Clase 3 gir

383 views
333 views

Published on

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
383
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
16
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Clase 3 gir

  1. 1. GESTION INTEGRAL DE RIESGOS<br />
  2. 2. GESTION INTEGRAL DE RIESGOS<br />
  3. 3. Gestion integral de riesgos<br />
  4. 4. Gestion integral de riesgos<br />
  5. 5. Gestion integral de riesgos<br />
  6. 6. Gestion integral de riesgos<br />
  7. 7. GESTION INTEGRAL DE RIESGOS<br />
  8. 8. Gestion integral de riesgos<br />
  9. 9. GESTION INTEGRAL DE RIESGOS<br />
  10. 10. Gestion integral de riesgos<br />
  11. 11. GESTION INTEGRAL DE RIESGOS<br />
  12. 12. GESTION INTEGRAL DE RIESGOS<br />
  13. 13. GESTION INTEGRAL DE RIESGOS<br />
  14. 14. GESTION INTEGRAL DE RIESGOS<br />
  15. 15. GESTION INTEGRAL DE RIESGOS<br />μ= Promedio de la población<br />Σx= Suma de valores de la población<br />N= Tamaño de la población<br />
  16. 16. GESTION INTEGRAL DE RIESGOS<br />
  17. 17. GESTION INTEGRAL DE RIESGOS<br />X = Σx / n<br />Donde :<br />X = Promedio de la muestra<br />Σx = Suma de los valores que puede tomar la muestra<br />n = Tamaño de la muestra<br />En nuestra muestra 34/12 = 2.8 hijos.<br />Letras Griegas y mayúsculas = Población<br />Letras minúsculas = muestra<br />
  18. 18. GESTION INTEGRAL DE RIESGOS<br />Evaluar proceso de ensayo y error<br />Condiciones Incertidumbre<br />Lanzar un dado, escoger carta al azar<br />Crecimiento económico, duración temporada de lluvias<br />Promedio - Valor Esperado (E(r))<br />Media o esperanza matemática<br />Evaluar diferentes escenarios<br />Promedio ponderado del conjunto de escenarios que se pueden definir para la situación analizada, ya sean éxito o fracaso<br />
  19. 19. GESTION INTEGRAL DE RIESGOS<br /> n<br />E (r)=Σ hі rі<br />і=1<br />Donde: E(r) = Valor esperado de las ocurrencias<br />hi= Probabilidad de las diferentes ocurrencias ri<br />ri= Valor de las ocurrencias i<br />
  20. 20. GESTION INTEGRAL DE RIESGOS<br />
  21. 21. GESTION INTEGRAL DE RIESGOS<br />ESTA MEDIDA ES LA MAS IMPORTANTE EN LO QUE RESPECTA A LA MEDICION EN CONDICIONES DE INCERTIDUMBRE<br />
  22. 22. GESTION INTEGRAL DE RIESGOS<br />No debemos olvidar que el Valor Esperado es un promedio, sirve como indicador, que a veces no representa la realidad, se puede malinterpretar<br />60 años<br />
  23. 23. GESTION INTEGRAL DE REISGOS<br />Al evaluar proyectos utilizando Valor Esperado, no debe perderse de vista que se trata establecer la ruta media de lo que puede ocurrir en medio de la incertidumbre<br />Facilita el proceso mental que nos lleva a decidir cual es la mejor alternativa a seguir en determinadas circunstancias <br />
  24. 24. GESTION INTEGRAL DE RIESGOS<br />
  25. 25. GESTION INTEGRAL DE RIESGOS<br />La medida de dicha variabilidad<br />√ = es la desviación estándar <br />VARIANZA<br />σ = Desviación estándar de las ocurrencias<br />X = Valor que toma la ocurrencia<br />μ = Media de la población<br />N = Numero de ocurrencias <br />σ = √Σ(x-μ)2<br />N<br />
  26. 26. GESTION INTEGRAL DE RIESGOS<br />En el caso de la Desviación Estándar de la<br />Muestra, esta tiene un tratamiento diferente<br />dado que por tratarse de ensayos que poseen<br />algún grado de diferencia con la realidad, la<br />métrica siempre presentaría valores por encima<br />de lo real, razón por la cuál se debe corregir<br />considerando los grados de libertad.<br />
  27. 27. GESTION INTEGRAL DE RIESGOS<br />S = √Σ (X-X)<br />S = Desviación estándar de la muestra<br />x = Valor que toma la ocurrencia<br />n = Número de muestras o ensayos<br />X = Promedio de la muestra<br />2<br />N-1<br />
  28. 28. GESTION INTEGRAL DE RIESGOS<br />Madres numero de hijos.<br />Grados de libertad = # de datos libres, no pueden deducirse de los otros, incorporan información única<br />La muestra 12 valores – 12 grados de libertad, independientes. Sin embargo para desviación estándar se usa promedio de la muestra (2,83), que genera un error, si la media es 3, error 0.17 en el computo de cada (X-promedio) para cada valor = valor desviación estándar diferente al real<br />Se corrige el calculo de la desviación estándar dividiéndolo por el numero de grados de libertad, en este caso 11. Cuando se usa muestra como referente estadístico de población, se pierde un grado de libertad en los cálculos <br />
  29. 29. GESTION INTEGRAL DE RIESGOS<br />Desviación Estándar de la conjugación de varios escenarios o procesos de ensayo y error<br />Donde:<br />σ(r) = Desviación estándar<br />h = Probabilidad de las diferentes ocurrencias r<br />r = Valor de las ocurrencias i<br />E (r) = Valor esperado de las ocurrencias<br />σ (r)= √Σ h [ r - E (r) ]<br />n<br />2<br />i<br />i=1<br />i<br />i<br />i<br />
  30. 30. GESTION INTEGRAL DE RIESGOS<br />.<br />La desviación estándar como métrica por si sola carece de sentido si no se compara con otra medida o factor como el valor esperado<br />Ya que el resultado obtenido es un #, que difícilmente explica por si mismo la incertidumbre asociada a una situación particular<br />Se han ideado medidas complementarias para definir el riesgo, tales como el coeficiente de variación o el valor en riesgo (VaR) permitiendo expresar en forma mas lógica<br />La INCERTIDUMBRE y sus 2 componentes:<br />RIESGO <br />OPORTUNIDAD<br />
  31. 31. GESTION INTEGRAL DE RIESGOS<br />VER EJEMPLO 1.1<br />
  32. 32. GESTION INTEGRAL DE RIESGOS<br />Razón entre desviación estándar y Valor Monetario Esperado<br />COEFICIENTE DE VARIACION<br />Facilitar la comprensión de la dispersión de los flujos de caja libre<br />Es de gran utilidad para incorporar la magnitud del valor esperado al calculo de la desviación estándar<br />Permite comparar proyectos entre si<br />
  33. 33. GESTION INTEGRAL DE RIESGOS<br />
  34. 34. GESTION INTEGRAL DE REISGOS<br />EJEMPLO 1.2<br /> Que pasa si el flujo de caja proyecto B es 70.000 con la misma probabilidad de ocurrencia? Es mas riesgoso? Cual es la diferencia en el riesgo de los proyectos B y D?<br />EJEMPLO 1.3<br />Se presentan las diferencias en el valor percibido para 4 esquemas de financiamiento de un prospecto exploratorio. Uso del criterio de valor esperado para presentar las alternativas<br />
  35. 35. GESTION INTEGRAL DE RIESGOS<br />Funciones de Distribución:<br />Moda= 2<br />
  36. 36. GESTION INTEGRAL RIESGOS<br />Para representar las diferentes posibilidades de un evento<br />Nos valemos de graficas del comportamiento de la variable aleatoria<br />Ilustrar los conceptos de riesgo, oportunidad e incertidumbre<br />FUNCIONES DE DISTRIBUCION<br />Son representaciones matemáticas que relacionan las posibilidades de un evento con su probabilidad de ocurrencia<br />Continuas: Infinito numero de valores.<br />Discretas: Finito numero de ocurrencias en un rango<br />
  37. 37. GESTION INTEGRAL DE RIESGOS<br />Ejemplo 1.4<br />Se construye una función de distribución de las diferentes probabilidades. <br />
  38. 38. GESTION INTEGRAL DE RIESGOS<br />Para construir grafica de distribución, se necesita calcular frecuencia relativa.<br />Ejemplo. Espesor neto de la formación productora en un campo petrolero.<br />Se muestra calculo frecuencia relativa. Distribución continua, infinito numero <br />de posibilidades entre el rango mínimo de 10 y máximo de 150:<br />
  39. 39. GESTION INTEGRAL DE RIESGOS<br />
  40. 40. GESTION INTEGRAL DE RIESGOS<br />Con la información organizada de esta forma es posible construir un diagrama de distribución de frecuencia acumulada muy útil para determinar la probabilidad de ocurrencia de un evento.<br />
  41. 41. GESTION INTEGRAL DE RIESGOS<br />A los diferentes valores de la distribución acumulada, ordenada y homogénea en cuanto a tamaño se le conoce como CUANTILES. Los mas utilizados son , cuartiles, deciles y percentiles, que dividen en 4, 10 y 100 partes respectivamente.<br />
  42. 42. GESTION INTEGRAL DE RIESGOS<br />
  43. 43. GESTION INTEGRAL DE RIESGOS<br />Ejemplo 1.5<br />Excel construye histogramas de frecuencia para situaciones especificas de forma practica y sencilla.<br />
  44. 44. GESTION INTEGRAL DE RIESGOS<br />PRUEBAS DE BONDAD Y AJUSTE:<br />1<br />Ideal pero no el mas común. Programas de computador como el Crystall Ball <br />
  45. 45. GESTION INTEGRAL DE RIESGOS<br />Comparan los datos disponibles con una distribución de probabilidad estándar mediante el calculo del factor de ajuste, denominado P<br />
  46. 46. GESTION INTEGRAL DE RIESGOS<br />Si el valor calculado es inferior al teórico, el ajuste es bueno y se acepta la prueba<br />
  47. 47. GESTION INTEGRAL DE RIESGOS<br />Cálculos de rentabilidad de un proyecto o tiempo estimado de finalización<br />
  48. 48. GESTION INTEGRAL DE RIESGOS<br />Ejemplo 1.7<br />
  49. 49. GESTION INTEGRAL DE RIESGOS<br />HISTOGRAMAS<br />Los resultados se aproximen de la mejor manera posible a la población<br />
  50. 50. GESTION INTEGRAL DE RIESGOS<br />ANALISIS DE CORRELACION:<br />Flujo de caja de 2 proyectos<br />
  51. 51. GESTION INTEGRAL DE RIESGOS<br />Cov = Σ[ r – r ] [ r – r ]<br />ai<br />a<br />bi<br />b<br />n- 1<br />
  52. 52. GESTION INTEGRAL DE RIESGOS<br />Donde:<br />Cov = Covarianza entre los valores de las variables a y b<br />rai = Valor de la variable aleatoria a<br />ra = Promedio de la variable ra<br />rbi = Valor de la variable aleatoria b<br />rb = Promedio de la variable rb<br />n = Tamaño de la muestra<br />
  53. 53. GESTION INTEGRAL DE RIESGOS<br />
  54. 54. GESTION INTEGRAL DE RIESGOS<br />La sumatoria de diferentes incertidumbres independientemente de su forma<br />Se presenta con gran frecuencia, ya que por la sumatoria del límite central<br />Resultado distribución de este tipo<br />
  55. 55. GESTIOIN INTEGRAL DE RIESGOS<br />Distribución Normal<br />F(x)<br />Media= Moda= Mediana<br />VARIABLE ALEATORIA (X)<br />
  56. 56. GESTION INTEGRAL DE RIESGOS<br />Z = Valor de la variable aleatoria estándar<br />X = Valor de la variable aleatoria<br />μ = Valor esperado de la variable aleatoria<br />Z= x - μ<br />σ<br />σ = Desviación estándar de la variable aleatoria<br />
  57. 57. GESTION INTEGRAL DE RIESGOS<br />
  58. 58. GESTION INTEGRAL DE RIESGOS<br />Se utiliza en la determinación de intervalos de confianza en un muestreo cuando se tiene una muestra de tamaño pequeño, y se puede asumir que la población investigada esta normalmente distribuida<br />Se requiere conocer los grados de libertad de los datos obtenidos<br />
  59. 59. GESTION INTEGRAL DE RIESGOS<br />
  60. 60. GESTION INTEGRAL DE RIESGOS<br />VARIABLE ALEATORIA (X)<br />
  61. 61. GESTION INTEGRAL DE RIESGOS<br />Los parámetros se calculan de igual forma a la distribución normal<br />Excel = Distr.Log.Norm(x,m,s).<br />
  62. 62. GESTION INTEGRAL DE RIESGOS<br />Distribución continua que describe una variable aleatoria en la que cualquier valor tiene la misma probabilidad de ocurrencia tanto en el limite inferior como en el superior. Es útil cuando se puede especificar solo un valor mínimo y uno máximo. La forma de distribución se presenta como una línea recta. Se utiliza muy raramente, ya que es difícil imaginar una situación que pueda describirse con este tipoi de distribución<br />
  63. 63. GESTION INTEGRAL DE RIESGOS<br />Distribución Uniforme<br />F(x)<br />X Mínimo X Máximo<br />Variable aleatoria (x)<br />

×