26-04-2017

RIESGO E
INCERTIDUMBRE

JOSEF CANTIN ARAYA

INCERTIDUMBRE: es no saber el resultado.

RIESGO: es conocer las probabilidades de los
resultados.

Causas de mayor o menor riesgo o incertidumbre:

Sesgo de la información (persona aversa, propensa o
neutra al riesgo).

Entorno económico cambiante.

Errores en la interpretación de la información.

Capacidad de gestión del jefe de proyecto.

Obsolescencia.

JOSEF CANTIN ARAYA

RIESGO E INCERTIDUMBRE EN LOS PROYECTOS

Los supuestos son:
• Respecto al crecimiento de la población.
• Respecto de la Demanda.
• Respecto de la Oferta.
• Relacionados con la Tecnología.
• Relacionados con usos y Costumbres.
• Acerca de la disponibilidad de los Insumos.
• Acerca del Impacto Ambiental.
• Estimación de los Costos.
• Estimación de los Beneficios.
• Plazo de Construcción.
• Etc., etc., etc.

SUPUESTOS RIESGOS

JOSEF CANTIN ARAYA

1
 26-04-2017

CLASIFICACIÓN DE RIESGO E
INCERTIDUMBRE EN PROYECTOS

• RIESGO DE TERMINACIÓN
• RIESGO TECNOLÓGICO
• RIESGO EN SUMINISTROS
• RIESGO POLÍTICO SOCIAL
• RIESGO ECONÓMICO
• RIESGO FINANCIERO
• RIESGO DE FUERZA MAYOR
• RIESGO CAUSADO POR EL PROYECTO

JOSEF CANTIN ARAYA

INCERTIDUMBRE

JOSEF CANTIN ARAYA

MATRIZ DE DECISIÓN
Estados de la Naturaleza: variables que no se puede
modificar y situaciones en las que se puede encontrar.

Estrategias: son las acciones que evaluare ante el estado de la naturaleza.

JOSEF CANTIN ARAYA

2
 26-04-2017

INCERTIDUMBRE

1. Criterio de WALD (Maximin o Minimax).

2. Criterio Optimista (Maximax o Minimin).
3. Criterio de Laplace.
4. Criterio de Hurwicz.
5. Criterio de Savage.

JOSEF CANTIN ARAYA

Criterio de WALD: Seleccionar la alternativa que

garantice el máximo de los resultados mínimos.

Así:
• El decisor piensa que tome la alternativa que tome,
sucederá lo peor para él.
• Se determina el resultado más desfavorable con cada
estrategia.
• Se selecciona la estrategia que ofrece el más favorable
de todos los determinados.

max min ‫ݔ‬௠௡

௡ ௠

JOSEF CANTIN ARAYA

Criterio OPTIMISTA: Seleccionar la alternativa que

garantice el máximo de los resultados máximos.

Así:
• El decisor piensa que con alternativa que tome,
sucederá lo mejor para él.
• Se determina el resultado más favorable con cada
estrategia. Se selecciona la estrategia que ofrece el
más favorable de todos.

max max ‫ݔ‬௠௡

௡ ௠

JOSEF CANTIN ARAYA

3
 26-04-2017

Criterio LAPLACE: considerar las situaciones

equiprobables.

Así:
• Desconocemos las probabilidades de cada estado de
la naturaleza.
• Asumimos que todos son equiprobables.
• Calculamos las medias aritméticas de cada alternativa
y elegimos aquella con valor medio más favorable.

௡ ௡
1 1
ܽ௜ = ෍ ‫ݔ‬௜௝ ܽ௞ = max ෍ ‫ݔ‬௜௝
݊ ଵஸ௞ஸ௠ ݊
௝ୀଵ ௝ୀଵ

JOSEF CANTIN ARAYA

Criterio HURWICZ: Se establece un coeficiente de

ponderación que mide el nivel de optimismo del decidor
y se sintetizan así los métodos pesimista y optimista.

Así:
• Se basa en los criterios de los resultados optimista y
pesimista.
• Introduce un coeficiente de optimismo “a”
comprendido entre 0 y 1.
• El coeficiente de pesimismo es “1-a”
• Para cada alternativa se calcula:
‫ܪ‬௜ = ܽ × ݆݉݁‫ݎ݋‬௜ + (1 − ܽ) × ‫ݎ݋݁݌‬௜
• Se toma la alternativa con Hi más favorable.

JOSEF CANTIN ARAYA

Criterio SAVAGE: Seleccionar la alternativa que garantice

el mínimo coste de oportunidad.

Así:
• Conocido como “mínimo pesar”.
• El decisor tiene aversión de arrepentirse si se equivoca
en la alternativa.
• Se ha de construir la matriz de pesares.
• Para cada columna se toma la matriz de mejor opción.
• Cada elemento de la columna se calcula como
diferencia entre el valor del caso y la mejor opción, que
sería nuestro pesar.

‫ݎ‬௜௝ = max ‫ݔ‬௞௝ − ‫ݔ‬௜௝ ߩ௜ = max ‫ݔ‬௜௡

ଵஸ௞ஸ௜ ଵஸ௡ஸ௝

JOSEF CANTIN ARAYA

4
 26-04-2017

EJEMPLO

JOSEF CANTIN ARAYA

EJEMPLO: WALD

JOSEF CANTIN ARAYA

EJEMPLO: OPTIMISTA

JOSEF CANTIN ARAYA

5
 26-04-2017

EJEMPLO: LAPLACE

JOSEF CANTIN ARAYA

EJEMPLO: SAVAGE

Savage selecciona el 5 porque proporciona la menor de

las perdidas relativas formada por los elementos {5,5,8}

JOSEF CANTIN ARAYA

Mayor valor
Menor valor

Esperado
Esperado
CRITERIO DE HURWICZ

6 6
II
4 4
III
2 2
I
0 0

-2 -2

-4 -4

0 0.25 0.5 0.75 1

JOSEF CANTIN ARAYA

6
 26-04-2017

CONTRA EJEMPLO
SAVAGE

E E
E1 E2 E1 E2
A A
A1 9 2 A1 0 4
A2 4 6 A2 5 0

E E
E1 E2 E1 E2
A A
A1 9 2 A1 0 7
A2 4 6 A2 5 3
A3 3 9 A3 6 0

JOSEF CANTIN ARAYA

INCERTIDUMBRE
CRITERIO BAYES

JOSEF CANTIN ARAYA

EJEMPLO
El señor X ha heredado US$ 1.000. Él ha decidido invertir su dinero por
un año. Un inversionista le ha sugerido cinco inversiones posibles: oro,
bonos, negocio en desarrollo, certificado de depósito y acciones. El
señor X debe decidir cuanto invertir en cada opción.
La siguiente tabla representa las ganancias que obtendría para cada
escenario posible de comportamiento del mercado.

MATRIZ DE GANANCIAS
ESTADOS DE LA NATURALEZA
ALTERN. MEDIANA SIN PEQUEÑA
GRAN ALZA GRAN BAJA
ALZA CAMBIOS BAJA
ORO -$ 100 $ 100 $ 200 $ 300 $0
BONOS $ 250 $ 200 $ 150 -$ 100 -$ 150
NEGOCIOS $ 500 $ 250 $ 100 -$ 200 -$ 600
DEPÓSITOS $ 60 $ 60 $ 60 $ 60 $ 60
ACCIONES $ 200 $ 150 $ 150 -$ 200 -$ 150

JOSEF CANTIN ARAYA

7
 26-04-2017

MATRIZ DE GANANCIAS
ESTADOS DE LA NATURALEZA
ALTERN. MEDIANA SIN PEQUEÑA
GRAN ALZA GRAN BAJA
ALZA CAMBIOS BAJA
ORO -$ 100 $ 100 $ 200 $ 300 $0
BONOS $ 250 $ 200 $ 150 -$ 100 -$ 150
NEGOCIOS $ 500 $ 250 $ 100 -$ 200 -$ 600
DEPÓSITOS $ 60 $ 60 $ 60 $ 60 $ 60
ACCIONES $ 200 $ 150 $ 150 -$ 200 -$ 150

HURWICZ
ALTERN. MAXIMIN MINIMAX LAPLACE SAVAGE
α=0,5

ORO -$ 100 $ 300 $ 100 $ 100 $ 600

BONOS -$ 150 $ 250 $ 70 $ 50 $ 400
NEGOCIOS -$ 600 $ 500 $ 10 -$ 50 $ 660
DEPÓSITOS $ 60 $ 60 $ 60 $ 60 $ 440
ACCIONES -$ 200 $ 200 $ 30 $0 $ 500

JOSEF CANTIN ARAYA

¿Qué pasa si, para cada uno de los estados de la naturaleza, conocemos
su probabilidad de ocurrencia?
MATRIZ DE GANANCIAS
ESTADOS DE LA NATURALEZA
ALTERN. GRAN MEDIANA SIN PEQUEÑA
GRAN BAJA
ALZA ALZA CAMBIOS BAJA
ORO -$ 100 $ 100 $ 200 $ 300 $0
BONOS $ 250 $ 200 $ 150 -$ 100 -$ 150
NEGOCIOS $ 500 $ 250 $ 100 -$ 200 -$ 600
DEPÓSITOS $ 60 $ 60 $ 60 $ 60 $ 60
ACCIONES $ 200 $ 150 $ 150 -$ 200 -$ 150
Probabilidad 0,2 0,3 0,3 0,1 0,1

HURWICS GANANCIA
ALTERN. MAXIMIN MINIMAX LAPLACE SAVAGE
α=0,5 ESPERADA

ORO -$ 100 $ 300 $ 100 $ 100 $ 600 $ 100

BONOS -$ 150 $ 250 $ 70 $ 50 $ 400 $ 130
NEGOCIOS -$ 600 $ 500 $ 10 -$ 50 $ 660 $ 125
DEPÓSITOS $ 60 $ 60 $ 60 $ 60 $ 440 $ 60
ACCIONES -$ 200 $ 200 $ 30 $0 $ 500 $ 95

JOSEF CANTIN ARAYA

Función de Utilidad = U (Xi) = E (Xi) – a * σx

a: coeficiente indicativo de temor al riesgo. Así:

a→1 Mayor aversió n al Riesgo. El inversor presenta un perMil má s conservador
a →0 Poca aversió n al Riesgo. El inversor presenta un perMil má s arriesgado.

Solución

a=15%

JOSEF CANTIN ARAYA

8
 26-04-2017

RIESGO

JOSEF CANTIN ARAYA

CRITERIOS DE DECISIÓN

• Criterio de Dominación o Descarte.

• Criterio de Nivel Objetivo.
• Criterio de Futuro más Probable.
• Criterio de Valor Esperado.
• Criterio de Esperanza-Varianza
(Método de Equivalente-Cierto)
• Árboles de Decisión.

JOSEF CANTIN ARAYA

ÁRBOLES DE DECISIÓN
Un árbol de decisión es una forma gráfica y analítica de
representar todos los eventos o sucesos, los cuales pueden
surgir a partir de una decisión asumida en cierto
momento.
Nos ayudan a tomar la decisión “más acertada”, desde un
punto de vista probabilístico, ante un abanico de posibles
decisiones.

Permite desplegar visualmente un

problema y organizar el trabajo de
cálculos que se deben realizar.

JOSEF CANTIN ARAYA

9
 26-04-2017

TERMINOLOGÍA

Nodo de Decisión, indica que una decisión se

necesita tomar en ese punto del proceso. Su
representación es un cuadrado.

Nodo de Probabilidad, indica que en ese punto del

proceso ocurre un evento aleatorio (estado de la
naturaleza). Su representación es un círculo.

Rama, nos muestra los distintos posibles caminos que

se pueden emprender, dado que tomamos una decisión
u ocurre algún evento aleatorio.

JOSEF CANTIN ARAYA

GRAFICAMENTE

Acción 3
Nodo de Decisión
p Consecuencia 1.1

Acción 4
Acción 1
p Consecuencia 1.2

p Consecuencia 2.1

Acción 2

p Consecuencia 2.2
Nodo de
Probabilidad

Probabilidad

JOSEF CANTIN ARAYA

PASOS PARA EL ANÁLISIS

1. Definir el Problema.
2. Dibujar el Árbol de Decisión.
3. Asignar probabilidades a los eventos aleatorios.
4. Estimar los resultados para cada combinación
posible de alternativas.
5. Resolver el problema obtenido, como solución es la
ruta que proporcione la política óptima.

JOSEF CANTIN ARAYA

10
 26-04-2017

EJEMPLO 1

Una Compañía de Seguros nos ofrece una indemnización

de $ 210.000 por un accidente. Si no aceptamos la oferta y
decidimos ir a Juicio se podría obtener $ 185.000,
$ 415.000 ó $ 580.000, dependiendo de los alegatos que el
Juez considere aceptables. Si perdemos el Juicio debemos
pagar las costas que ascienden a $ 30.000.

Sabiendo que el 70% de los Juicios se gana y, de éstos, en el

50% se obtiene la menor indemnización, en el 30% la
intermedia y en el 20% la más alta, ¿Cuál es la estrategia a
seguir?

JOSEF CANTIN ARAYA

SOLUCIÓN

Alta p=20% $ 580.000.-

$ 333.000.-
Intermedia p=30%
$ 415.000.-

Ganar p=70%
$ 224.100.- Menor p=50% $ 185.000.-

Ir a Juicio
Perder p=30%
( $ 30.000.- )

No ir a Juicio $ 210.000.-

JOSEF CANTIN ARAYA

EJEMPLO 2
R
R1: Petróleo R2: Seco
A

A1: Perforar $ 700.000 ($ 100.000)

A2: Vender $ 90.000 $ 90.000

En el proyecto se puede realizar una exploración sismológica, para obtener

una mejor estimación de la probabilidad de que haya petróleo, donde el
costo de esta experimentación es de $ 30.000.

La empresa estima que, el sondeo sísmico, no indicaría con un 30% de

posibilidades de encontrar petróleo.

Se sabe que las posibilidades de encontrar petróleo, sin el estudio sísmico,

es de un 25% y, con el estudio sísmico, de un 50% con el estudio favorable y
14,3% en caso contrario.

JOSEF CANTIN ARAYA

11
 26-04-2017

ÁRBOLES DE DECISIÓN

Petróleo $ 670

Seco ($ 130)

$ 60

Petróleo $ 670

Seco ($ 130)

$ 60

Petróleo
$ 700

Seco ($ 100)

$ 90

JOSEF CANTIN ARAYA

ÁRBOLES DE DECISIÓN

f = 670 x 1/7 – 130 x 6/7 = -13,7 Petróleo=1/7 $ 670

f Seco=6/7 ($ 130)
c
$ 60

Petróleo=1/2 $ 670
b
g Seco=1/2 ($ 130)
d
$ 60
a
Petróleo=1/4
$ 700

h Seco=3/4 ($ 100)
e
$ 90

JOSEF CANTIN ARAYA

ÁRBOLES DE DECISIÓN

(13,7) Petróleo=1/7 $ 670

60 f Seco=6/7 ($ 130)
c
$ 60
123
b 270 Petróleo=1/2 $ 670

270 g Seco=1/2 ($ 130)

123 d
$ 60
a
100 Petróleo=1/4
$ 700

100 h Seco=3/4 ($ 100)

e
$ 90

JOSEF CANTIN ARAYA

12
 26-04-2017

ÁRBOLES DE DECISIÓN

Realizar Sondeo Sísmico.

Si el resultado es desfavorable,
entonces vender el terreno.

Si el resultado es favorable, entonces

perforar en busca de petróleo.

El pago esperado, incluyendo los costos de

experimentación, es de 123.

JOSEF CANTIN ARAYA

EJEMPLO 3

Un agricultor debe decidir si usa su parcela para sembrar trigo o

dedicarla a pastar ganado. Si siembra trigo y la temporada es buena
estima que obtendrá una ganancia de $ 12.000.000 en el año.
Sin embargo, si la temporada es muy húmeda, la cosecha sería buena
solamente para alimento de ganado, lo cual le permitiría un ingreso
de sólo $ 6.000.000. Él cree que la probabilidad de una buena
temporada es de un 80%. Si él escoge pastar ganado, en este
terreno, la ganancia a obtener dependerá del precio de la carne en el
Mercado en tal momento. Él cree que el Mercado de la carne podría
crecer hasta tal punto que le proporcionaría una ganancia neta
estimada de $ 15.000.000 o podría permanecer constante y, en tal
caso, su ganancia sería de $ 10.000.000. El estima una probabilidad
del 10% en que el Mercado de la carne crezca.

JOSEF CANTIN ARAYA

M$ 12.000
TRIGO
CTE.=0,9 M$ 10.000
BUENO=0,8
GANADO CRECE=0,1 M$ 15.000
BUENO=0,8 M$ 12.000

TRIGO MALO=0,2 M$ 6.000

CLIMA MALO=0,2 CTE.=0,9 M$ 10.000

GANADO CRECE=0,1 M$ 15.000

BUENO=0,8 M$ 12.000

TRIGO MALO=0,2 M$ 6.000

CTE.=0,9 M$ 10.000
MERCADO CTE.=0,9
GANADO CRECE=0,1 M$ 15.000
BUENO=0,8 M$ 12.000

TRIGO MALO=0,2 M$ 6.000

CRECE=0,1

GANADO M$ 15.000

JOSEF CANTIN ARAYA

13
 26-04-2017

M$ 12.000
M$ 12.000 TRIGO
CTE.=0,9
M$ 10.500
BUENO=0,8
GANADO CRECE=0,1
M$ 11.760
BUENO=0,8
M$ 10.800

M$ 10.800 TRIGO MALO=0,2

CLIMA MALO=0,2 CTE.=0,9
M$ 10.500
GANADO CRECE=0,1
M$ 11.760
BUENO=0,8
M$ 10.800

M$ 10.800
TRIGO MALO=0,2

CTE.=0,9
MERCADO CTE.=0,9 M$ 10.500
M$ 11.220 GANADO CRECE=0,1
BUENO=0,8
M$ 10.800
M$ 15.000
TRIGO MALO=0,2
CRECE=0,1

M$ 15.000

JOSEF CANTIN ARAYA

CRITERIOS DE DECISIÓN
BAJO INCERTIDUMBRE
APLICADOS A ÁRBOLES DE
DECISIÓN

JOSEF CANTIN ARAYA

Construcción del Árbol de Decisión

• Se evalúa de atrás hacia adelante reconociendo la

influencia de las decisiones y eventos aleatorios
últimos sobre los primeros.
• Cuando se converge a un nodo aleatorio se halla el
valor aleatorio o se plica uno de los criterios de
decisión bajo incertidumbre.
• Cuando se converge hacia un nodo de decisión es
usted quién decide y por tanto elige lo mejor.
• Se llega al principio donde queda en claro cuál es la
mejor alternativa inicial, la que se debe elegir.

JOSEF CANTIN ARAYA

14
 26-04-2017

Ejemplo:

 Existe una empresa que está por construir una planta de

producción para los próximos 10 años.
 Las opciones son construir una planta grande o una
planta pequeña. Si se decidiese por una planta pequeña a
los dos años puede ampliarla si la demanda inicial fuese
alta.
 Si la planta es grande puede enfrentar una demanda alta,
moderada o baja.
 Si al inicio la demanda es baja seguirá así en el futuro.
Pero puede ser alta en los primeros dos años y reducirse
por efecto de la competencia.

JOSEF CANTIN ARAYA

 La planta grande demanda más inversión inicial y posee

más gastos de mantenimiento que la planta pequeña.
 Los ingresos son mayores cuando se acierta con la
dimensión de la planta y, además, si es mayor su nivel de
producción, pero hay más costos de inversión y gastos de
mantenimiento cuanto mayor es la misma.
 Así:
 No conocemos las probabilidades de ocurrencia, por
tanto, el ámbito decisorio es de incertidumbre y se deben
aplicar los criterios de decisión bajo incertidumbre.
 Se resuelve de atrás para adelante.
 Cuando Converge a nodo aleatorio se aplica el criterio y si
converge a un nodo decisión es usted quien decide, por
tanto, elige el mejor.

JOSEF CANTIN ARAYA

Ventas Altas
R1

Ventas Moderadas
R2
Planta
Grande Ventas Bajas
R3
Ventas Altas
R4

Ampliar
Ventas Bajas R5

Planta Venta Inicial Ventas Altas

Pequeña Alta R6
No Ampliar

Ventas Bajas R7

Venta Inicial
R8
Baja

JOSEF CANTIN ARAYA

15
 26-04-2017

EN INCERTIDUMBRE
Ventas Altas
70

Ventas Moderadas
10
Planta
Grande Ventas Bajas
(30)
Ventas Altas
60

Ampliar
Ventas Bajas (20)

Planta Venta Inicial Ventas Altas

Pequeña Alta 40
No Ampliar

Ventas Bajas 20

Venta Inicial
10
Baja

JOSEF CANTIN ARAYA

WALD
Ventas Altas
70

Ventas Moderadas
(30) 10
Planta
Grande Ventas Bajas
(30)
Ventas Altas
60
10 (20)
Ampliar
Ventas Bajas (20)

Planta Venta Inicial 20 Ventas Altas

Pequeña Alta 40
No Ampliar 20
10 20
Ventas Bajas

Venta Inicial
10
Baja

JOSEF CANTIN ARAYA

OPTIMISTA
Ventas Altas
70

Ventas Moderadas
70 10
Planta
Grande Ventas Bajas
(30)
Ventas Altas
60
70 60
Ampliar
Ventas Bajas (20)

Planta Venta Inicial 60 Ventas Altas

Pequeña Alta 40
No Ampliar 40
60 20
Ventas Bajas

Venta Inicial
10
Baja

JOSEF CANTIN ARAYA

16
 26-04-2017

LAPLACE
Ventas Altas = 1/3
70

Ventas Moderadas = 1/3

16 10
Planta
Grande Ventas Bajas = 1/3
(30)
Ventas Altas = 1/2
60
20 20
Ampliar
(20)
Ventas Bajas=1/2
Planta Venta Inicial 30
Ventas Altas=1/2
Pequeña Alta=1/2 40
No Ampliar 30
20 20
Ventas Bajas=1/2

Venta Inicial
10
Baja=1/2

JOSEF CANTIN ARAYA

HURWICZ, a=0,7
Ventas Altas=0,7
70

Ventas Moderadas
40 10
Planta
Grande Ventas Bajas=0,3
(30)
Ventas Altas=0,7
60
40 36
Ampliar
Ventas Bajas=0,3 (20)

Planta Venta Inicial 36 Ventas Altas=0,7

Pequeña Alta=0,7 40
No Ampliar 34
28 20
Ventas Bajas=0,3

Venta Inicial
10
Baja=0,3

JOSEF CANTIN ARAYA

SAVAGE

Trabaja con costos de oportunidad, estableciendo las

diferencias entre la alternativa elegida y el óptimo. Este
criterio no puede ser aplicado en árboles de decisión, ya
que se hace muy difícil establecer el óptimo, justamente
por el diseño de la herramienta. Para su utilización se
hace necesario operar con matrices de decisión.

JOSEF CANTIN ARAYA

17
 26-04-2017

FIN

JOSEF CANTIN ARAYA

18