Simulación de Montecarlo
Luis Felipe Zegarra
CENTRUM Católica
Incertidumbre
• En los negocios, siempre enfrentamos
incertidumbre.
• Dada la incertidumbre con la que vivimos,
tenemos que tomar decisiones.
▫ ¿Cuántos deben ser mis inventarios?
▫ ¿Debo invertir en este proyecto?
Simulación de Montecarlo
• Generación de datos aleatorios, sujetos a
las restricciones de un modelo
determinado.
• Datos reflejan posibles “realidades” que
se puedan dar.
• No vamos a predecir qué va a suceder
exactamente (no tenemos una bola de
cristal para leer el futuro).
• Pero sí seremos capaces de decir algo
sobre ese futuro.
Simulación de Montecarlo
• Por ejemplo, simulamos la TIR de un
proyecto.
• La herramienta nos dará muchos datos
posibles de la TIR.
• Si el mayor valor de esos datos es 20% y el
mínimo es 5%, entonces decimos que la TIR
estará entre 5% y 20%.
• Si el 40% de los datos son iguales a 10%,
entonces decimos que existe una
probabilidad de 0.4 de que la TIR sea 10%.
Foslins
• Vamos a simular la utilidad del negocio.
• La utilidad es incierta.
• Generaremos muchos datos que
representan lo que puede ocurrir con la
utilidad del negocio.
• Con esos datos, podremos calcular una
serie de indicadores (valor esperado,
máximo, mínimo, probabilidades, etc)
Modelación
• Identificar la variable objetivo (utilidad,
VAN, TIR, etc).
• Identificar las variables de decisión y los
parámetros.
▫ Variables de decisión: aquello que
decidimos, que controlamos.
▫ Parámetros: aquello que afecta al objetivo,
pero que no controlamos.
• Algunos parámetros pueden ser variables
aleatorias.
Generación de datos
• Debemos generar muchos datos de la
utilidad para confiar en los resultados.
• ¿Cuántos datos?
• Recomendación para simulación:
1,000 datos.
• Cuánto más grande la muestra mejor
(100,000 o más datos). Pero puede tomar
mucho tiempo.
Simulación
• ¿Cómo generar esa muestra de 1,000
datos?
• Es importante seguir con cuidado los
pasos para realizar una correcta
simulación.
Pasos
• Con una muestra de 1,000 datos se
podrán generar los estadísticos y la
distribución de probabilidades.
• ¿Cómo generar esa muestra de 1,000
datos?
• Se deben seguir algunos pasos con el fin
de generar tal muestra.
• Ahora veremos el caso en que las
variables aleatorias son discretas.
1) Tabla de probabilidades
• Escribir la
tabla de
probabilidade
s de las
variables
aleatorias y
calcular las
probabilidade
s
acumuladas.
2) Generar una segunda tabla
• La nueva tabla
(derecha) tiene
dos columnas.
• La primera
columna empieza
en “cero”,
seguido de
probabilidades
acumuladas.
• La segunda
columna es la
variable
aleatoria.
Observación
• Las celdas fijas (aquellas que no cambian)
en Excel son aquellas que no están
sujetas a incertidumbre.
• Las celdas cambiantes están sujetas a
incertidumbre.
• En el caso de Foslin, las celdas
cambiantes son la “demanda” y la
“utilidad”.
Observación
• Note que la celda
amarilla es fija.
• La celda verde y la
celda naranja son
cambiantes.
3) Generar el parámetro
aleatorio
• Utilizar el comando
BUSCARV.
• Este comando
tiene tres
argumentos:
aleatorio(), el
rango E4:F8, y el
número 2.
• Esto hará que el
parámetro
(demanda) no sea
fijo.
4) Generar la celda a simular
(utilidad)
• En este caso, la
celda a simular
es la celda
naranja.
• Como la celda
naranja depende
de la celda verde,
entonces no es
una celda fija.
5) Generar la muestra de 1,000
datos
• Enumerar una
columna de 1 a
1,000 (columna A,
A5:A1004).
• En la celda B5,
hacer referencia a
la celda de utilidad.
• Sombrear A5:B1004
• En “Datos”, utilizar
“Analisis y Si”,
“Tabla de datos” y
“Columna”.
Finalmente
• Con la muestra de 1,000 datos, se podrán
generar:
▫ Media
▫ Desviación estándar
▫ Máximo y mínimo
▫ Probabilidades
