• Author / Uploaded
• Alba Lucia Betancur Angel

Citation preview

1. Una descripción breve del problema a tratar. La simulación Monte Carlo es una técnica matemática computarizada que permite tener en cuenta el riesgo en análisis cuantitativos y tomas de decisiones. Esta técnica es utilizada por profesionales de campos tan dispares como los de finanzas, gestión de proyectos, energía, manufacturación, ingeniería, investigación y desarrollo, seguros, petróleo y gas, transporte y medio ambiente. La simulación Monte Carlo ofrece a la persona responsable de tomar las decisiones una serie de posibles resultados, así como la probabilidad de que se produzcan según las medidas tomadas. Muestra las posibilidades extremas los resultados de tomar la medida más arriesgada y la más conservadora así como todas las posibles consecuencias de las decisiones intermedias. Los científicos que trabajaron con la bomba atómica utilizaron esta técnica por primera; y le dieron el nombre de Monte Carlo, la ciudad turística de Mónaco conocida por sus casinos. Desde su introducción durante la Segunda Guerra Mundial, la simulación Monte Carlo se ha utilizado para modelar diferentes sistemas físicos y conceptuales.

2. Los supuestos utilizados para las variables aleatorias. Una variable aleatoria es una función que asigna un número real, y sólo uno, a cada uno de los resultados de un experimento aleatorio. Las variables aleatorias se representan por letras mayúsculas de nuestro alfabeto latino y utilizaremos las minúsculas con subíndices, para los valores concretos de las variables. Las variables aleatorias pueden ser discretas o continuas. Discreta cuando la variable sólo puede tomar un conjunto infinito y numerable de valores (los números naturales) o finito de valores (número de sucesos). Y continua cuando puede tomar infinitos valores o un conjunto de valores no numerable.

3. Los escenarios considerados y su efecto en las distribuciones o los parámetros. Es claro que con la simulación se obtiene mucha mayor información. Así, por ejemplo, aunque los escenarios pesimista y optimista son posibles, puede suceder que en una corrida de 1 000 simulaciones, estos sean poco probables. Por otra parte, si por ejemplo se tiene una probabilidad de pérdida de 0,071, la cual puede ser aceptable para la administración, dado que se tiene una probabilidad de que la utilidad sea beneficiosa. De lo contrario, PcSA puede realizar nuevas investigaciones de mercado antes de decidir la introducción del producto. En cualquier caso, los resultados de la simulación deben ser una ayuda para llegar a una decisión apropiada.

4. Una conclusión (positiva o negativa) acerca de los resultados presentados en el artículo. El análisis del riesgo forma parte de todas las decisiones que tomamos. Nos enfrentamos continuamente a la incertidumbre, la ambigüedad y la variabilidad. Y aunque tenemos un acceso a la información sin precedentes, no podemos predecir con precisión el futuro. La simulación Montecarlo permite ver todos los resultados posibles de las decisiones que tomamos y evaluar el impacto del riesgo, lo cual nos permite tomar mejores decisiones en condiciones de incertidumbre.