilizante.
Complejidades posibles de la variable independiente

Variable independiente

El trmino variable independiente es a veces una fuente de confusin, ya que

muchos suponen que su nombre deriva de que la variable es independiente de
cualquier manipulacin.
El nombre se debe a que la variable es aislada de cualquier otro factor, lo que
permite la manipulacin experimental para establecer resultados analizables.
Algunos artculos de investigacin parecen aportar resultados por medio de la
manipulacin de ms de una variable experimental, pero esto suele estar errado.
Es probable que cada variable manipulada sea un experimento en s mismo, una
zona en donde las palabras "experimento" e "investigacin" difieren. Simplemente
es ms conveniente para el investigador unirlos en un solo artculo y discutir los
resultados generales.
El investigador botnico tambin podra estudiar los efectos de la temperatura o de
la cantidad de agua sobre el crecimiento, pero estos estudios deberan ser
realizados como experimentos separados y la conclusin y discusin se uniran al
final.
Ejemplos de variables independientes

Un buen ejemplo de un experimento con variables experimentales fcilmente

definidas es el famoso Experimento de la planta de guisante de Mendel.
El monje austriaco realiz una polinizacin cruzada de plantas de guisantes para
establecer qu caractersticas eran pasadas de generacin en generacin. En este
caso, la caracterstica hereditaria de la planta madre fue la variable independiente.
Por ejemplo, cuando las plantas con vainas verdes se cruzaron con plantas con
vainas amarillas, el color de la vaina era la variable independiente.
En el Experimento del mueco Bobo de Bandura, si los nios estaban expuestos a
un adulto agresivo o a un adulto pasivo era la variable independiente.
Este experimento es un ejemplo perfecto de cmo el concepto de variables
experimentales puede llegar a ser un poco ms complejo. Tambin estudi las
diferencias entre nios y nias, con el gnero como la variable independiente. Sin
duda, aqu se rompi la regla de tener una sola variable manipulada.
De hecho, este es un excelente ejemplo de la realizacin de muchos experimentos
al mismo tiempo. Si estudias detenidamente la estructura del diseo de
investigacin, vers que el Experimento del mueco Bobo se debera haber
llamado los Experimentos del mueco Bobo.
En realidad se trata de cuatro experimentos, cada uno con su propia hiptesis y
variables,

ejecutados

simultneamente.

Hubiera

sido

costoso,

posiblemente poco tico, poner a prueba a los nios cuatro veces y si se hubieran
utilizado los mismos nios cada vez, su comportamiento podra haber cambiado
con la repeticin.
Un diseo cuidadoso permiti a Bandura probar diferentes hiptesis en el marco
de la misma investigacin.
En

cualquier

experimento

real,

un

investigador

manipula

independiente para influir en una o varias variables dependientes.

una

variable

Un experimento

bien

diseado normalmente

incluye

una

dos variables

independientes y todos los dems factores posibles son eliminados o controlados.

En cualquier experimento puede haber ms de dos variables dependientes.
Por ejemplo, un investigador podra desean establecer el efecto de la temperatura
sobre la tasa de crecimiento de una planta. La temperatura es la variable
independiente. Se podra considerar el crecimiento como la altura, el peso, el
nmero de frutas producidas o todos ellos. A partir de una variable independiente
surge una amplia gama de variables dependientes.
En cualquier diseo experimental, el investigador debe determinar que existe una
clara relacin de causalidad entre la variable independiente y la dependiente.
Esto reduce el riesgo de "errores de correlacin y causalidad". Las variables
controladas son utilizadas para reducir la posibilidad de que otros factores
produzcan cambios en la variable dependiente, conocidos como variables de
confusin.
En el ejemplo anterior, todas las plantas deben recibir la misma cantidad de agua.
De lo contrario, este factor podra esconder cualquier vnculo entre la temperatura
y el crecimiento.
La relacin entre la variable independiente y la variable dependiente es la base de
la mayora de las pruebas estadsticas, que establecen si existe una verdadera
correlacin entre

las

dos.

Los resultados de

estas

pruebas

permitirn

al

investigador aceptar o rechazar la hiptesis nula y sacar conclusiones.

En

cualquier

experimento

real,

un

investigador

manipula

una

variable

independiente para influir en una o varias variables dependientes.

Un experimento

bien

diseado normalmente

incluye

una

dos variables

independientes y todos los dems factores posibles son eliminados o controlados.

En cualquier experimento puede haber ms de dos variables dependientes.

Por ejemplo, un investigador podra desean establecer el efecto de la temperatura

sobre la tasa de crecimiento de una planta. La temperatura es la variable
independiente. Se podra considerar el crecimiento como la altura, el peso, el
nmero de frutas producidas o todos ellos. A partir de una variable independiente
surge una amplia gama de variables dependientes.
En cualquier diseo experimental, el investigador debe determinar que existe una
clara relacin de causalidad entre la variable independiente y la dependiente.
Esto reduce el riesgo de "errores de correlacin y causalidad". Las variables
controladas son utilizadas para reducir la posibilidad de que otros factores
produzcan cambios en la variable dependiente, conocidos como variables de
confusin.
En el ejemplo anterior, todas las plantas deben recibir la misma cantidad de agua.
De lo contrario, este factor podra esconder cualquier vnculo entre la temperatura
y el crecimiento.
La relacin entre la variable independiente y la variable dependiente es la base de
la mayora de las pruebas estadsticas, que establecen si existe una verdadera
correlacin entre

las

dos.

Los resultados de

estas

pruebas

permitirn

al

investigador aceptar o rechazar la hiptesis nula y sacar conclusiones.

rbol de decisin

Un rbol de decisin es un modelo de prediccin utilizado en el mbito de

la inteligencia artificial. Dada una base de datos se construyen diagramas de
construcciones lgicas, muy similares a los sistemas de prediccin basados en
reglas, que sirven para representar y categorizar una serie de condiciones que
ocurren de forma sucesiva, para la resolucin de un problema.

Un rbol de decisin tiene unas entradas las cuales pueden ser un objeto o una
situacin descrita por medio de un conjunto de atributos y a partir de esto devuelve
una respuesta la cual en ltimas es una decisin que es tomada a partir de las
entradas. Los valores que pueden tomar las entradas y las salidas pueden ser
valores discretos o continuos. Se utilizan ms los valores discretos por simplicidad,
cuando se utilizan valores discretos en las funciones de una aplicacin se
denomina clasificacin y cuando se utilizan los continuos se denomina regresin.
Un rbol de decisin lleva a cabo un test a medida que este se recorre hacia las
hojas para alcanzar as una decisin. El rbol de decisin suele contener nodos
internos, nodos de probabilidad, nodos hojas y arcos. Un nodo interno contiene un
test sobre algn valor de una de las propiedades. Un nodo de probabilidad indica
que debe ocurrir un evento aleatorio de acuerdo a la naturaleza del problema, este
tipo de nodos es redondo, los dems son cuadrados. Un nodo hoja representa el
valor que devolver el rbol de decisin y finalmente las ramas brindan los
posibles caminos que se tienen de acuerdo a la decisin tomada.
En el diseo de aplicaciones informticas, un rbol de decisin indica las acciones
a realizar en funcin del valor de una o varias variables. Es una representacin en
forma de rbol cuyas ramas se bifurcan en funcin de los valores tomados por las
variables y que terminan en una accin concreta. Se suele utilizar cuando el
nmero de condiciones no es muy grande (en tal caso, es mejor utilizar una tabla
de decisin).

rbol de decisin
De forma ms concreta, refirindonos al mbito empresarial, podemos decir que
los rboles de decisin son diagramas de decisiones secuenciales nos muestran
sus posibles resultados. stos ayudan a las empresas a determinar cules son
sus opciones al mostrarles las distintas decisiones y sus resultados. La opcin que
evita una prdida o produce un beneficio extra tiene un valor. La habilidad de crear
una opcin, por lo tanto, tiene un valor que puede ser comprado o vendido. El
riesgo supone un hecho externo al sujeto econmico, que puede acontecer o no
en algn momento determinado. Por lo que el riesgo puede ser contemplado como
elemento de incertidumbre que puede afectar a la actividad empresarial, pudiendo
ser motivado por causas externas o internas a la empresa.

Conclusin
En el anlisis de sensibilidad financiera se ocupan diferentes conceptos la
incertidumbre vara para cada sujeto y para cada actividad a desarrollar. Esta
diferencia cualitativa y cuantitativa de intensidad de la incertidumbre se encuentra
relacionada con el grado de informacin e identificacin del problema. La nica
forma de reducir el riesgo o al menos sus consecuencias, se consigue mediante
su identificacin lo ms clara posible, lo que permite poner en marcha todas
aquellas acciones necesarias para intentar anularlos o minimizarlos con el uso de
los conocimientos y de las tcnicas que han servido para convertir, en algn
grado, los riesgos en previsibles. Por lo que riesgo tambin se puede definir
como la valoracin econmica de la incertidumbre.
De forma ms concreta, refirindonos al mbito empresarial, podemos decir que
los rboles de decisin son diagramas de decisiones secuenciales nos muestran
sus posibles resultados. stos ayudan a las empresas a determinar cules son
sus opciones al mostrarles las distintas decisiones y sus resultados

Bibliografa
[1] Pellerejo Castillo, M Pilar. (1996). Hechos futuros: Un estudio de su registro y
valoracin contable. Tcnica Contable. n 568, abril. Pag. 234-235.
[2] AECA. (1988). Provisiones, contingencias y acontecimiento posteriores al cierre
de los estados financieros. Pag. 27.

[3] Martnez Churiaque, Jos Ignacio. (1985). Contabilidad y contingencias

empresariales. Revista Espaola de Financiacin y Contabilidad. N 46,
enero/abril. Pag. 159.
http://centrodeartigo.com/articulos-noticias-consejos/article_138319.html

https://explorable.com/es/variable-independiente