Uso del rbol de decisin

El rbol de decisin es una tcnica grfica que permite representar y analizar

una serie de decisiones futuras de carcter secuencial a travs del tiempo.
Cada decisin se representa grficamente por un cuadrado con un nmero
dispuesto en una bifurcacin del rbol de decisin. Cada rama que se origina
en este punto representa una alternativa de accin. Adems de los puntos de
decisin, en este rbol se expresan, mediante crculos, los sucesos aleatorios
que influyen en los resultados. A cada rama que parte de estos sucesos se le
asigna una probabilidad de ocurrencia. As, el rbol representa todas las
combinaciones posibles de decisiones y sucesos, permitiendo estimar un valor
esperado del resultado final, como un valor actual neto, utilidad u otro.
Supngase, a manera de ejemplo, que se estudia el lanzamiento de un nuevo
producto.
Las posibilidades en estudio son introducirlo en el mbito nacional o regional.
Si se decide lanzar el producto regionalmente, es posible hacerlo luego
nacionalmente
si el resultado regional as lo recomienda.
En el grfico 17.2 se representa un diagrama de un rbol de decisin para este
caso, en el cual cada ramificacin conduce a un cierto valor actual neto
diferente.
Para tomar la decisin ptima se analizan los sucesos de las alternativas de
decisin
ms cercanas al final del rbol, calculando el valor esperado de sus valores
actuales
netos y optando por aquella que proporcione el mayor valor esperado del VAN.
Por ejemplo, la ltima decisin de nuestro caso es la [2], que presenta dos
sucesos de
alternativa. El valor esperado del suceso (C) se calcula aplicando la ecuacin
17.2, as:
0,60 4.000 = 2.400
0,10 1.000 = 100
0,30 2.000 = (600)
VE (VAN) = 1.900

que representa el valor esperado del VAN en el caso de ampliar la introduccin

en el mbito nacional.
En el caso de continuar regionalmente, se obtiene, por el mismo
procedimiento, el siguiente resultado:
0,60 2.000 = 1.200
0,10 1.500 = 150
0,30 1.000 = 300
VE (VAN) = 1.650

Por tanto, la decisin ser ampliar nacionalmente, porque retorna un VAN

esperado mayor.
La siguiente decisin se refiere a la introduccin inicial. Si es regionalmente,
existe un 70% de posibilidades de que la demanda sea alta. Si as fuese, el VAN
esperado sera de 1.900, que correspondera al resultado de la decisin que se
tomara de encontrarse

en ese punto de decisin. Aplicando el procedimiento anterior, se obtiene:

0,70 1.900 = 1.330
0,10 2.000 = 200
0,20 1.000 = 200
VE (VAN) = 1.730

Para la alternativa de introduccin nacional se tendra:

0,50 5.000 = 2.500
0,20 100 = 20
0,30 (3.000) = (900)
VE (VAN) = 1.620

En consecuencia, se optara por una introduccin inicial en el mbito regional,

que luego se ampliara nacionalmente. Esta combinacin de decisiones es la
que maximiza el valor esperado de los resultados.
Este mtodo, as tratado, no incluye el efecto total del riesgo, puesto que no
considera
la posible dispersin de los resultados ni las posibilidades de las desviaciones.
En el ejemplo anterior, la decisin se haca sobre la base de un valor actual
neto promedio.
Sin embargo, es fcil apreciar que, dependiendo de su grado de aversin al
riesgo, algunos inversionistas podran optar por continuar regionalmente.
Una manera de obviar este problema es medir los rboles de decisin
probabilsticos que, adems de las caractersticas sealadas, permiten que
todas las cantidades, variables y sucesos aleatorios puedan representarse por
distribuciones continuas de probabilidad. As mismo, la informacin acerca del
resultado de cualquier combinacin de decisiones puede ser expresada
probabilsticamente, lo que permite su comparacin, considerando sus
respectivas distribuciones de probabilidad.

Modelo de simulacin de Monte Carlo

El modelo de Monte Carlo, llamado tambin mtodo de ensayos estadsticos, es
una tcnica de simulacin de situaciones inciertas que permite definir valores
esperados para variables no controlables, mediante la seleccin aleatoria de
valores, donde la probabilidad de elegir entre todos los resultados posibles est
en estricta relacin con sus respectivas distribuciones de probabilidades.
En la actualidad se dispone de varios software que solucionan fcilmente esta
tarea.
Programas como Crystal Ball, Parisimet, SimulAr, EasyPlanEx permiten
asignarle a determinadas variables un comportamiento aleatorio posible de
definir por medio de una distribucin de probabilidades que se elige de entre
varias opciones que ofrece cada software: normal, triangular, uniforme, beta,
lognormal, gamma, exponencial, pareto, etctera.
De esta manera, el programa selecciona un valor aleatorio al azar para cada
variable elegida, el cual est acorde con la distribucin de probabilidades
asignada a cada una. Al pedirle que ejecute, por ejemplo, mil iteraciones,
permite obtener valores actuales netos, los cuales presenta en un resumen
grfico con los resultados de la simulacin. Adems de entregar informacin
estadstica, indica el porcentaje de escenarios en que el VAN es igual o superior
a cero.

Si las variables inciertas relevantes en un proyecto fuesen, por ejemplo, la

demanda y la participacin de mercado, deber aplicarse en ambas la
simulacin para estimar su comportamiento en el futuro. Supngase que
estudios realizados sealan que la demanda
global esperada del mercado tiene la siguiente distribucin de probabilidades:
Demanda Probabilidad

Demanda
200.000
250.000
300.000
350.000
400.000
450.000

Probabilidad
0,10
0,25
0,35
0,15
0,10
0,05

Al mismo tiempo, supngase que la participacin en el mercado para el

proyecto sea tambin una variable incierta, para la cual se estima la siguiente
distribucin de probabilidades:
Participacin Probabilida

d Demanda
0,08
0,09
0,10
0,11
0,12
0,13
0,14
0,15

Probabilidad
0,26
0,22
0,16
0,13
0,10
0,07
0,05
0,01

Supngase, adems, que la demanda global del mercado est correlacionada

con la tasa de crecimiento de la poblacin, que se estima en un 2% anual a
futuro. El precio y los costos asociados con el proyecto se suponen conocidos o
su resultado
futuro menos incierto.
El primer paso en la solucin consiste en expresar matemticamente el
problema. En
este caso, la demanda por ao que podra enfrentar el proyecto se puede
expresar como:

D p=D g
donde

Dp

corresponde a la demanda del proyecto,

Dg

a la demanda

global y p al porcentaje de participacin del proyecto en el mercado.

La tasa de crecimiento de la demanda se incorporar al final como un factor de
incremento sobre la demanda del proyecto. Una alternativa es incorporarlo en
la frmula
anterior, lo que permite obtener el mismo resultado, con clculos ms
complejos.

El siguiente paso del mtodo Monte Carlo es la especificacin de la distribucin

de probabilidades de cada variable. En el ejemplo, las variables que deben
especificar su
distribucin de probabilidades son la demanda global del mercado y la
participacin del proyecto. Posteriormente en ambos casos se deber calcular
la distribucin de probabilidad acumulada y la asignacin de rangos de
nmeros entre 0 y 99 (o sea, 100
nmeros). A continuacin se muestran estos clculos para las dos variables en
estudio.
Demanda global
Distribucin de

Demanda
Global
200.000
250.000
300.000
350.000
400.000
450.000
Participacin
de mercado
Distribucin de
probabilidades
Probabilidad
acumulada
Asignacin Nos.
representativo
0,08 0,26 0,26 00
0,09 0,22 0,48 26
0,10 0,16 0,64 48
0,11 0,13 0,77 64
0,12 0,10 0,87 77
0,13 0,07 0,94 87
0,14 0,05 0,99 94
0,15 0,01 1,00 99

Distribucin de
probabilidades
0,10
0,25
0,35
0,15
0,10
0,05

Probabilidad
acumulada
0,10
0,35
0,70
0,85
0,95
1,00

Asignacin Nos.
representativos
00 09
10 34
35 69
70 84
85 94
95 99

25
47
63
76
86
93
98

La asignacin de nmeros representativos se efecta en proporcin a la

probabilidad acumulada. As por ejemplo, si el 10% se encuentra en el rango de
hasta 200.000, deben asignarse 10 nmeros representativos (0 al 9). Como
hasta 250.000 hay un 35% de probabilidades, se asignan 35 nmeros
representativos (0 al 34).
La etapa siguiente del modelo requiere tomar al azar nmeros aleatorios. Para
ello, se puede usar una tabla de nmeros aleatorios como la del cuadro 17.1.
Cada nmero seleccionado debe ubicarse en la columna Asignacin de
nmeros representativos.

Una vez localizado, se da el valor correspondiente de demanda global, el cual

se ajusta por el porcentaje de participacin en el mercado obtenido de igual
manera. Por ejemplo, si se usa la tabla de nmeros aleatorios de arriba hacia
abajo, se encuentra que el primer nmero es 23, el cual se ubica en el rango
10-34 de la asignacin de nmeros representativos del cuadro de demanda
global, lo que hace seleccionar el primer valor de 250.000. El segundo nmero
aleatorio es 05, el cual se ubica en el rango 0-25 de la asignacin de nmeros
representativos (cuadro 17.2) de la participacin del proyecto en el mercado, lo
que hace seleccionar el valor de 0,08.