Planificacin de Proyecto de inversin

Proyecto de Inversin, es una propuesta por el aporte de capital para la produccin de un bien o la prestacin de un servicio, mediante la cual un sujeto decide vincular recursos financieros lquidos a cambio de la expectativa de obtener beneficios, tambin lquidos, a lo largo de un plazo de tiempo que se denomina vida til. La formulacin de Proyectos de Inversin, constituye un objeto de estudio amplio y sumamente complejo, que demanda la participacin de diversos especialistas, es decir, requiere de un enfoque multidisciplinario. Dentro de este proceso de formulacin se debe considerar en primer lugar las etapas que conforman un proyecto de inversin, ya que estas constituyen un orden cronolgico de desarrollo del proyecto en las cuales se avanza sobre la formulacin, ejecucin y evaluacin del mismo. Y en segundo lugar, los documentos proyectados que brindarn la informacin primaria bsica que se necesita para que el proyecto pueda ser evaluado, proveniente de la estimacin de los principales estados financieros. De esta forma un proyecto surge de la identificacin de unas necesidades. Consta de un conjunto de antecedentes tcnicos, legales, econmicos (incluyendo mercado) y financieros que permiten juzgar cualitativa y cuantitativamente las ventajas y desventajas de asignar recursos a esa iniciativa. Su bondad depende, por tanto, de su eficiencia y efectividad en la satisfaccin de estas necesidades, teniendo en cuenta el contexto social, econmico, cultural y poltico. Un proyecto de inversin comienza con la identificacin del proyecto y culmina cuando se liquida la inversin. La transformacin de simples ideas de inversin hasta la puesta en marcha o implementacin de ellos es lo que se denomina el ciclo de proyectos. Cada una de las etapas de esta transformacin requiere de recursos humanos, financieros, y de

informacin, que van agregando valor a las ideas. En la figura 1 se muestra esquemticamente este ciclo. En la etapa de pre-inversin corresponde todo el proceso que se realiza para identificar un problema o necesidad, formular el proyecto y evaluar la iniciativa con el objetivo de determinar si es conveniente ejecutarla o no. Es la fase donde se identifican las necesidades; se obtienen los datos del mercado; se desarrollan y determinan la estrategia y los objetivos de la inversin; se desarrolla la documentacin tcnica de ideas conceptuales y anteproyecto, la que fundamenta los estudios de prefactibilidad y factibilidad tcnico-econmica. La valoracin de estos permitir decidir sobre la continuidad de la inversin y se selecciona el equipo que acometer la inversin. Esta fase culmina con la realizacin del Estudio de Factibilidad, donde se brinda una informacin detallada sobre la inversin con el objetivo de que los indicadores de factibilidad que se utilicen en la evaluacin econmica financiera sean los ms consistentes. Durante la etapa de inversin, tambin llamada por otros autores de maduracin se adquieren los equipos necesarios y se pone en marcha el proyecto. Esta fase cubre hasta el momento en que el proyecto entra en operacin plena. Es en esta fase donde se ponen a prueba los preparativos, diseos, planes y anlisis anteriores. Todo el trabajo de las etapas anteriores se dirige a asegurar que el proyecto sea un xito. El propsito de la presente seccin es la de presentar algunas consideraciones que pueden conducir a que el proyecto realmente sea exitoso, los posibles problemas que se presentarn y algunos de los enfoques que se han desarrollado para resolverlos.

Esta fase de Maduracin se puede dividir en las siguientes grandes sub - fases:
Proyecto definitivo: comprende la elaboracin de calendarios, la

prospeccin y evaluacin de emplazamientos, la preparacin de planes

maestros y diseos tcnicos para la planta, la organizacin tcnica detallada de la misma y la seleccin final de tecnologa y equipo.
Negociacin y construccin: en esta se definen las obligaciones jurdicas

respecto a la financiacin del proyecto, la adquisicin de tecnologa, la construccin de edificios e instalaciones de servicios, y el suministro de maquinaria y equipo para la fase operacional. Comprende la firma de contratos entre el inversionista, por una parte, e instituciones de financiacin, consultores, arquitectos, contratistas, colaboradores y abastecedores de equipos, de insumos materiales y servicios por otro lado.

La Puesta en marcha: es normalmente una etapa breve pero tcnicamente

crtica del desarrollo del proyecto. Vincula la fase precedente con la fase operacional que le sigue. El xito que se obtenga en este momento demostrar la eficacia de la planificacin y ejecucin del proyecto, y constituir una muestra de lo que cabra esperar de las futuras actividades del programa.

En la fase de Maduracin se contraen obligaciones financieras considerables y toda modificacin importante al proyecto entraa graves consecuencias financieras. La mala programacin, las demoras en la construccin y la entrega o en la iniciacin de actividades, etc.; llevan inevitablemente a mayores costos de inversin y afectan la viabilidad del proyecto. En la fase de preinversin, la calidad y confiabilidad del proyecto son mas importantes que el factor tiempo, pero en la fase de Maduracin este ltimo es decisivo. En el estado de operacin o post-inversin, ya se ha finalizado la inversin y el proyecto debe empezar a proveer los bienes y servicios para los cuales fue diseado, aunque puede ocurrir que la inversin y operacin sucedan simultneamente durante algn perodo de tiempo. Es importante en esta etapa proveer los fondos necesarios para la adecuada operacin del proyecto ya que sin ellos el proyecto no dar los beneficios esperados.
3

Los problemas de la fase operacional deben ser considerados desde dos puntos de vista: a corto plazo y largo plazo. El corto plazo se refiere al perodo inicial despus de comenzada la produccin, cuando pueden plantearse diversos problemas relativos a cuestiones tales como la aplicacin de tcnicas de produccin, el funcionamiento del equipo o la inadecuada productividad de la mano de obra, as como la falta de personal administrativo y tcnico y de operarios calificados. Sin embargo la mayora de estos problemas deben ser considerados en relacin con la fase de ejecucin y las medidas de correccin necesarias deben referirse principalmente a la ejecucin del proyecto. El largo plazo se relaciona con los costos de produccin, por una parte, y los ingresos provenientes de las ventas por la otra y ambos estn directamente relacionados con las proyecciones hechas en la fase de preinversin. Si tales proyecciones resultan errneas, la viabilidad tcnica econmica de un actividad industrial se vera inevitablemente perjudicada, y si tales deficiencias se identifican solo en la fase operacional, las medidas de correccin, no solo sern difciles sino tambin extremadamente costosas. Por la importancia que tiene para esta investigacin la etapa de preinversin se profundiza en los niveles que componen la misma. Estos son:

perfil u oportunidad prefactibilidad factibilidad

El nivel perfil, se elabora a partir de la informacin existente, del juicio comn y de la experiencia. En este nivel frecuentemente se seleccionan aquellas opciones de ideas que se muestran ms atractivas para la solucin de un problema o en aprovechamiento de una oportunidad. Adems, se van a definir las caractersticas especficas del producto o servicio. Las diferentes formas de resolver un problema o de aprovechar una oportunidad de negocio constituirn la idea del proyecto, sin embargo, este paso no se limita a describir en trminos generales la idea del proyecto; esta idea hay que afinarla y presentarla de manera apropiada para poder

tomar la decisin de continuar con sus estudios; por lo que debe realizarse un esfuerzo para determinar las posibles soluciones al problema a resolver y descartar las claramente no viables. Esta etapa tiene como objetivo generar soluciones e informacin para decidir acerca de la conveniencia de emprender estudios adicionales. De aqu que se pueda afirmar que la idea de un proyecto, mas que una ocurrencia afortunada de un inversionista, generalmente representa la realizacin de un diagnstico que identifica distintas vas de solucin. En el nivel prefactibilidad se profundiza la investigacin y se basa principalmente en informaciones de fuentes secundarias para definir, con cierta aproximacin, las variables principales referidas al mercado, a las tcnicas de produccin y al requerimiento financiero. En trminos generales, se estiman las inversiones probables, los costos de operacin y los ingresos que demandar y generar el proyecto. El estudio de factibilidad es un proceso de aproximaciones sucesivas, donde se define el problema a resolver; se lleva a cabo a partir de un nivel de conocimiento sobre la inversin y de la proyeccin de sus beneficios, constituye la ltima oportunidad de disminuir la incertidumbre de la inversin en cuestin; a un estado mnimo, y como resultado de su evaluacin se toma la decisin de invertir. Para ello se parte de supuestos, pronsticos y estimaciones, por lo que el grado de preparacin de la informacin y su confiabilidad depende de la profundidad con que se realicen tanto los estudios de mercado, estudios tcnicos, as como los econmicos financieros, y otros que se requieran. En cada etapa o nivel deben precisarse todos aquellos aspectos y variables que puedan mejorar el proyecto; o sea, optimizarlo. Puede suceder que del resultado del trabajo pudiera aconsejarse una revisin del proyecto original, que se postergue su iniciacin considerando el momento ptimo de inicio e incluso lo anterior no debe servir de excusa para no evaluar proyectos. Por el contrario, con la preparacin y evaluacin ser posible la reduccin de la incertidumbre que provocaran las variaciones de los factores, por lo tanto es el estudio de factibilidad la base de la decisin sobre la ejecucin de la inversin.

Todo el sistema dinmico que integra las actividades y/ o servicios que realizan los diferentes sujetos que participan en el proyecto de inversin, desde su concepcin inicial hasta la puesta en explotacin, se denomina proceso inversionista.

El Proyecto de inversin. Variables integrantes del proyecto

Horizonte temporal o duracin del proyecto (n) Es la estimacin sobre la vida que tendr el proyecto, esto es, el tiempo durante el cual estar absorbiendo o generando fondos. Esta duracin no se conocer con certeza hasta que no finalice el proyecto, por lo cual se basar en estimaciones apoyadas en tres caractersticas: - vida fsica: tiempo en que los activos bsicos del proyecto operan normalmente, es decir, sin prdidas de calidad, de produccin o de rendimiento. A veces se equipara este concepto a la vida contable o perodo hasta que se amortizan totalmente. - vida comercial: es la vida de los productos o servicios a cuya produccin se va a dedicar el proyecto o lo que es lo mismo, el tiempo durante el cual ser demandado el bien o servicio ofrecido. - vida tecnolgica: es el perodo de tiempo que transcurre hasta que los activos dejan de ser competitivos, hacindose obsoletos porque aparecen nuevas tcnicas, procesos y equipos que desarrollan la misma actividad. Desembolso inicial o coste de la inversin (A)

Es la cantidad de recursos que debe pagar la empresa para llevar a cabo el proyecto. Habitualmente se paga en el momento cero aunque pueden existir ocasiones donde el pago se difiere. Comprende el precio de compra ms todos los gastos necesarios para la puesta en funcionamiento de la inversin, es decir, el coste de instalacin, transporte, formacin..., etc.

Movimiento de fondos. Es la secuencia temporal de fondos absorbidos o generados por el proyecto, se denomina cash-flow (flujo de caja) y lo podramos definir como la diferencia entre los cobros y los pagos de un periodo. C = Corriente de cobros del proyecto a lo largo del tiempo. Representa las entradas de tesorera generadas por el proyecto. P = Corriente de pagos del proyecto. Son las salidas de tesorera. La corriente de cobros y pagos de tesorera se suele unificar en una sola y es denominada cash-flow o flujo de caja, concepto de suma importancia para el anlisis del proyecto: Q = C - P. Para facilitar el clculo de la rentabilidad del proyecto se suele periodificar los flujos tomando como perodo de trabajo el ao, ya que es la duracin de un ejercicio econmico en las empresas. De esta forma pasaremos de una ptica continua a una peridica, y ello nos llevar a trabajar con rentas anuales. Tanto en este captulo como en los siguientes, utilizaremos el siguiente esquema, llamado diagrama temporal de flujos, y mediante el cual podemos representar cualquier inversin:

-A _ 0

Q1

Q2

Q3...

Qn-1

Qn

__________________________________________________________________ 1 2 3...

n-1

Valor residual (VR). Es el valor de reventa del activo al final de la vida del proyecto. Puede incluir pagos asociados a la terminacin del mismo.

Medidas de un proyecto de inversin

Liquidez: se define como la capacidad de transformar sus activos en dinero,

sin pagar por ello un coste significativo o experimentar una prdida de capital. Se refiere por tanto a la conversin de activos en dinero manteniendo el valor de los mismos; ms an, la rapidez con que los activos generan fondos. Rentabilidad: es la capacidad de generacin de un excedente de fondos o de rendimiento. No guarda relacin con la liquidez, de manera que un proyecto puede ser muy rentable y muy poco lquido. o al revs. Riesgo: es la posibilidad de que el proyecto produzca prdidas significativas; es la incertidumbre inherente a la decisin sobre el proyecto. Tambin se puede asociar a la variabilidad de los resultados previstos.

La simulacin y su utilidad en las decisiones de inversin

Un Estudio de Viabilidad o Factibilidad establece las condiciones que hacen viable el proyecto de inversin,es decir, que permiten su realizacin con xito;
8

determina asimismo las funciones o prioridades a tener en cuenta durante todo su desarrollo. La Simulacin es un sistema sofisticado con bases estadsticas para ocuparse de la incertidumbre reuniendo diferentes componentes de flujos de cajas en un modelo matemtico que repitiendo el proceso muchas veces, puede establecerse una distribucin de probabilidad de rendimientos de proyectos. El rendimiento de la simulacin ofrece una base excelente para tomar decisiones, ya que quien las toma pueda considerar una continuidad de alternativas riesgo rendimiento en lugar de un punto sencillo estimado. La simulacin es la representacin de un proceso o fenmeno mediante otro mas simple, que permite analizar sus caractersticas; Pero la simulacin no es solo eso tambin es algo muy cotidiano, hoy en da, puede ser desde la simulacin de un examen, que le hace la maestra a su alumno para un examen del ministerio, la produccin de textiles, alimentos, juguetes, construccin de infraestructuras por medio de maquetas, hasta el entrenamiento virtual de los pilotos de combate. La simulacin es muy til para resolver un problema de negocios en el que no se conocen anticipadamente todos los valores de las variables, o solo se conocen parcialmente, y no hay manera de averiguarlos fcilmente. Consiste en la construccin de cierto tipo de modelo matemtico que describe el funcionamiento del sistema en trminos de eventos y componentes individuales. Adems el sistema se divide en elementos y sus interrelaciones con un comportamiento predecible, por lo menos en trminos de una distribucin de probabilidades, para cada uno de los posibles estados del sistema y sus insumos.

Tipos de Modelos de simulacin

La experimentacin puede ser un trabajo de campo o de laboratorio. El modelo de mtodo usado para la simulacin seria terico, conceptual o sistmico.

Despus de confirmar la hiptesis podemos ya disear un teorema. Finalmente si ste es admitido puede convertirse en una teora o en una ley. Modelo terico El 'modelo terico' debe contener los elementos que se precisen para la simulacin. Un ejemplo con trabajo de laboratorio es un programa de estadstica con ordenador que genere nmeros aleatorios y que contenga los estadsticos de la media y sus diferentes versiones: cuadrtica- aritmtica-geomtrica-armnica. Adems debe ser capaz de determinar la normalidad en trminos de probabilidad de las series generadas. La hiptesis de trabajo es que la media y sus versiones tambin determinan la normalidad de las series. Es un trabajo experimental de laboratorio. Si es cierta la hiptesis podemos establecer la secuencia teorema, teora, ley. Es el modelo principal de todo una investigacin cientfica, gracias a ello podemos definir o concluir la hipotesis, las predicciones, etc. Modelo conceptual El modelo conceptual desea establecer por un cuestionario y con trabajo de campo, la importancia de la discriminacin o rechazo en una colectividad y hacerlo por medio de un cuestionario en forma de una simulacin con una escala de actitud. Despus de ver si la poblacin es representativa o adecuada, ahora la simulacin es la aplicacin del cuestionario y el modelo es el cuestionario para confirmar o rechazar la hiptesis de si existe discriminacin en la poblacin y hacia que grupo de personas y en que cuestiones. Gran parte de las simulaciones son de este tipo con modelos conceptuales. Modelo Sistmico El modelo sistmico es ms pretencioso y es un trabajo de laboratorio. Se simula el sistema social en una de sus representaciones totales. El anlisis de sistemas es una representacin total. Un plan de desarrollo en el segmento de
10

transportes con un modelo de ecologa humana, por ejemplo. El nfasis en la teora general de sistemas es lo adecuado en este tipo de simulaciones. Este mtodo, que es para un Sistema complejo, es sumamente abstracto, no se limita a la descripcin del sistema, sino que debe incluir en la simulacin las entradas y salidas de energa y procesos de homeostasis, autopoiesis y retroalimentacin. Tanto el programa de estadstica, como la escala de actitud, como el sistema total, son perfectas simulaciones de la realidad y modelizan todos los elementos en sus respectivas hiptesis de trabajo. Son tambin un microclima y el ambiente o el escenario en los procesos de simulacin/experimentacin. Otras propiedades que deben contener las simulaciones es que sean repetibles indefinidamente. Que eviten el efecto de aprendizaje que incita al encuestador a rellenar l mismo los cuestionarios y que se podr evitar con algn control, que sean flexibles o mejorables y que no sea invasivo o cambiar la poblacin de las muestras sucesivas.

Mtodo Montecarlo
Este mtodo consiste en un muestreo artificial o simulador. En cualquier estudio de Simulacin, la generacin de observaciones acerca de las variables del modelo constituye un aspecto fundamental con el objetivo de llevar a cabo la experimentacin del mismo. Pero en los problemas econmicos tales observaciones no pueden obtenerse de la realidad porque resultan muy costosas y para esto la solucin es apelar a un muestreo simulado. Para ello se reemplaza el universo real por el universo terico correspondiente, descrita por una ley de probabilidad que se supone, conocida o adecuada y luego se obtiene una muestra de la poblacin terica mediante una sucesin de nmeros aleatorios. En esto consiste este mtodo, en general nmeros aleatorios y convertirlo luego en observaciones de las variables aleatorias del modelo. El mtodo no es ms que una tcnica de anlisis del riesgo en el cual ciertos eventos futuros, probables, son simulados mediante una computadora, cuyo primer paso consiste en especificar la

11

distribucin de probabilidades en cada variable incierta de flujo de efectivo:Una vez hecho esto, la simulacin procede como se muestra a continuacin: La computadora elige al azar un valor para cada variable incierta, tomando como base la distribucin de probabilidad de la variable especificada.
El valor seleccionado para cada variable, junto con los valores para factores

fijos, tales como la tasa fiscal y los cargos de depreciacin, se usan posteriormente en el modelo para determinar los flujos netos de efectivo para cada ao, estos se usan a su vez para determinar el VAN del proyecto en la primera corrida. Los pasos I y II se repiten varias veces y se obtiene un nmero deseado de valores muestrales Ki (artificiales o simulados), estos se pueden utilizar para estimar distintos parmetros (segn convenga) de la variable del modelo que estamos estudiando, tales como la media, la proporcin, la varianza poblacional. En muchos casos no se conoce la funcin de la probabilidad F(x) del universo terico correspondiente, ni tampoco puede aventurar una conjetura acerca de la misma. En tales casos la nica alternativa es obtener el universo real, una muestra que permita inferir, al menos de forma aproximada la ley de la probabilidad correspondiente. En la tabla cuando se trabaja con valores aleatorios discretos, no es necesario representar grficamente F(x), basta con disponer la sucesin de probabilidades (frecuencias relativas) acumuladas y de los correspondientes valores o marcas de clases de la variable aleatoria.Los resultados finales (media, desviacin estndar) son de gran utilidad para el analista, ya que, no solo se conoce el valor medio del VAN, sino que tambin se tiene una medida del riesgo. A pesar de su atractivo, la simulacin por el mtodo de Monte Carlos no se ha usado ampliamente, una de sus limitaciones consiste en especificar las correlaciones que existen entre las variables inciertas referentes a los flujos de efectivo. Desde un punto de vista resulta fcil incorporar cualquier tipo de correlacin, sin embargo, no es fcil identificar cules deberan ser las correlaciones.
12

 == x xuuYFFd()() 30 Otro problema es el hecho de que an cuando el anlisis haya sido computado, no se obtendr ninguna regla de decisin clara. Se termina con el VAN esperado y con una distribucin aplicable a este valor esperado, y se pueden usar estas estadsticas para juzgar el riesgo individual del proyecto. Sin embargo el anlisis no proporciona ningn mecanismo capaz de indicar si la rentabilidad de un proyecto es significativa (tal y como se mide por su VAN esperado) para compensar su riesgo, como se mide por su desviacin estndar o por su coeficiente de variacin. Una vez que se haya determinado el riesgo se hace necesario cubrirlo, para esto hay que determinar el riesgo marcado que no es ms que una medida de la volatilidad de la accin o de la inversin con relacin a una inversin promedio.

Histricamente el Mtodo Monte Carlo se consideraba como una tcnica para solucionar modelos utilizando nmeros aleatorios o pseudoaleatorios. Los nmeros aleatorios son bsicamente variables aleatorias independientes uniformemente distribuidas en un intervalo de 0 a 1. Realmente, lo que podemos conseguir con una computadora electrnica es generar una secuencia de nmeros pseudoaleatorios (aparentemente aleatorios, donde cada dgito del 0 al 9 ocurren casi con la misma probabilidad).

El trmino "Monte Carlo" fue introducido por Von Neumann y Ulam durante la Segunda Guerra Mundial como un cdigo para una misin secreta en Los lamos. Monte Carlo es una ciudad dentro de Mnaco famosa por sus casas
13

de juego, de ah que se les ocurriera ese nombre. En ese entonces, el mtodo fue aplicado en los problemas relacionados a la bomba atmica, cuyas pruebas experimentales se hicieron precisamente en Los lamos, Nuevo Mxico. El mtodo Monte Carlo se usa no solamente para problemas estocsticos sino tambin determinsticos. Este Mtodo es actualmente la tcnica ms poderosa y comnmente usada para analizar problemas complejos. El mtodo Montecarlo es un mtodo numrico que permite resolver problemas fsicos y matemticos mediante la simulacin de variables aleatorias. Lo vamos a considerar aqu desde un punto de vista didctico para resolver un problema del que conocemos tanto su solucin analtica como numrica. El mtodo Montecarlo fue bautizado as por su clara analoga con los juegos de ruleta de los casinos, el ms clebre de los cuales es el de Montecarlo, casino cuya construccin fue propuesta en 1856 por el prncipe Carlos III de Mnaco, siendo inaugurado en 1861.

La importancia actual del mtodo Montecarlo se basa en la existencia de problemas que tienen difcil solucin por mtodos exclusivamente analticos o numricos, pero que dependen de factores aleatorios o se pueden asociar a un modelo probabilstica artificial (resolucin de integrales de muchas variables, minimizacin de funciones, etc.). Gracias al avance en diseo de los ordenadores, clculos Montecarlo que en otro tiempo hubieran sido inconcebibles, hoy en da se presentan como asequibles para la resolucin de ciertos problemas. En estos mtodos el error ~ 1/N, donde N es el nmero de pruebas y, por tanto, ganar una cifra decimal en la precisin implica aumentar N en 100 veces. La base es la generacin de nmeros aleatorios de los que nos serviremos para calcular probabilidades. Conseguir un buen generador de estos nmeros as como un conjunto estadstico adecuado sobre el que trabajar son las primeras dificultades con la nos vamos a encontrar a la hora de utilizar este mtodo.

14

Ejemplo: Si deseamos reproducir, mediante nmeros aleatorios, la tirada sucesiva de una moneda, debemos previamente asignarle un intervalo de nmeros aleatorios a CARA y otro a CRUZ, de manera de poder interpretar el resultado de la simulacin. Tales intervalos se asignan en funcin de las probabilidades de ocurrencia de cada cara de la moneda. Tenemos as: CARA Probabilidad: 0,50 Nmeros aleatorios: 0,000 al 0,499 CRUZ Probabilidad: 0,50 Nmeros aleatorios: 0,500 al 0,999 Despus, al generar un nmero aleatorio a partir de la funcin RAN de la calculadora, por ejemplo, obtenemos el resultado simulado. As, si obtenemos el nmero aleatorio 0,385, observamos que est incluido en el intervalo asignado a CARA.

15

En otras aplicaciones, se asocian intervalos de nmeros aleatorios segn las probabilidades de ocurrencia de los eventos a simular

Nmeros Aleatorios
Generacin de nmeros aleatorios: Para generar nmeros aleatorios, al principio se utilizaban mtodos manuales como lanzar una moneda, una ruleta, entre otros. Estos mtodos fsicos eran lentos para uso general, ms an, las secuencias generadas por ellos no podan ser reproducidas. Con la llegada de las computadoras fue ms fcil obtener nmeros aleatorios. John Von Neumann sugiri el mtodo "mid-square" (el cuadrado medio), usando las operaciones aritmticas de una computadora. Su idea fue tomar el cuadrado del nmero aleatorio precedente y tomar los dgitos ubicados en medio. Por ejemplo, si tenemos el nmero 3456, lo elevamos al cuadrado y obtenemos 11943936; ahora nuestro nuevo nmero ser 9439, y as sucesivamente. Estos nmeros no son realmente aleatorios, simplemente aparentan serlo, y se denominan pseudoaleatorios o quasi-aleatorios. Esperemos no encontrarnos con ceros porque entonces estaramos en aprietos.

La eficiencia de un mtodo para generar nmeros aleatorios se puede medir dependiendo de la ocurrencia de los nmeros, si son uniformemente distribuidos, estadsticamente independientes y reproducibles. Ms an, un mtodo ser bueno si el generador es rpido y ocupa poco espacio de memoria. El siguiente ejemplo ilustra la aplicacin del Mtodo Monte Carlo. Existen varias frmulas para obtener una secuencia de nmeros aleatorios, una de las ms sencillas es la denominada frmula de congruencia: se trata de una frmula iterativa, en la que el resultado de una iteracin se utiliza en la siguiente. x=(a*x+c)%m;

16

donde a, c, m, son constantes cuyos valores elige el creador de la rutina, as por ejemplo tenemos a=24298 c=99491 m=199017 a=899 c=0 m=32768

Basta introducir el valor inicial de x, para obtener una secuencia de nmeros pseudoaleatorios. Dejaremos al lector interesado la codificacin de esta rutina, que no precisaremos en las siguientes secciones ya que podemos usar la clase Random que dispone el lenguaje Java.

Pruebas de aleatoriedad
stas consisten basicamente en realizar dos tipos de pruebas, empricas y teoricas. Si los generadores superan estas pruebas, podremos asegurar que estamos ante un generador empricas de nmeros la aleatorios muestra bastante de la competente. secuencia)

Pruebas

(sobre

- Test de uniformidad: hace falta que los valores esten uniformemente distribuidos en . Se puede realizar un test . Alternativamente, podemos estimar los y comprobar que se aproximan a sus valores teoricos, .

momentos de orden correspondientes

- Test serial: se generan parejas de valores distribuyen uniformemente en el cuadrado .

, y se comprueba si se

- Test de correlaciones: se determina la correlacin entre nmeros separados

17

lugares en la secuencia, 1/4.

. Su valor tendra que acercarse a

Pruebas teoricas (sobre toda la secuencia): La sencillez de los generadores de congruencia lineal permiten demostrar propiedades importantes:

- Para determinar valores de Por ejemplo, si un mltiple de 4 mas 1.

se obtienen secuencias de periodo mximo

es una potencia de 2, bastar con que sea impar y sea igual a

- Test espectral: si se forman vectores con valores consecutivos, estos forman hiperplanos paralelos en el espacio kdimensional. La separacin entre los planos tiene que ser la mnima posible.

Nmeros Aleatorios. Algunas caractersticas

Cuando se generan nmeros seudo aleatorios se pueden producir ciertos errores o problemas, como por ejemplo: Los nmeros generados pueden no estar distribuidos uniformemente.
18

 Los nmeros generados pueden corresponder a una distribucin discreta en lugar de a una continua. La media de los nmeros generados puede ser demasiado alta o demasiado baja.
La varianza de los nmeros generados puede ser demasiado alta o

demasiado baja. Puede existir una clara dependencia entre ellos. Por ejemplo: - Auto correlacin entre nmeros. - Nmeros correlativamente ms bajos o ms altos que los adyacentes. - Varios nmeros por encima de la media seguidos de otros por debajo de la misma.

Bibliografa
Serna Gmez, Humberto. Planeacin y gestin estratgica, Bogot D.C.: RAM Editores, 1996.

19

Gava, l.; e. Ropero; g. serna y a. Ubierna (2008), Direccin Financiera: Decisiones de Inversin, Editorial Delta

20