ÁREA:
Ingenierías (IN)
ASIGNATURA:
Ingeniería Económica - (INI301)
DOCENTE:
Humberto Grullón
TEMA A TRATAR:
Riesgo e incertidumbre en proyectos de inversión
SECCIÓN:
02
SUSTENTANTES Y MATRÍCULA:
Radhamés Valerio - 1094531
Rosa Ramírez - 1093686
Yordi La Hoz - 1094872
Chantal Pérez - 1095290
29 de septiembre del 2020
Santo Domingo, D.N.
República Dominicana
Indice
Introducción 3
Riesgo e incertidumbre en proyectos de inversión. 4
Conceptos fundamentales 4
Riesgo 5
Incertidumbre 5
Aceptación del riesgo 6
Amenaza 6
Análisis del riesgo 6
Consecuencia 7
Control del riesgo 7
Daño 7
Elementos en riesgo expuestos 7
Evaluación de amenazas 7
Método de Montecarlo 9
Ejemplo de la simulación de Montecarlo 11
Descripción de modelos matemáticos 12
Análisis probabilístico 15
Probabilidad 15
Modelo probabilístico 15
Tipos de métodos para un análisis probabilístico 16
Distribución de probabilidad 16
Procesos estocásticos 17
Proyectos de inversión sometidos a situaciones de riesgos e incertidumbre
(ejemplos) 19
Conclusión 20
Referencias 21
Introducción
Todos los proyectos de inversión traen consigo algún tipo de riesgo, el cual tiende a disminuir
mientras más se conozcan todas las variables que intervienen en el proyecto, tales como
condiciones micro y macroeconómicas, situación sociopolítica, mercado y aspectos técnicos, entre
otros.
Esta situación se puede ver durante el ciclo de vida del proyecto, mientras el proyecto avanza,
hay un mayor conocimiento de este tipo de variables.
De manera más detallada, este trabajo menciona algunos temas, conceptos, tablas y gráficos de
métodos y procesos que conllevan al análisis de los riesgos e incertidumbres que surgen en
proyectos de inversión de cualquier tipo. Además de lo anterior, se presentarán algunas
metodologías que ayudarán a identificar, analizar, evaluar y controlar el impacto de los mismos.
Cada vez son más las empresas que toman conciencia de la importancia de evaluar riesgos a la
hora de tomar decisiones o de emprender determinados proyectos de inversión, ya que la previsión
y la prevención son a menudo la mejor forma de solución de posibles problemas.
Riesgo e incertidumbre en proyectos de inversión.
Conceptos fundamentales
Toda empresa enfrenta un nivel de Riesgo e incertidumbre hasta un punto, basado en que cada
empresa inicia como una idea, un proyecto, una solución o un plan a futuro. Dado el proceso de
desarrollo que conllevan formalizar o concretizar la idea; esta se verá analizada en el sentido de
posibles riesgos a corto plazo, dígase en su proceso de elaboración y riesgos a largo plaza con van
de la mano con su nivel de sustentabilidad ya una vez desarrollados. El riesgo no es más que el
porcentaje de probabilidades que se enfrentan a la hora de hacer cualquier cosa en la vida.
Habiendo dicho esto, es clave manejar conceptos fundamentales de gestión de riesgo, para así
poder entender como tal que es, aplicarla en el día a día y sacarle la máxima ventaja a esta. Algunos
de estos conceptos son:
● Riesgo
Según el Diccionario de la Lengua Española, la palabra riesgo viene del latín "riesco" que
significa risco o acantilado, por el peligro que supone, y lo define como "contingencia o
proximidad de un daño" (Real Academia Española, 2018).
Bissonette (2016) expone dos descripciones para aclarar el concepto de riesgo: la
definición tradicional y la del PMBOK. La definición tradicional se define como la pérdida
potencial que resulta de una acción dada, bien sea que se encuentre activa o inactiva. La
palabra "potencial" sugiere un grado de incertidumbre o probabilidad.
La definición más aceptada de riesgo en proyectos parte del PMBOK, como sigue:
"El riesgo es un evento incierto o una condición que, si ocurre, tiene un efecto positivo o
negativo en los objetivos del proyecto" (PMI, 2009, p. 9).
En la vida cotidiana el riesgo es percibido como algo negativo o como una pérdida. Sin
embargo, la definición del PMBOK sugiere que también puede tener un efecto positivo o
convertirse en una oportunidad. Esto tiene que ver con la aversión al riesgo de un posible
inversionista, pues el hecho de asumir un mayor riesgo puede conducir a una mayor
rentabilidad.
● Incertidumbre
El común denominador de las anteriores definiciones es que el riesgo está relacionado con
algo incierto. Gómez y Díez (2015) definen la incertidumbre como la falta de información
sobre la probabilidad de ocurrencia de un evento.
Por su parte, Hillson (2009), afirma que “...no toda incertidumbre es riesgo; pero todos los
riesgos son inciertos” ( p. 10). Este planteamiento implica que no necesariamente el
desconocimiento de una situación bien sea por ignorancia o por omisión, representa un
riesgo latente para el proyecto, lo cual sugiere que hay eventos que se pueden considerar
"normales", ya que son controlables y de cierto modo se pueden asumir. Esto dependerá de
la naturaleza de cada proyecto. No obstante, todos los riesgos conllevan incertidumbre.
El concepto de riesgo se aborda, por lo tanto, desde sus dos dimensiones básicas:
incertidumbre y efecto en los objetivos, la dimensión de incertidumbre puede ser descrita
usando el término de "probabilidad", mientras que el efecto en los objetivos puede
encontrar símil con el término "impacto" (PMI, 2009).
● Aceptación del riesgo
Es el momento en el cual ya se ha hecho un análisis de posibles riesgos que se puedan ver
enfrentados en algún momento determinado y aún así aceptar las consecuencias de dichos
riesgos para seguir adelante con el plan mayor; La visión a largo plazo.
● Amenaza
Es un peligro que puede verse enfrentado en algún momento y en algún determinado
territorio. Esto puede producir efectos en las personas, infraestructura, bienes y/o servicios
de la organización en desarrollo.
● Análisis del riesgo
Es el proceso por el cual se recopila información sobre distintas áreas y se aplica para
determinar qué tipo de consecuencias podría traer el proyecto y con qué frecuencia
pudieron repetirse.
● Consecuencia
Es el resultado de una situación presentada, este es de forma cualitativa o cuantitativa para
poder medirse. Dichas consecuencias pueden ser daños, pérdidas, desventajas.
● Control del riesgo
Este apartado de la Gestión de Riesgos involucra la implementación de políticas,
estándares, procedimientos y cambios físicos para eliminar o minimizar riesgos.
● Daño
Consiste en un efecto adverso causado por un fenómeno producido sobre las personas,
bienes, sistemas de prestación de servicios, naturales o sociales.
● Elementos en riesgo expuestos
Se trata del contexto social, material y ambiental representado por las personas, los
recursos, los servicios y los ecosistemas que pueden ser afectados por un fenómeno físico.
● Evaluación de amenazas
Proceso en la Gestión de Riesgos que consiste en determinar la posibilidad de que un
fenómeno se presente, en un determinado período y con un grado de severidad. Representa
si es recurrente y la ubicación geográfica.
Riesgo sistemático Riesgo operacional
(Variables exógenas) (Variables endógenas)
- PIB - Ingresos esperados
- Inflación - Costos variables
- Tasas de Interés - Margen de contribución
- Ahorro - Presupuesto de gastos
- Inversión - Inversión (tecnología)
- Tipo de cambio - Tasa de descuento
- Política fiscal - Indicadores de actividad
- Política monetaria - Estructura organizativa
- Política internacional - Capital humano
Método de Montecarlo
Con el objetivo de valorar con exactitud el riesgo en un determinado proyecto de inversión en una
empresa o grupo de trabajo, se lleva a cabo lo que se conoce como el método de Montecarlo, un
ejercicio de simulación de la realidad sustituyendo la realidad por un plano teórico haciendo uso
de números aleatorios.
La Simulación de Montecarlo es una técnica que permite llevar a cabo la valoración de los
proyectos de inversión considerando que una, o varias, de las variables que se utilizan para la
determinación de los flujos netos de caja no son variables ciertas, sino que pueden tomar varios
valores.
La clave para entender la utilidad de este sistema de simulación se encuentra en que en los distintos
proyectos hay esencialmente dos aspectos presentes que tienen un comportamiento de tipo no
determinista, es decir, cuyos resultados dependen de múltiples variables y hay que enfrentar una
cierta aleatoriedad. Este es el caso de las tareas y el riesgo en las inversiones.
Las tareas poseen un valor de tipo medio, además de ser variables en función de unas estadísticas
capaces de relacionar un coste a un porcentaje que mide la representatividad. Por su parte, el riesgo
presenta dos probabilidades: la de ocurrencia y el impacto que puede tener.
Para poner en práctica el método de Montecarlo, una vez definidas las estadísticas de tareas y de
riesgos, lo siguiente sería calcular un valor concreto para cada riesgo y cada tarea. Esto se realiza
a través de la disposición de varios números aleatorios de entre 0 y 100. Al asemejar a cada número
aleatorio un porcentaje de representatividad, el resultado es que se es capaz de estimar la duración
o el coste de un proyecto, en función de cada número aleatorio.
Lo que se pretende es que durante este análisis de riesgo se repita este cálculo un número
considerable de veces, para asegurarse de la mayor forma posible de cuál es el riesgo teórico al
que una determinada inversión se enfrenta.
Lo que permite efectuar este análisis es otorgar de forma conceptual un valor a un proyecto, no de
manera determinada, sino estableciendo un “valor medio” y una determinada variabilidad.
Permite determinar hasta qué punto las determinadas valoraciones de un proyecto son realistas y
arrojan confianza con respecto a los objetivos perseguidos con una determinada acción.
Ejemplo de la simulación de Montecarlo
Supongamos que queremos contratar a un gestor que realice operaciones por nosotros en la bolsa
de valores. El gestor presume de haber ganado 50% de rentabilidad durante el último año con una
cuenta de valores de 20.000 dólares. Para confirmar que lo que dice es verdad, le pedimos su track
record auditado. Es decir, el registro de todas sus operaciones verificado por un auditor (para evitar
estafas y cuentas falsas). El gestor nos facilita toda la documentación y procedemos a valorar la
cuenta de resultados.
Vamos a suponer que disponemos de 20.000 dólares. Introducimos las variables correspondientes
en nuestro programa informático y extraemos el siguiente gráfico:
Con los resultados facilitados por el gestor que queremos contratar, se han realizado 10.000
simulaciones. Además, los resultados se han proyectado cuatro años. Esto es, 10.000 escenarios
diferentes para esos resultados durante cuatro años. En la gran mayoría de escenarios se genera
una rentabilidad positiva, pero existe una pequeña probabilidad de perder dinero. La simulación
de Montecarlo nos facilita una infinidad de combinaciones para evaluar escenarios de los que a
simple vista no somos conscientes.
Descripción de modelos matemáticos
Los modelos matemáticos se utilizan para analizar la relación entre dos o más variables. Pueden
ser utilizados para entender los fenómenos naturales, sociales, físicos, etc. Dependiendo del
objetivo que se busca y del diseño del mismo modelo pueden servir para predecir el valor de las
variables en el futuro, hacer hipótesis, evaluar los efectos de una determinada política o
actividad, entre otros objetivos.
Aunque parezca un concepto teórico, en realidad hay muchos aspectos de la vida cotidiana
regidos por modelos matemáticos. Lo que ocurre es que no son modelos matemáticos enfocados
a teorizar. Al contrario, son modelos matemáticos formulados para que algo pueda funcionar. Por
ejemplo, un automovil.
Entre los más importantes elementos básicos de los modelos matemáticos están:
• Variables: Son los conceptos u objetos que se tratan de buscar, entender o
analizar. Sobre todo, con respecto a su relación con las otras variables. Así, por
ejemplo, una variable puede ser el salario de los trabajadores y lo que queremos
analizar son sus principales determinantes (por ejemplo: años de estudio,
educación de los padres, lugar de nacimientos, etc.).
• Parámetros: Se trata de valores conocidos o que se pueden controlar del modelo.
• Restricciones: Son determinados límites que nos indican que los resultados del
análisis son razonables. Así, por ejemplo, si una de las variables es el número de
hijos de una familia, una restricción natural es que este valor no puede ser
negativo.
• Relaciones entre las variables: El modelo establece una determinada relación
entre las variables apoyándose en teorías económicas, físicas, químicas, etc.
• Representaciones simplificadas: Una de las características esenciales de un
modelo matemáticos es la representación de las relaciones entre las variables
estudiadas a través de elementos de las matemáticas tales como: funciones,
ecuaciones, fórmulas, etc.
Modelos matemáticos en Riesgo e incertidumbre en proyectos de inversión.
La administración de riesgos es un proceso con el objetivo de identificar los eventos potenciales
que pueden afectar a las organizaciones y manejar los riesgos para proveer una seguridad
aceptable en el logro de sus objetivos, el mismo modo incluye la evaluación como una de sus
etapas fundamentales. La toma de decisiones estratégicas en las empresas cubanas se realiza
carente de apreciación para manejar la incertidumbre relativa a una amenaza de riesgos. Las
matemáticas borrosas, apropiadas para el tratamiento de la incertidumbre y la subjetividad,
surgieron a través de las herramientas de Fuzzy y Delphi , los cuales sustentan el procedimiento
aplicado. Los resultados de su empleo en la Cooperativa de Crédito y Servicio Piro Guina
confirman no solo la aplicabilidad de estos métodos, sino sus ventajas sobre la evaluación
realizada por una sola persona, su adaptabilidad a diferentes niveles de la escala así como su
facilidad para operar sobre Excel, elemento esencial para que pueda ser aplicado por un público
no familiarizado con ellas.
Ejemplos de modelos matemáticos relacionados a riesgos e incertidumbre en proyectos de
inversión
• Modelo de simulación determinista
Si un modelo de simulación no ha considerado ninguna variable importante, comportándose de
acuerdo con una ley probabilística, se le llama a esto un modelo de simulación determinista. En
estos modelos la salida queda determinada una vez que se pueden especificar los datos y las
relaciones de entrada al modelo, tomando una cierta cantidad de tiempo de cómputo para su
evaluación.
• Modelos de sensibilización
Para poder realizar un análisis de sensibilidad, centrado en los aspectos financieros, se tienen que
calcular los flujos de caja y el VAN de una inversión. A continuación, variamos uno de los
factores, como pueden ser las ventas, los costes o cualquier otro y vemos qué sucede con el
nuevo VAN. Después solo hay que calcular la variación en porcentaje de uno a otro. La fórmula
podría ser esta que mostramos a continuación:
En primer lugar, se plantean varias opciones en función de los posibles escenarios futuros. Estas
se analizan con los datos que ya conocemos y los que van a ir variando. Una vez tenemos clara
cada una de ellas las podemos comparar y tomar decisiones sobre si nos interesa modificar
dichos factores. Normalmente estos están relacionados con la producción, los costes o las ventas.
Análisis probabilístico
Probabilidad
El término de aleatoriedad o probabilidad asociada al concepto de incertidumbre fue estudiado por
el matemático ruso A.N. Kolmogorov en 1933, quien sentó las bases matemáticas para un modelo
probabilístico de riesgos (McNeil, Frey y Embrechts, 2015). Como lo explica Raftery (2003), una
probabilidad es un número entre cero y uno, el cual representa un juicio sobre la posibilidad
percibida de la ocurrencia de un evento. Una probabilidad de cero significa que el evento es
imposible, y uno, significa certeza de que 28 se presentará. La suma de probabilidades de una serie
de eventos mutuamente excluyentes, uno de los cuales debe ocurrir, es igual a 1. Este juicio de
valor puede ser obtenido de tres tipos de fuentes:
a) Probabilidades objetivo: está basado en frecuencias relativas observadas de incidencias
pasadas de un mismo evento (ejemplo: el número de veces en que cayó más de 50 mm de lluvia
en la ciudad de Santo Domingo).
b) Probabilidades a priori: derivado de una simetría visible (ejemplo: al tirar una moneda, cuál
es la probabilidad de obtener cara).
c) Probabilidades subjetivas: una reflexión de opiniones y juicios consistentes de un evento, o
una reflexión de un sujeto sobre su propio grado de confianza sobre la probabilidad de un evento.
Modelo probabilístico
Un modelo se define como probabilístico cuando siempre que se somete a un mismo estímulo
reacciona de forma diferente, por lo que, durante la evaluación de proyectos se tiene la necesidad
de tomar decisiones con base en fenómenos asociados con la incertidumbre. Esta incertidumbre es
la consecuencia de una variación constante del sistema, debido a causas que no se pueden
controlar. A este tipo de problemas se les puede incorporar un modelo matemático y manejarlos
de forma cuantitativa (MarcoTeorico.com, 2018).
Al existir incertidumbre para predecir el comportamiento, se requiere el uso de variables aleatorias
para describir los componentes del sistema y sus interacciones. Cada vez que se ejecuta el modelo,
aun con las mismas condiciones iniciales, se obtienen resultados diferentes.
En síntesis, el modelo probabilístico considera el riesgo, que no es más que la probabilidad de que
las variables del proyecto se comporten de manera diferente a lo supuesto. También se puede
interpretar como el grado de dispersión de los resultados obtenidos frente al promedio. En términos
estadísticos, el anterior concepto se refiere a la desviación estándar o la raíz cuadrada de la
varianza. A mayor desviación estándar, mayor volatilidad, y, por consiguiente, mayor riesgo (Lira,
2013).
Tipos de métodos para un análisis probabilístico
Existen dos grandes tipos de modelos probabilísticos: las distribuciones de probabilidad y los
procesos estocásticos.
Distribución de probabilidad
Se define una distribución de probabilidad como una lista que nos proporciona todos los resultados
de los valores que pueden presentarse en un acontecimiento, junto con la probabilidad de
ocurrencia asociada a cada uno de estos valores.
Toda variable aleatoria posee una distribución de probabilidad que describe su comportamiento.
Si la variable es discreta, es decir, si toma valores aislados dentro de un intervalo, su distribución
de probabilidad específica todos los valores posibles de la variable junto con la probabilidad de
que cada uno ocurra.
Este tipo de distribución se observa en diferentes procesos, algunos ejemplos de esta pueden ser:
Cuando se desea estudiar la probabilidad o el número de veces que pueda darse una reacción
adversa a la aplicación de un fármaco. Cuando se requiere conocer el número de defectos en un
lote de tela.
Algunas de las funciones que ofrece la distribución de probabilidad se utilizan cuando:
- El proceso aleatorio es estacionario (cero tendencia)
- El periodo de interés para estudiar el proceso aleatorio o la evolución del tiempo dentro de
este periodo no se requieren para explicar el proceso aleatorio bajo estudio
En este caso, la distribución de probabilidad se expresa únicamente en términos de la variable
aleatoria x que describe el proceso aleatorio. Así, la función puede ser continua, discreta o mixta
según el tipo de espacio muestral. Nótese que x puede referirse a un instante de tiempo o a un
periodo de tiempo que se observa durante un periodo de tiempo dado. Por ejemplo, pueden ser el
tiempo para reparación de un vehículo o los instantes de ocurrencia de una erupción volcánica.
Procesos estocásticos
Un proceso estocástico es un conjunto de variables aleatorias que depende de un parámetro o de
un argumento. En el análisis de series temporales, ese parámetro es el tiempo. Formalmente, se
define como una familia de variables aleatorias e indiciadas por el tiempo, t. Tales que para cada
valor de t, Y tiene una distribución de probabilidad dada.
En términos mucho más sencillos, un proceso estocástico es aquel que no se puede predecir. Se
mueve al azar. Aunque, como veremos más tarde, existen distintos tipos de procesos estocásticos.
Uno de los ejemplos más clásicos para hacer referencia a un proceso estocástico es la bolsa de
valores.
A pesar de esto, existen estrategias que han demostrado sobradamente que la bolsa no es un
proceso estrictamente estocástico. Sin embargo, en este caso, nos estamos refiriendo a la bolsa de
valores segundo a segundo. Ni el mejor modelo predictivo del mundo sería capaz de predecir si la
bolsa subirá o bajará cada segundo.
Proyectos de inversión sometidos a situaciones de riesgos e incertidumbre (ejemplos)
Industrias petroleras
Tenemos como ejemplo en cada una de estas que dentro de sus riesgos e incertidumbres hay un
campo bastante grande ya que la estabilidad y el éxito de este mercado de depende de muchas
cosas a su alrededor y diferentes noticias, ya que el petroleo es uno de los materiales fósiles
principales en todo el mundo y de uso primordial en muchos sentidos tiene una demanda tan
exigente que cualquiera de sus responsables principales puede causar un efecto tanto positivo como
negativo. Por ejemplo, tomemos en cuenta los siguientes puntos a evaluar los cuales pueden causar
y tendrán responsabilidad tanto negativa como positiva:
● Los nuevos paradigmas económicos, políticos, sociales y tecnológicos empiezan a
configurar un escenario global distinto. El mundo está cambiando vertiginosamente y
atraviesa un periodo de adaptación a una nueva realidad que también toca a la energía.
● El ajedrez geopolítico, la irrupción digital, el cambio climático o los nuevos hábitos de la
aldea global que habitamos, inciden directamente en la industria del petróleo, que es pilar
del desarrollo planetario.
● “El rápido desarrollo de las nuevas tecnologías, una revolución digital imparable, desafíos
ambientales globales y un cambio en los patrones demográficos y de crecimiento son
factores que explican la gran transición que está pasando el mundo con el potencial de
cambiar la forma en la producimos y consumimos energía” Izeusse Braga, World Energy
Council (WEC)
Conclusión
El riesgo no es más que el porcentaje de probabilidades que se enfrentan a la hora de hacer
cualquier cosa en la vida. Habiendo dicho esto, es clave manejar conceptos fundamentales de
gestión de riesgo, para así poder entender como tal que es, aplicarla en el día a día y sacarle la
máxima ventaja a esta.
Este planteamiento implica que no necesariamente el desconocimiento de una situación bien sea
por ignorancia o por omisión, representa un riesgo latente para el proyecto, lo cual sugiere que hay
eventos que se pueden considerar "normales", ya que son controlables y de cierto modo se pueden
asumir. Esto dependerá de la naturaleza de cada proyecto. No obstante, todos los riesgos conllevan
incertidumbre.
El concepto de riesgo se aborda, por lo tanto, desde sus dos dimensiones básicas: incertidumbre y
efecto en los objetivos, la dimensión de incertidumbre puede ser descrita usando el término de
"probabilidad", mientras que el efecto en los objetivos puede encontrar símil con el término
"impacto" (PMI, 2009).
Referencias
Bank, E. S. (2018, 4 septiembre). El método Montecarlo en finanzas. El blog de SelfBank by
Singular Bank. https://blog.selfbank.es/el-metodo-montecarlo-en-
finanzas/#:%7E:text=Qu%C3%A9%20es%20el%20m%C3%A9todo%20Montecarlo,sobre%20
las%20que%20se%20construye.
Cerem Business School. (2017, 10 enero). ▷ ¿Que es el método Monte Carlo? - Gestión de los
Riesgos. Cerem International Business School. https://www.cerem.do/blog/cuanto-vale-el-
riesgo-el-metodo-monte-carlo
López, J. F. (2017, 9 diciembre). Simulación de Montecarlo. Economipedia.
https://economipedia.com/definiciones/simulacion-de-
montecarlo.html#:%7E:text=La%20simulaci%C3%B3n%20de%20Montecarlo%20o,entender
%20el%20t%C3%A9rmino%20’simulaci%C3%B3n
E. (2020b, junio 29). 8 conceptos fundamentales en Gestión de Riesgos. EALDE Business
School. https://www.ealde.es/conceptos-gestion-de-riesgos/
López, J. F. (2017a, octubre 3). Proceso estocástico. Economipedia.
https://economipedia.com/definiciones/proceso-estocastico.html
Delgado, J. S. (2018). ¿Qué es la distribución de probabilidad? Pragma.
https://www.pragma.com.co/blog/que-es-la-distribucion-de-probabilidad
Roldán, P. N. (2019, 3 enero). Modelo matemático. Economipedia.
https://economipedia.com/definiciones/modelo-matematico.html
Hidalgo, M. G. (2017, 21 diciembre). Los modelos matemáticos en la identificación de riesgos
para evaluación de inversiones en el sector cooperativo | Guerra Hidalgo | Cooperativismo y
Desarrollo. coodes.upr.edu.cu. http://coodes.upr.edu.cu/index.php/coodes/article/view/176/324
Course Hero. (2019, 12 noviembre). Coursehero.com.
https://www.coursehero.com/file/25081553/MODELOS-DE-SIMULACI%C3%93N-
DETERMINISTA-VS-ESTOCASTICAdocx/
Arias, E. R. (2020, 24 abril). Análisis de sensibilidad. Economipedia.
https://economipedia.com/definiciones/analisis-de-sensibilidad.html
1.2 Conceptos básicos: cifra significativa, precisión, exactitud, incertidumbre y sesgo. -
MetNumVMC. (2018, 15 marzo). Sites.google.com.
https://sites.google.com/site/metnumvmc/unidad-i-2/1-2-1-2-conceptos-basicos-cifra-
significativa-precision-exactitud-incertidumbre-y-sesgo
