Estructura y elaboración de un presupuesto financiero
Taller crystal ball raphael rey tovar
1. 1
Sesión :
Taller de utilización de la herramienta Crystal Ball, para análisis y
gestión del Riesgo y Toma de Decisiones para creación de valor
bajo incertidumbre en tiempos de caos
Enero
2015
Profesor:
Raphael Rey Tovar
Ingeniero Industrial
Magister en Banca y Finanzas
2. Objetivos y resultados esperados de la sesión Día 1
Comprender la utilidad potencial de la
herramienta Crystal Ball en la gestión y
toma de decisiones bajo incertidumbre
en los negocios .
Objetivos Resultados esperados
El equipo técnico comprende la importancia
de contar con una herramienta que le
permite evaluar y analizar el riesgo en la
toma de decisiones para los negocios.1
2
Tener la capacidad de modelar en Excel
apropiadamente para luego definir las
variables exógenas, endógenas y de
resultado en el modelo
El equipo técnico, es capaz de elaborar el
modelo en Excel y de identificar las
variables exógenas y endógenas del modelo
que impactan en los resultados económicos
y financieros del negocio.
3
Tener la capacidad de crear modelos
propios generar reportes y extraer datos
de una simulación
4
Tener la capacidad de analizar los
resultados de una simulación El equipo técnico, es capaz de crear sus
modelos, analizar los resultados de la
simulación, utilizar los distintos gráficos, y
realizar análisis de sensibilidad, y extraer
datos de una simulación.
3. Objetivos y resultados esperados de la sesión Día 2
Tener la capacidad de aplicar opciones
avanzadas para la definición de
supuestos.
Objetivos Resultados esperados
El equipo técnico desarrolla ajuste de las
variables exógenas a distribuciones de
probabilidad, así como de las variables de
resultado, que pueden servir de insumo para
otro modelo de mayor alcance.
5
6 Tener la capacidad de aplicar opciones
avanzadas a las variables de resultado,
de Pronóstico.
El equipo técnico, es capaz de ajustar y adaptar
criterios de filtro y de gestión a las variables de
resultado para un análisis de mayor
profundidad.
7 Tener la capacidad de utilizar Predictor
para generar pronósticos ( valores de
series de tiempo), con regresiones y
utilización como variable de supuesto
para un modelo de mayor alcance.
8
Tener la capacidad de utilizar OptQuest
para una optimización Estocástica
maximizando la rentabilidad bajo una
determinada tolerancia de riesgo.
El equipo técnico, es capaz de analizar
OptQuest y Predictor que permite tomar una
una decisión óptima de valor estratégico
económico, a través de un análisis global de la
situación compleja presentada.
4.
5. Presentación y Expectativas del Taller
•Nombre
•Empresa, Dirección, División e Industria
•Experiencia en el análisis de riesgo y/o uso del Crystal Ball
•Expectativas del Taller
•Planes para utilizar Crystal Ball después del Taller
•¿Porqué está usted aquí interesado en Crystal Ball?
•¿Qué es lo que desearía lograr en este taller?
7. Un modelo es la representación de un sistema complejo real
Modelo del Negocio: Articulación de las Variables : Proceso de construcción: Excel
Experiencia,
educación, cultura,
evidencia, etc
Realidad
(Tema)
Modelo
Abstracción de la
realidad
(orden y síntesis)
Construcción
colectiva:
Participación de
actores y
acuerdos
•Modelo de Planeamiento Estratégico
•Modelo de Planeamiento Financiero
•Modelo de Negocio- Proyecto
•Modelo de Producción
8. 8 8
Dependiendo de la magnitud del análisis - Técnica de Recopilación
De manera individual
proponer ideas claves
sobre la situación y la
toma de decisión
estratégica
Agrupar las ideas por
afinidad para obtener
los componentes y
variables
Los componentes y
variables deben ser el
resultado del acuerdo
de los especialistas
9. Los métodos de simulación estadística son imprescindibles en el análisis de riesgo,
uno de los más conocidos es el de SIMULACIÓN DE MONTECARLO.
Crystal Ball es una poderosa herramienta para la aplicación de estos métodos.
Por esta razón este entrenamiento se concentrará en mostrar los potenciales de esta
herramienta.
De manera que al finalizar estas sesiones se espera que el participante haya logrado:
Conformar un modelo completo de evaluación de un proyecto y completar
el análisis de sus riesgos inherentes
Desarrollar habilidades y destrezas en los procesos de optimización
estocástica
Desarrollar aplicaciones que ensamblan pronósticos en modelos de
optimización
Modelo del Negocio: Articulación de las Variables : Proceso de construcción: Excel
10. Un modelo es la representación de un sistema complejo real
• Juego de relaciones matemáticas y lógicas, uso de celdas referenciales y/o
absolutas
• Variación de condiciones y supuestos para probar escenarios.
• Tradicionalmente datos determinísticos: se asume conocidos con
certeza y es puntual.
• Conversión Probabilístico – estocástico con Crystal Ball se informa de
forma integral, y se analiza riesgos
Modelo del Negocio: Articulación de las Variables : Proceso de construcción: Excel
11. Modelo del Negocio, de la situación estratégica
Objetivo Inicial
Componentes
Modelo en Excel
Procedimiento Recolectar y sistematizar información – Data Valores Históricos
Desarrollo del Modelo en excel vinculación referencial entre las
variables
Comprender las interrelación entre las variables exógenas,
endógenas y su impacto en las de resultado bajo un modelo
representado en excel, bajo un enfoque de sistema
Estructura sistemática que representa el estado del
conocimiento con relación a un tema, asimismo, identifica los
componentes que lo integran.
Son el conjunto de elementos que representan al modelo y
describen aspectos que lo definen como un sistema
- La suma de partes explican el modelo integrado de sistema
- Los componentes son diferenciados y se interrelacionan a
través de las variables exógenas (entorno) endógenas
(internas) que impactan en las variables de resultado o de
interés final a ser analizado.
12. Modelo del Negocio en Excel
Ventajas
•Facilidad en el uso
•Popular y conocido
•Herramienta flexible para la construcción de modelos
Desventajas
•Si la información no es la real, si entra basura, sale basura
•Fácil de manipular, y de alterar algunas relaciones
•Difícil de auditar
•El excel por naturaleza es Determinístico, solo un valor en
cada celda, asimismo asume que los valores ingresados son
conocidos.
13. Gestión de la Incertidumbre con Excel
•Los estimados en las celdas es de un solo punto o valor
-Los resultados son de salida simple, un solo valor en la celda.
•Análisis de Escenarios muy limitado
-Estima un escenario más probable, un optimista y pesimista
-Se tiene resultados en un rango de posibilidades.
•Análisis de que pasa si
-Ingresan metódicamente incrementos regulares en las variables de entrada
para ver los resultados proyectados
-Los resultados proyectados son montañas de datos, de tablas de datos que
muestran el rango de los posibles resultados, pero sin probabilidades
asociadas.
14. Permite identificar aquellas principales generadores de rentabilidad y
riesgo, y sus relaciones. Caso para un casino con zona de fumadores.
Mapa de interrelación de variables
15. Flujo de
Caja Neto
Ingresos Egresos
Variables de Resultado para el Modelo en Excel
Valor Presente
Neto
Tasa Interna
De Retorno
Variables de
Resultado (Nodo)
(Objetivo)
Variables de
Resultado parcial
Valor de la Empresa
16. Cantidad
Ventas
Costo
FOB
Costos
Fijos
Flujo de
Caja Neto
Participación
de Mercado
Gastos de
Inversión
Gastos
Generales
Mantenimiento
Costos de
Importación
Margen de
Ganancia
Términos de
negociación con
clientes
Grado de
Calidad
Elasticidad
Términos de
negociación con
fabricantes
Costos
Variables
Comisión de
Ventas
Costos
Unitarios
Fuerza de
Ventas
Precio
de Venta
Ingresos Egresos
Diagrama de Influencias – Relación entre las variables a modelar en Excel
17. Probabilidades: el Lenguaje de Incertidumbres
• ¿Por qué Probabilidades?
- Características del Entorno en el cual se toman decisiones:
incertidumbre
- Probabilidad es el lenguaje para describir y tratar la incertidumbre
• Una incertidumbre es una distinción (variable) de interés cuyo
estado (valor) es desconocido
Ejemplos: Precio petróleo, Precio de las acciones, Tipo de Cambio,
Ingresos, Tasas de interés, inflación, Cantidad de Demanda, Costos de
Producción
-¿Qué otros ejemplos de Incertidumbre a menudo enfrenta?
18. Enfrentar, entender y comunicarse claramente acerca de la
incertidumbre es importante y requerido para:
• Análisis de riesgo, administración del riesgo y reducción del riesgo
• Evaluación de proyectos de inversión
• Análisis de Decisiones Estratégicas.
• Diseño de planes de contingencia y opciones de recolección de
información
• Comunicación
Probabilidades: el Lenguaje de Incertidumbres
19. Indique el rango de probabilidades numéricas que
cada uno de las siguientes frases le sugiere:
Probabilidad Probabilidad
Mínima Máxima
Es muy probable que ocurra ________ ________
Hay una buena posibilidad ________ ________
Ocurrirá casi con seguridad ________ ________
Es posible que ocurra ________ ________
Probabilidades: el Lenguaje de Incertidumbres
Las probabilidades usualmente cambian con nueva información.
20. Las posibilidades de una incertidumbre pueden ser un número
finito (variable discreta) o infinito (variable continua).
• Si el número de estados de la incertidumbre es finito en un
intervalo dado, se dice que es una incertidumbre (variable)
discreta. Ejm: Número de unidades vendidas, Número de
servicios brindados, Cantidad de transacciones realizadas, etc
• Si el número de estados de la incertidumbre es infinito en un
rango dado, se dice que es una incertidumbre (variable)
continua. Ejm: Precio de venta, Consumo diario de gasolina, Tasa
de interés, etc
Probabilidades: el Lenguaje de Incertidumbres
22. 22
El riesgo es la exposición a la incertidumbre
Esta definición tiene dos componentes:
La existencia de hechos inciertos, por desconocimiento, porque no han
acaecido.
La exposición, que no es otra cosa que la magnitud como los hechos
inciertos afectan a las personas o a las organizaciones.
La definición permite aclarar que la medición del riesgo tiene dos
dimensiones:
La incertidumbre sobre el valor que pueda tomar un fenómeno
El valor del impacto que sobre un patrimonio tiene el valor incierto
El Concepto del Riesgo
23. 23
El análisis de riesgo es un enfoque orientado a adquirir una comprensión
del riesgo asociado a una variable de interés.
Por ejemplo:
La medida de un resultado económico
El resultado de un flujo de caja descontado
Una variable macroeconómica
El desafío del análisis de riesgo consiste en construir un modelo que de
manera adecuada represente el problema bajo estudio
El Análisis del Riesgo
24. 24
Los modelos son abstracciones de un sistema, una idea o un objeto
Por la naturaleza de su función los modelos pueden ser:
1. Perspectivos: buscan proyectar un comportamiento
2. Descriptivos: buscan identificar relaciones causales
Por la naturaleza de la incertidumbre que incorporen:
1. Determinísticos: las variables pronosticadas no contienen ningún error. No hay
incertidumbre.
2. Probabilísticos: los pronósticos están sujetos a incertidumbre, HAY RIESGO
El Análisis del Riesgo
25. 25
Las variables que determinan o explican los resultados se pueden
denominar variables supuestos.
Si los supuestos tiene incertidumbre deben tratarse como variables
aleatorias.
Las variables aleatorias son la fuente del riesgo.
El Análisis del Riesgo
26. 26
Cuando a una fuente de riesgo se le conoce sus propiedades estadísticas, el riesgo se
puede:
Medir
Gestionar
Se dice entonces que una variable aleatoria se caracteriza por que su comportamiento
puede ser descrito mediante una función de distribución de probabilidad
La función de distribución de probabilidad relaciona los valores que puede tomar la
variable con sus respectivas probabilidades de ocurrencia.
Existen varias funciones reconocidas de funciones de distribución de probabilidad.
Todas ellas se especifican en función de parámetros estadísticos: media, desviación
estándar, moda, etc.
El Análisis del Riesgo
27. 27 27
Pregunta orientadora: Qué es simulación?
El proceso de experimentar a través de un modelo como el
comportamiento de las variables de entrada (exógenas,
endógenas) influye y determina el comportamiento de las
variables de interés (resultado) bajo un modelo que
representa la naturaleza de un proceso determinado de
interrelación entre dichas variables
Permite identificar los problemas o riesgos con el diseño del
sistema, para hacer los ajustes que sean necesarios
Permite administrar y gestionar los riesgos, anticipación
estratégica entendiendo los costos y beneficios de acuerdo a
una politica de tolerancia al riesgo
28. 28 28
Simulación Montecarlo
Un Sistema que utiliza números al azar para medir los
efectos de la incertidumbre
Permite de manera amigable a través del Crystal Ball analizar
los riesgos, para la toma de decisiones óptimas entendiendo
los costos y beneficios de acuerdo a una politica de
tolerancia al riesgo
El procedimiento de simulación de Monte Carlo contiene los elementos siguientes:
•Un modelo que asocia variables independientes con variables dependientes
•La caracterización de las variables aleatorias independientes.
•Un procedimiento de generación de números aleatorios.
•A partir de números aleatorios se determinan muestras de las variables independientes que permiten
calcular los valores de las variables dependientes. (Proceso de muestreo)
•La muestra de las variables dependientes creada artificialmente permite establecer la dimensión de
su comportamiento aleatorio
29. Como funciona la Simulación Monte Carlo – Procedimiento de Cálculo
Unit Sales 10
Sales Price 10.00$
Total Revenue 100.00$
Variable Cost/Unit 5.50$
Total Variable Cost 55.00$
Total Fixed Cost 20.00$
Total Cost 75.00$
Net Revenue 25.00$
PRODUCT PROFORMA
Empieza aquí: Genera un número al
azar (entre 0 y 1)
Recalcula el modelo y registra el
resultado de la simulación para este
intento
Convierte el número al azar
en un valor de muestra
Transforma la Distribución de
Probabilidad a Distribución de
Probabilidad Acumulada
Introduce el valor de
muestra al modelo de
transformación
Genera el siguiente número al azar
(entre 0 y 1 )
Distribución de Probabilidad de las variables de entrada
(Exógenas)
Variable de Interés de Resultado del Modelo
Para la Toma de Decisiones
Distribución de Probabilidad de las variable objetivo de salida :resultado
31. EL MODELO
PARAMETROS
CONSTANTES
VARIABLES
DE DECISION
VARIABLES
ALEATORIAS
X
VARIABLES
PRONOSTICADAS
Y
X
X
X
X
Y
Y
Conociendo las características aleatorias de las variables independientes (de entrada,
supuestos (exógenas), de decisión (endógenas) se pueden identificar las características
aleatorias de las variables dependientes (de resultado)
Simulación Montecarlo y Análisis del Riesgo
Exógenas, Supuestos, Assumptions ( independiente)
Endógenas, control
De resultado, de Interés, dependiente
Variable objetivo
Análisis del Riesgo
Variables de entrada
32. FUNCIÓN DE
DISTRIBUCIÓN DE LAS
VARIABLES A
PRONOSTICAR
Las Constantes K
Las variables de decisión
D
Generación
de números
aleatorios
Selección de valores
de las Variables
Aleatorias
X
X
Un Resultado
de la Variable
a Pronosticar
Acumulación
de Resultados X
X
Componentes del proceso de Simulación Monte Carlo
33. 33 33
Ventajas y Desventajas de la Simulación Montecarlo con Crystal Ball
Muy barata para evaluar y tomar decisiones estratégicas
antes de invertir en ellas.
Revela las variables críticas del sistema, las variables drivers
que hay que gestionar para reducir la incertidumbre de la
variable de resultado
Ventajas:
Excelente herramienta para vender la necesidad del cambio
Los modernos aplicativos sobre el excel hacen que la
simulación sea muy fácil de realizar
Crystal Ball le ayuda a enfocarse en los puntos críticos para
realizar los ajustes respectivos.
34. 34 34
Ventajas y Desventajas de la Simulación Montecarlo con Crystal Ball
Los resultados son sensibles a la exactitud de los datos de las
variables de entrada
Si no se puede modelar en Excel no se puede utilizar Crystal
Ball para realizar la simulación montecarlo
Desventajas:
La simulación por si sola no resuelve el problema, se necesita
conocimiento experto de la situación para hacer los ajustes
adecuados al modelo
La simulación no proporciona respuestas sencillas para
problemas o situaciones complejas (modelo de agrupados,
en niveles de variables, macros que agrupan micro, más de
100 variables
35. 35 35
Los cinco pasos para el Desarrollo de un Modelo
1.- Desarolle el diagrama de flujo o influencias del modelo
con enfoque de sistema
2.- Utilice una hoja de cálculo Excel para modelar el sistema
Pasos:
3.- Utilice Crystal ball para modelar los supuestos y los
resultados estimados
4.-Corra la simulación y analice las salidas
5.-Mejore el modelo del sistema y la toma de decisiones
37. www.crystalball.com 37
Decidiendo tomar un nuevo Empleo
• La Posición Ofrecida
– Gerente de un negocio de alquiler de equipo
– El sueldo es de US$ 3,000.00 por mes, más el 2% del margen neto
– Su siguiente mejor opción (actual) paga $ 5,000.00 US$. de salario fijo.
• Datos disponibles
– Se ha conseguido la varianza del precio de alquiler proveniente de los acuerdos de la
fuerza de ventas. Rentas mensuales: $ 2,000.00 mínimo, $ 2,500.00 máximo, $
2,100.00 lo más probable
– Rango de costos variables: $ 600 - $ 900, más probable $800.
– Rango de costos fijos: $ 10,500 - $ 16,000, más probable $ 15,500
– Cantidad de unidades alquiladas esperadas al mes :100 unidades.
– Las unidades alquiladas tienen una media del 85% con dispersión de 15%
Ejemplo Introductorio simple
El ingreso por comisiones sería 3000 + 2% del Margen neto >= 5000
Luego Comisión 2% del margen Neto >=2000. ¿Qué tanta incertidumbre tengo para tomar decisión?
38. 38
Observar el precio unitario de venta, las unidades
alquiladas, los costos variables y fijos
Multiplique el monto de
alquiler por las unidades para
tener el ingreso total
Reste el ingreso total y el costo para obtener
el margen bruto (valor agregado)
Sume los costos fijos y
variables para tener
el costo total
Multiplique el costo variable
por las unidades para tener el
costo variable total
Multiplique por el 2% para tener
la compensación variable
La compensación debe ser mayor de 2000 para
ser atractiva. Dibuje el valor y repita
Paso 1 : Desarrolle el Diagrama de Flujo del Algoritmo (lógica y variables entrada)
39. 39
Ingresos
Monto de alquiler por unidad $ 2,100
Unidades alquiladas 85
Ingreso total mensual $ 178,500
Costos
Costos variables por unidad $ 800
Costo Variable Total $ 68,000
Costo Fijo Mensual $ 15,500
Costo Total Mensual $ 83,500
Margen Bruto $ 95,000
Comisión Mensual (2%) $ 1,900
Paso 2 : Implementar el modelo en Excel (relaciones y formulas entre variables)
Valores iniciales: caso Base
40. 40
Análisis Gerencial Típico (Análisis de Escenarios : con Excel)
EL MEJOR CASO
Ingresos
Monto de alquiler por unidad $ 2,500
Unidades alquiladas 100
Ingreso total mensual $ 250,000
Costos
Costos variables por unidad $ 600
Costo Variable Total $ 60,000
Costo Fijo Mensual $ 10,500
Costo Total Mensual $ 70,000
Margen Bruto $ 180,000
Comisión Mensual (2%) $ 3,600
EL CASO MAS PROBABLE
Ingresos
Monto de alquiler por unidad $ 2,100
Unidades alquiladas 85
Ingreso total mensual $ 178,500
Costos
Costos variables por unidad $ 800
Costo Variable Total $ 68,000
Costo Fijo Mensual $ 15,500
Costo Total Mensual $ 83,500
Margen Bruto $ 95,000
Comisión Mensual (2%) $ 1,900
EL PEOR CASO
Ingresos
Monto de alquiler por unidad $ 2,000
Unidades alquiladas 70
Ingreso total mensual $ 140,000
Costos
Costos variables por unidad $ 900
Costo Variable Total $ 63,000
Costo Fijo Mensual $ 16,000
Costo Total Mensual $ 79,000
Margen Bruto $ 61,000
Comisión Mensual (2%) $ 1,220
-El mejor es llevarse $6,600 (3000 +3600)
-La expectativa es de $ 4,900 (3000 + 1900)
-El peor sería de $ 4,220 (3000 + 1220)
-¿Qué decido hacer?
41. 41
Pronostique su compensación variable mensual
Paso 3: Supuestos del Modelo para utilizarlo con Crystal Ball
• Que el monto del precio de venta unitario sigue una distribución triangular con
límites entre $ 2,000 y $ 2,500 y un pico probable de $ 2,100
• Que el costo variable por unidad sigue una distribución triangular entre $ 600 por
unidad y $ 900 por unidad con un pico más probable en $ 800 por unidad
• Que los costos fijos siguen una distribución triangular con un valor mínimo de $
10,500, un máximo de $ 16,000 y un más probable de $15,500
• Que las unidades vendidas sigan una distribución normal con un promedio de 85 y
una desviación estándar de 5. El mínimo número de unidades rentadas es de 80, el
máximo es de 100.
Modelo Inicial en Excel
Ingresos:
Precio de alquiler por unidad 2,100
Unidades alquiladas 85
Ingreso total mensual: 178,500
Costos:
Costo Variable por unidad 800
Costo variable total 68,000
Costo Fijo Mensual 15,500
Costo Total Mensual: 83,500
Utilidad Neta antes de impuestos: 95,000
2% Comisión mensual 1900
42. 42
La ventana de resultados
estimados muestra la distribución
de su compensación variable.
! Casi 75% de probabilidades de tener
una mejor paga con este trabajo!
La gráfica de sensibilidad muestra cuáles
supuestos impulsan los Resultados. Puede
construir una estrategia de acción con esta
información
Paso 4: Corra la simulación y analice los resultados
43. 43
• Alternativa 1: Los números dicen que estará mejor 75% del tiempo con el
nuevo trabajo, cuándo puede usted comenzar?
• Alternativa 2: Tiene usted algunas posibilidades de negociar un salario más
alto en su actual posición, pero tendría que exponer la oferta de trabajo que
tiene.
• Alternativa 3: El modelo de compensación es más sensible al monto del precio
de alquiler. Usted sabe que un competidor de menor costo va a comenzar un
negocio similar en su área muy pronto, y usted piensa que esto puede
impulsar los precios hacia abajo. En este caso quédese con su empleo actual
con una paga estable.
Paso 5: Analizar los resultados, el entorno y las alternativas para tomar la decisión
El ingreso por comisiones sería 3000 + 2% del Margen neto >= 5000
Luego Comisión 2% del margen Neto >=2000. La probabilidad es de 75%. Luego si
convendría, aunque habría que seguir analizando factores del entorno, para la decisión
final
45. 45
La Oferta
• Adquirir los derechos de producción y comercialización de un medicamento antialérgico sin
efectos secundarios conocidos. Usted está encargado de la Valoración Económica de AllergyGone
para lo cual ha preparado un Flujo de Caja descontado para un periodo de análisis de 05 años,
con el Objetivo de determinar si el producto a adquirir agrega valor a la empresa.
Ejemplo N°2 : Decidiendo comprar un producto de marca AllergyGone
Caso Simplificado de Flujo de Caja Descontado por Compra de producto marca: AllergyGone
Año 0 Año 1 Año 2 Año 3 Año 4 Año 5
Precio de Venta Unitario $6.00 $6.00 $6.00 $6.00 $6.00
N° de Unidades a vender 800,000 800,000 800,000 800,000 800,000
Ventas Totales $4,800,000 $4,800,000 $4,800,000 $4,800,000 $4,800,000
Costos de Ventas $2,640,000 $2,640,000 $2,640,000 $2,640,000 $2,640,000
Utilidad Bruta $2,160,000 $2,160,000 $2,160,000 $2,160,000 $2,160,000
Costos de Operación $432,000 $432,000 $432,000 $432,000 $432,000
Utilidad Neta antes de Impuestos/ EBIT $1,728,000 $1,728,000 $1,728,000 $1,728,000 $1,728,000
Impuesto a la Renta $691,200 $691,200 $691,200 $691,200 $691,200
Inversión en la Compra de Allergygone -$3,400,000
Flujo de Caja Neto: -$3,400,000 $1,036,800 $1,036,800 $1,036,800 $1,036,800 $1,036,800
NPV / VAN $530,288
IRR / TIR 16%
Supuestos
Tasa deImpuesto a la Renta 40%
Tasa de Descuento 10%
Costo de Ventas como % de Ventas 55%
Costos de Operación como % de Utilidad Bruta 20%
Otros Supuestos del modelo: La Depreciacion es igual al Capital de Trabajo, No hay Interes de Deuda, y no se consideran Gastos de
Inversión ni Inversión en Capital de Trabajo
46. 46
Ejemplo N°2 : Decidiendo comprar un producto de marca AllergyGone
Caso Simplificado de Flujo de Caja Descontado por Compra de producto marca: AllergyGone
Año 0 Año 1 Año 2 Año 3 Año 4 Año 5
Precio de Venta Unitario $6.00 $6.00 $6.00 $6.00 $6.00
N° de Unidades a vender 800,000 800,000 800,000 800,000 800,000
Ventas Totales $4,800,000 $4,800,000 $4,800,000 $4,800,000 $4,800,000
Costos de Ventas $2,640,000 $2,640,000 $2,640,000 $2,640,000 $2,640,000
Utilidad Bruta $2,160,000 $2,160,000 $2,160,000 $2,160,000 $2,160,000
Costos de Operación $432,000 $432,000 $432,000 $432,000 $432,000
Utilidad Neta antes de Impuestos/ EBIT $1,728,000 $1,728,000 $1,728,000 $1,728,000 $1,728,000
Impuesto a la Renta $691,200 $691,200 $691,200 $691,200 $691,200
Inversión en la Compra de Allergygone -$3,400,000
Flujo de Caja Neto: -$3,400,000 $1,036,800 $1,036,800 $1,036,800 $1,036,800 $1,036,800
NPV / VAN $530,288
IRR / TIR 16%
Supuestos
Tasa deImpuesto a la Renta 40%
Tasa de Descuento 10%
Costo de Ventas como % de Ventas 55%
Costos de Operación como % de Utilidad Bruta 20%
Otros Supuestos del modelo: La Depreciacion es igual al Capital de Trabajo, No hay Interes de Deuda, y no se consideran Gastos de
Inversión ni Inversión en Capital de Trabajo
Caso base
47. 47
• Precio Unitario ( en US$): Distribución Triangular
– Valor Mínimo : 5.5
– Valor Más probable: 6
– Valor Máximo: 6.5
• Unidades Vendidas: Distribución Normal
– Media: 800,000
– Desviación Estándar: 25,000
• Costo de Ventas : Distribución LogNormal
– Media. 55%
– Desviación Estándar. 5%
• Gastos operativos: Distribución Uniforme
– Valor Mínimo: 18%
– Valor Máximo. 25%
Ejemplo N°2 : Modelación de variables aleatorias - supuestos del entorno (inputs)
Variables de entrada
(Inputs - Exógenas)
Variable de salida Pronosticar el Valor Actual Neto del Proyecto de Compra
48. Ejemplo N°2 : Decidiendo comprar un producto de marca AllergyGone
De la forma Tradicional: Escenario Pesimista (todas las variables con el peor valor)
Caso Simplificado de Flujo de Caja Descontado por Compra de producto marca: AllergyGone
Año 0 Año 1 Año 2 Año 3 Año 4 Año 5
Precio de Venta Unitario $5.50 $5.50 $5.50 $5.50 $5.50
N° de Unidades a vender 750,000 750,000 750,000 750,000 750,000
Ventas Totales $4,125,000 $4,125,000 $4,125,000 $4,125,000 $4,125,000
Costos de Ventas $2,475,000 $2,475,000 $2,475,000 $2,475,000 $2,475,000
Utilidad Bruta $1,650,000 $1,650,000 $1,650,000 $1,650,000 $1,650,000
Costos de Operación $412,500 $412,500 $412,500 $412,500 $412,500
Utilidad Neta antes de Impuestos/ EBIT $1,237,500 $1,237,500 $1,237,500 $1,237,500 $1,237,500
Impuesto a la Renta $495,000 $495,000 $495,000 $495,000 $495,000
Inversión en la Compra de Allergygone -$3,400,000
Flujo de Caja Neto: -$3,400,000 $742,500 $742,500 $742,500 $742,500 $742,500
NPV / VAN -$585,341
IRR / TIR 3%
Supuestos
Tasa deImpuesto a la Renta 40%
Tasa de Descuento 10%
Costo de Ventas como % de Ventas 60%
Costos de Operación como % de Utilidad Bruta 25%
Otros Supuestos del modelo: La Depreciacion es igual al Capital de Trabajo, No hay Interes de Deuda, y no se consideran Gastos de
Inversión ni Inversión en Capital de Trabajo
Escenario
pesimista
49. Ejemplo N°2 : Decidiendo comprar un producto de marca AllergyGone
De la forma Tradicional: Escenario Optimista (todas las variables con el mejor valor)
Caso Simplificado de Flujo de Caja Descontado por Compra de producto marca: AllergyGone
Año 0 Año 1 Año 2 Año 3 Año 4 Año 5
Precio de Venta Unitario $6.50 $6.50 $6.50 $6.50 $6.50
N° de Unidades a vender 900,000 900,000 900,000 900,000 900,000
Ventas Totales $5,850,000 $5,850,000 $5,850,000 $5,850,000 $5,850,000
Costos de Ventas $3,159,000 $3,159,000 $3,159,000 $3,159,000 $3,159,000
Utilidad Bruta $2,691,000 $2,691,000 $2,691,000 $2,691,000 $2,691,000
Costos de Operación $484,380 $484,380 $484,380 $484,380 $484,380
Utilidad Neta antes de Impuestos/ EBIT $2,206,620 $2,206,620 $2,206,620 $2,206,620 $2,206,620
Impuesto a la Renta $882,648 $882,648 $882,648 $882,648 $882,648
Inversión en la Compra de Allergygone -$3,400,000
Flujo de Caja Neto: -$3,400,000 $1,323,972 $1,323,972 $1,323,972 $1,323,972 $1,323,972
NPV / VAN $1,618,896
IRR / TIR 27%
Supuestos
Tasa deImpuesto a la Renta 40%
Tasa de Descuento 10%
Costo de Ventas como % de Ventas 54%
Costos de Operación como % de Utilidad Bruta 18%
Otros Supuestos del modelo: La Depreciacion es igual al Capital de Trabajo, No hay Interes de Deuda, y no se consideran Gastos de
Inversión ni Inversión en Capital de Trabajo
Escenario
Optimista
50. Ejemplo N°2 : Decidiendo comprar un producto de marca AllergyGone
Análisis de Escenarios de la manera Tradicional con excel
Escenario
Base
Escenario
Pesimista
Escenario
Optimista
VAN=530,288
VAN=1´618,896
VAN=-585,341
¿Se puede tomar una
decisión con este análisis?
¿Qué decisión tomaría
usted?
51. Ejemplo N°2 : Análisis de Tornado VAN del producto de marca AllergyGone
Análisis aislado variable por variable de mayor a menor
Impacto en la variable objetivo VAN
Debilidad: unidimensional no es Multidimensional-
que se obtiene con el Crystall Ball
61%
22%
880,000
$6.60
880,000
$6.60
$6.60
880,000
$6.60
880,000
$6.60
880,000
50%
18%
720,000
$5.40
720,000
$5.40
$5.40
720,000
$5.40
720,000
$5.40
720,000
-$500,000 $0 $500,000 $1,000,000 $1,500,000
Costo de Ventas %
Costo de operación %
Unidades año 1
P.Unit 1
Unidades año 2
Año 2
Año 3
Unidades año 3
Año 4
Unidades año 4
Año 5
Unidades año 5
NPV
Hacia arriba Hacia abajo
Variable de entrada Hacia abajo Hacia arriba Rango
Explicación de
variación 1
Hacia abajo Hacia arriba Caso base
Costo de Ventas % $1,010,656 $49,919 $960,737 76.08% 50% 61% 55%
Costo de operación % $628,545 $432,031 $196,514 79.26% 18% 22% 20%
Unidades año 1 $436,033 $624,542 $188,509 82.19% 720,000 880,000 800,000
P.Unit 1 $436,033 $624,542 $188,509 85.12% $5.40 $6.60 $6.00
Unidades año 2 $444,602 $615,974 $171,372 87.54% 720,000 880,000 800,000
Año 2 $444,602 $615,974 $171,372 89.96% $5.40 $6.60 $6.00
Año 3 $452,391 $608,184 $155,793 91.96% $5.40 $6.60 $6.00
Unidades año 3 $452,391 $608,184 $155,793 93.96% 720,000 880,000 800,000
Año 4 $459,473 $601,103 $141,630 95.61% $5.40 $6.60 $6.00
Unidades año 4 $459,473 $601,103 $141,630 97.27% 720,000 880,000 800,000
Año 5 $465,911 $594,665 $128,754 98.63% $5.40 $6.60 $6.00
Unidades año 5 $465,911 $594,665 $128,754 100.00% 720,000 880,000 800,000
1
La explicación de la variación es acumulativa
Opciones de ejecución:
Método de Tornado Desviaciones (por porcentaje)
Rango de prueba -10% a 10%
Puntos de prueba 5
Personalizar rangos de prueba por variable Desactivado
Mostrar variables superiores 20
Caso base de las variables de Crystal Ball Valores de celda existentes
NPV Entrada
52. Ejemplo N°2 : Análisis de Tornado VAN del producto de marca AllergyGone
Análisis aislado variable por variable de mayor a
menor Impacto en la variable objetivo VAN
Debilidad: unidimensional no es
Multidimensional- que se obtiene
con el Crystall Ball
Variable de entrada Elasticidad1
-10.00% -5.00% 0.00% 5.00% 10.00%
Costo de Ventas % -13.64 $1,010,656 $770,472 $530,288 $290,103 $49,919
Costo de operación % -1.88 $628,545 $579,416 $530,288 $481,159 $432,031
Unidades año 1 1.79 $436,033 $483,160 $530,288 $577,415 $624,542
P.Unit 1 1.79 $436,033 $483,160 $530,288 $577,415 $624,542
Unidades año 2 1.62 $444,602 $487,445 $530,288 $573,131 $615,974
Año 2 1.62 $444,602 $487,445 $530,288 $573,131 $615,974
Año 3 1.47 $452,391 $491,340 $530,288 $569,236 $608,184
Unidades año 3 1.47 $452,391 $491,340 $530,288 $569,236 $608,184
Año 4 1.34 $459,473 $494,880 $530,288 $565,695 $601,103
Unidades año 4 1.34 $459,473 $494,880 $530,288 $565,695 $601,103
Año 5 1.21 $465,911 $498,099 $530,288 $562,476 $594,665
Unidades año 5 1.21 $465,911 $498,099 $530,288 $562,476 $594,665
1
La elasticidad es la media de todo el rango de prueba
Opciones de ejecución:
Método de Tornado Desviaciones (por porcentaje)
Rango de prueba -10% a 10%
Puntos de prueba 5
Personalizar rangos de prueba por variable Desactivado
Mostrar variables superiores 20
Caso base de las variables de Crystal Ball Valores de celda existentes
NPV
53. Ejemplo N°2 : Modelación de variables aleatorias – supuestos (inputs) con Crystal Ball
Flujo de Caja Descontado para Compra de producto marca: AllergyGone con Crystal Ball
Año 0 Año 1 Año 2 Año 3 Año 4 Año 5
Precio de Venta Unitario $6.00 $6.00 $6.00 $6.00 $6.00
N° de Unidades a vender 800,000 800,000 800,000 800,000 800,000
Ventas Totales $4,800,000 $4,800,000 $4,800,000 $4,800,000 $4,800,000
Costos de Ventas $2,640,000 $2,640,000 $2,640,000 $2,640,000 $2,640,000
Utilidad Bruta $2,160,000 $2,160,000 $2,160,000 $2,160,000 $2,160,000
Costos de Operación $432,000 $432,000 $432,000 $432,000 $432,000
Utilidad Neta antes de Impuestos/ EBIT $1,728,000 $1,728,000 $1,728,000 $1,728,000 $1,728,000
Impuesto a la Renta $691,200 $691,200 $691,200 $691,200 $691,200
Inversión en la Compra de Allergygone -$3,400,000
Flujo de Caja Neto desp. de Impuestos -$3,400,000 $1,036,800 $1,036,800 $1,036,800 $1,036,800 $1,036,800
NPV / VAN $530,288
IRR / TIR 16%
Supuestos
Tasa deImpuesto a la Renta 40%
Tasa de Descuento 10%
Costo de Ventas como % de Ventas 55%
Costos de Operación como % de Utilidad Bruta 20%
Otros Supuestos del modelo: La Depreciacion es igual al Capital de Trabajo, No hay Interes de Deuda, y no se consideran Gastos de Inversión ni
Inversión en Capital de Trabajo
54. Ejemplo N°2 : Análisis con Crystal Ball del VAN producto marca AllergyGone
Se observa la Distribución de probabilidad del VAN, en donde aproximadamente existe un
83.57% de que el VAN en la compra del producto marca AllergyGone genere valor para la
Empresa adquiriente.
55. Ejemplo N°2 : Análisis de Sensibilidad Multidimensional con Crystal Ball del VAN
Se observa que aproximadamente el 90% de la Variabilidad del VAN se debe a la variabilidad
del Costo de Ventas, siendo un factor crítico de gestión y control, por otro lado también se
observa una muy alta correlación entre costo de ventas y el VAN, por lo que si se reduce
Costo de Ventas asimismo generará mayor VAN en relación a las otras variables.
57. Describe una variable con características de valor dinámica de incertidumbre y variabilidad
¿Qué Distribución de Probabilidad debemos usar para caracterizar variables
aleatorias en nuestros modelos?
• Observe la variable, el comportamiento mostrado en el pasado, las causas que la
determinan
• Familiarícese con las propiedades de las diversas funciones de distribución
probabilística
• Identifique la función que más se ajusta
• La teoría que trata sobre la variable en cuestión puede ser de gran ayuda en esta
decisión
• Para resolver este tema CRYSTAL BALL ofrece invaluables ayudas.
Distribuciones de Probabilidad
58. Estadísticas Básicas para caracterizar una Distribución de Probabilidad de una muestra
Estadísticas y Probabilidades
•Primer Momento: Ubicación: media, mediana, moda
•Segundo Momento: Variabilidad: Varianza y Desviación estándar
•Tercer Momento: Asimetría- Sesgos
•Cuarto Momento: Apuntamiento: Nivel de Kurtosis
Distribuciones de Probabilidad Básicas conocidas
•Distribución Normal
•Distribución Lognormal
•Distribución Triangular
•Distribución Uniforme
59. Ubicación de la Distribución
Estadística Básica para una Distribución: Primer Momento : Ubicación
•Media: Valor Promedio
•Mediana: Valor Punto Medio
•Moda: Valor más frecuente, Valor que ocurre más seguido
Ubicación de la Distribución
60. Varianza
Estadística Básica: Segundo Momento : Variabilidad
•Mide la Dispersión de los datos alrededor de la media
•Valores pequeños indican baja incertidumbre o riesgo
Desviación Estándar
•La Desviación estándar es la raíz cuadrada de la varianza
•Para la Distribución Normal cerca del 68% de los valores están dentro de una desviación
estándar alrededor de la media ( X +/- 1 desv. estándar) 95% (X +/- 2 desv. estándar) y 99%
(X +/- 3 desv. Estándar)
Rango
•La diferencia entre el Valor máximo y Valor mínimo de los valores observados
61. Estadística Básica: Tercer Momento : Asimetría
•Es una medida del alargamiento hacia una de los dos extremos de una distribución
•Una Distribución normal es simétrica y tiene un coeficiente de asimetría de 0.
•Si la distribución tiende a alargarse hacia la derecha se dice que tiene asimetría positiva. Si
el alargamiento está hacia la izquierda se dice que tiene asimetría negativa.
•En distribuciones asimétricas, la diferencia entre el resultado más probable y el promedio
puede ser significativa
X media
X mediana
X moda
X media
X mediana
X moda
62. Estadística Básica: Cuarto Momento : Curtosis
•La Curtosis mide el apuntamiento o lo picudo de una distribución
•Una distribución normal tiene una curtosis de 3
•Distribuciones más picudas tienen valores de curtosis más altos
Curtosis > 3
Curtosis = 3 (distribución Normal)
63. • Curva de campana (Cantidades que ocurren normalmente)
• Condiciones:
– El valor medio es el valor esperado
– Simetría
– Los valores más probables están cerca de la media
• Ejemplos:
– Retorno de un portafolio
de inversiones (Rendimiento de activos, Fondos mutuos, etc)
– Comportamiento de un proceso
– Duración de vida de un producto
Distribución Normal
64. Distribución LogNormal
• Alargada positivamente
• Condiciones:
– No puede ir debajo de cero, pero puede llegar hasta + infinito
– El log natural de la variable sigue una distribución normal
– Alargada positivamente, asimetría positiva
• Ejemplos:
– Precio de acciones
– Tiempo de reparación
65. Distribución Triangular
• Extremadamente flexible, pero menos precisa que la distribución normal
• 3 condiciones:
– Fijar el mínimo
– Fijar el máximo
– Fijar el valor más probable
• Es la mejor en ausencia de datos
66. Distribución Uniforme
• Es mejor cuando faltan datos
• 3 condiciones:
– Fijar el valor mínimo
– Fijar el valor máximo
– Igual nivel entre ambos valores
• Ejemplos:
– Fugas en una tubería
– Corte de Fibras
68. Término de Crystal Ball Nombres Comunes
Variables Supuesto Entrada X, variable independiente,
variable al azar, distribución de
probabilidad.
Variable de Decisión Entrada X, Variable controlada puntual
Variable de Pronóstico Salida, Y, f (X), variable dependiente
Terminología Básica del Crystal Ball
69. •Configuración del modelo de simulación
•Selección de variables de Crystal Ball
•Editar Variables: Supuesto, Decisión, Previsión
•Preferencias de celdas
Definir, Ejecutar y Analizar con Crystal Ball
•Controles de la Simulación
•Correr preferencias
•Entorno de la Simulación
•Control de Gráficos
•Crear Reportes
•Extraer datos
•Lanzar OptQuest
•Lanzar Predictor
•Herramientas
•Recursos/Ejemplos
Definir Variables
Ejecutar Simulación
Analizar Resultados Herramientas
71. 71
• Definición de Supuestos
• Definición de Pronósticos
• Editando los datos de Crystal Ball
Preparando un modelo de simulación
72. 72
• Jerarquía de Selección de Distribución
• Convenciones para poner nombres
• Definición a la medida con puntos discretos
• Definición utilizando parámetros conocidos
• Definición con referencias a celdas
• Supuestos de correlación
Definición de Supuestos
73. 73
Jerarquía de Selección de Distribución
• Utilizar datos recientes para llenar la distribución
• Utilizar datos en bruto y cargue los puntos discretos en una distribución a la
medida.
• Utilizar la distribución sugerida por la naturaleza del proceso o física subyacente
• Asumir una distribución simple y aplicar límites razonables
Esta lámina muestra el proceso de selección de una distribución, idealmente se espera
contar con data histórica que pueda usarse para seleccionar una distribución, o crear una
distribución que responda al pasado, sin embargo ante la ausencia de información se
necesitará partir con lo que los expertos conocen y a partir de allí partir con la simulación.
En cualquier caso es bueno conocer las distribuciones básicas para entender e e interpretar
los resultados de las distribuciones ajustadas.
74. 74
Convenciones de Nombres
• Es importante el tener identificadores únicos
• Por omisión, el Crystal Ball asume:
– Nombre de celda
– La celda a la izquierda del supuesto
– La celda arriba del supuesto
– La localización de la propia celda
• La referencia a celdas para los nombres es el método preferido.
75. 75
Definiendo Supuestos Utilizando la Distribución a la medida
• Determine cuál distribución de probabilidad se aproxima más a los datos históricos
• En caso usted tenga una data de entrada de la variable, puede ajustar a una distribución de
manera automática con el Crystal Ball
77. 77
Distribución a la Medida Ejemplo N°1
• Proyecto 1 Tasa de Crecimiento de Ventas
– Seleccione el Proyecto 1 Tasa de Crecimiento de Ventas (celda B4) en la hoja de trabajo del
proyecto 1 en el libro de ejercicios DAM (Distribución a la Medida)
– Abra el diálogo Definir Suposición
– Haga clic en Ajustar
– Entre K2:K201 en el campo de Rango y haga clic en OK
– Clic en la vista Distribución Siguiente para ver el segundo mejor ajuste
– Regrese a la distribución que se ajuste mejor. Clic en Aceptar. Note que ha tomado los
datos históricos y llenado una distribución para ese juego de datos. Seleccione OK para
guardar sus cambios.
• Proyecto 1 Tasa de Crecimiento COGS (Costo de bienes vendidos)
– Seleccione el proyecto 1 Tasa de Crecimiento COGS en la hoja de trabajo en el Libro de
Ejercicios
– Abra el menú de diálogo Definir Suposición (primer botón)
– Haga clic en Ajustar
– Entre M2:M201 en el campo de Rango y haga clic en OK
– Haga clic en Aceptar. Clic en OK
78. 78
Definiendo una Distribución a la Medida
• Es lo mejor cuando no pueden describirse circunstancias únicas con otras
distribuciones, o son asequibles solo un número limitado de puntos de datos puede
usarse para describir:
– Series de valores simples (Método Delphi- Encuesta a expertos)
– Rangos Discretos
– Rangos Continuos
– Combinaciones
79. 79
DAM Ejercicio #2 – Definiendo una Distribución Personalizada (A la Medida)
• Proyecto 1 Inversión de Capital
– Seleccione Proyecto 1 Inversión de Capital (celda F3) en la hoja de trabajo Proyecto 1
del libro de ejercicios DAM.
– Abra el diálogo desde la barra de herramientas de Crystal Ball (primer botón) click en el
menú Definir suposición.
– Haga clic en todos para abrir la vista para todas las distribuciones disponibles.
– Busque y haga doble clic en la distribución Personalizada ( a la medida).
– Haga clic en la esquina superior derecha para expandir la vista.
– Haga clic en cargar datos.
– Entre el rango H7:H9 y seleccione OK
– Haga clic en OK para cerrar el diálogo de definición de supuestos
80. 80
DCF Ejercicio #3 - Definiendo una Distribución utilizando Parámetros Conocidos
• Proyecto 1 Ventas año 1
– En la hoja de trabajo del proyecto 1, seleccione Proy. 1 ventas año 1 (celda
B3)
– Abra el diálogo Definir Supuesto ya sea desde la barra de herramientas
(primer botón) o del Menú Definir.
– Haga doble clic en la distribución normal.
– En el campo de la media, entre $110 y presione tab para seleccionar el campo
Std Dev (desviación estándar).
– En al campo Std Dev, entre $ 5.
– Clic enter. Asegúrese de que todos los parámetros son exactos.
– Haga clic en OK. Note que ha creado una distribución normal con una media
de $110 MM y una desviación estándar de $5 MM.
81. 81
Definir usando referencia a Celdas – DAM Ejercicio #4
• Proyecto 1 Gastos de Operación – Ventas %
1. Seleccione Proy. 1 Gastos de Operación- ventas % (celda B6) en la hoja de trabajo del proyecto 1
2. Abra el diálogo Definir Supuesto desde la barra de herramientas (primer botón) Definir suposición
de Crystal Ball.
3. Seleccione la distribución triangular
4. Haga clic en OK.
5. Haga clic en el seleccionador de celdas de referencia en el campo de Nombre de Supuesto. Haga clic
en la celda A6. Clic OK. Esto identificará el nombre del supuesto) Proy. 1 GOPR/Ventas %.
6. En el campo Mínimo, seleccione la celda H4 y presione tab para seleccionar el campo Máximo.
7. En el campo Máximo, seleccione la celda J4.
8. Haga clic en enter y cheque para ver que todos los parámetros que usted introdujo están correctos.
9. Haga clic en OK. Note que ha creado una distribución triangular con un valor mínimo de 15%, un
valor más probable de 20%, y un valor máximo de 23%
82. 82
Correlacionando Supuestos
• Correlación – Una medida de asociación entre dos variables.
– El coeficiente de correlación puede tener un rango de -1 a +1
– El valor absoluto determina la fuerza de la correlación
– Una correlación positiva indica que las variables tienden a incrementarse o
decrementarse juntas
– La asociación no es lo mismo que cause y efecto
– El agregar coeficientes de correlación a un modelo aumentará generalmente la
desviación estándar de los resultados
• Correlación de rango
– Un método utilizado por Crystal Ball para medir e implementar la correlación
– La correlación es calculada entre los rangos de valores de la variable en lugar de los
valores mismos.
84. 84
Correlacionando Supuestos – DAM Ejercicio #5
- Proyecto 1 Tasa de Crecimiento de Ventas y Proyecto 1 Tasa de Crecimiento del
Costo de los Bienes
- Seleccione el proyecto 1 Tasa de Crecimiento de las Ventas (celda B4) en la
hoja de trabajo Proyecto .1
- Haga clic en Definir Suposición y clic en Correlacionar.
- Haga clic en Escoger (Choose) y seleccione Proy. 1 Tasa de Crecimiento del
Costo de los Bienes.
- Capture un coeficiente de correlación de .75 o arrastre el diamante de
correlación hasta .75.
- Note que la gráfica dibuja la relación entre los dos supuestos relacionados.
- Haga clic en OK. Note que ha correlacionado la Tasa de Crecimiento de las
Ventas y la Tasa de Crecimiento de los Costos con un coeficiente de
correlación del 75%.
85. 85
Recuerde …
• Las variables de suposición son la clave para los procesos de simulación
• Siempre ponga nombre a cada supuesto
• Utilice datos si se tienen disponibles
• Siempre considere las correlaciones posibles
86. 86
Definición de las Variables Objetivo (De Resultado, de Previsión)
• Identifique las celdas apropiadas
– Variables dependientes
– Celdas de Variables de resultados finales
• Convenciones de nomenclatura
– Es importante tener identificador únicos
– Tome el valor de las celdas adyacentes
– Utilice las referencias a celdas
87. 87
Definición de Pronóstico – DAM Ejercicio #6
1. Seleccione el VPN Proyecto 1 (celda C21) en la hoja de cálculo del Proyecto 1
2. Haga clic en Definir Previsión en la barra de herramientas
3. Capture las unidades de medida en sus gráficas de resultados
4. Haga clic en OK
88. 88
Editando los Datos en Crystal Ball
• Copiar, pegar o borrar datos en Crystal Ball (supuestos, decisiones o resultados
estimados) utilizando el menú Definir o los íconos de barra de herramientas.
• Los valores y fórmulas de Excel no se cambian
• Utilice referencias a celdas absolutas y relativas
• Precaución: Excel copia los colores pero no los datos de Crystal Ball
Click para copiar, pegar o
borrar las variables aleatorias
89. 89
Editando los datos en Crystal Ball Data – DAM Ejercicio #7
• Flujo de Efectivo de Operación de los años 1 a 4
1. En la hoja de cálculo de Proyecto 1 en el modelo del ejercicio DAM seleccione la celda C19 (Flujo de
Efectivo de la Operación – año 1)
2. Defina esta celda como un resultado y utilice la referencia de celda para definir su nombre
3. Utilice la flecha en la esquina superior derecha para expandir la vista en el diálogo de definición de
resultados estimados
4. Seleccione la ventana de resultados con el tab y quite la marca de la celda “Muestre
Automáticamente”. Seleccione OK
5. Asegúrese de que permanece en la celda C19 y haga clic en Copiar Datos en la barra de
herramientas de Crystal Ball
6. Marque las celdas D19:F19 (Flujo de Operación de los años 2 a 4)
7. Haga clic en Copiar Datos en la barra de herramientas de Crystal Ball.
• La referencia a celdas ahorra tiempo al eliminar la necesidad de capturar. Note que usted
puede utilizar las facilidades de copiar y pegar de Crystal Ball para copiar rápidamente un
resultado estimado y pegarlo en un arreglo de celdas. Este método puede utilizarse también
para supuestos.
91. 91
Análisis y Presentación de Resultados
• Corriendo la simulación
• Gráfica de Resultados Estimados
• Gráfica de Sensibilidad
• Gráfica Sobrepuesta
• Gráfica de Tendencias
• Generación de Reportes Personalizados
• Extracción de Datos
• Guardando los Resultados
92. 92
Corriendo la Simulación – DAM Ejercicio #8
• Proyecto 1 VPN
1. Reinicie la Simulación, si es necesario. Utilice el botón de reinicio en la barra
de herramientas de Crystal Ball o seleccione Reestablecer - Iniciar
2. Corra el ejercicio de simulación haciendo clic en Iniciar Simulación en la barra
de herramientas de Crystal Ball .
3. En caso de haber corrido, en gráficos buscar previsión seleccione VPN
Proyecto 1 y haga clic en abrir
Iniciar la corrida Reestablecer para
una nueva corrida
93. 93
Gráfica de Previsión (Variable Objetivo /Pronóstico)
• Muestra la frecuencia de los valores estimados
• Análisis de Certidumbre
• Teclas rápidas
• Estadísticas
• Percentiles
94. 94
Generar una Gráfica de Sensibilidad – DAM Ejercicio #9
• Gráfica de Sensibilidad del VPN del Proyecto 1
1. Haga clic en el icono de Gráficas de Sensibilidad de la barra de herramientas
de Crystal Ball o seleccione Gráficas de Sensibilidad del menú analizar
2. Haga clic en Nuevo. Seleccione Proyecto 1 VPN
3. Clic en OK
4. ¿Qué supuestos contribuyen más a la varianza en los resultados estimados?
(en el proyecto 1 VPN)
95. 95
Gráfica de Sensibilidad
• Verificación y Validación del Modelo
– ¿Es esto realista?
– Identificar errores en el modelo
– Afinar los supuestos
• Crear una estrategia de mejora
– “¿Es esto algo que puedo controlar?
– Cambiar los objetivos – reducir la variabilidad
– Asignación de recursos
– Rediseño el proceso o el sistema
Mejora estratégica continua
Ajustes estratégicos
96. 96
Práctica: DAM Ejercicio Proyecto 2
1. Defina un supuesto para las ventas de Proy. 2 Ventas año 1 con una distribución normal con
una media = $120 M y una desviación estándar = $10 M
2. Defina un supuesto para Proy. 2 Tasa de Crecimiento de Ventas con una distribución
triangular utilizando estos parámetros: min.= 5%, más probable 10%, y máx.. = 18%
3. Defina un supuesto para Proy. 2 Tasa de Crecimiento del Costo de los Bienes utilizando los
datos en el rango L2:L201
4. Defina un supuesto triangular para Proy. 2 Gastos de Operación-ventas en % utilizando
referencias de celdas. Los valores mínimo, más probable y máximo para la distribución están
en las celdas H4, I4 y J4, respectivamente
5. Defina una distribución personalizada para Proy. 2 Inversión de Capital utilizando los datos
en H7:H9
6. Correlacione el Proy. 2 tasa de Crecimiento de las Ventas y Tasa de Crecimiento del Costo con
un coeficiente de 0.75
7. Defina el Valor Presente Neto (VPN) del Proyecto 2 como una variable objetivo (previsión)
8. Corra la simulación del ejercicio DAM y determine la certeza de un VPN mayor a 0
9. Vea la gráfica de sensibilidad y determine que supuestos contribuyen más a la variación en
los resultados estimados.
97. 97
Generar una Gráfica Sobrepuesta – DAM Ejercicio #10
• Gráfica sobrepuesta de VPN del proyecto 1 y el proyecto 2
1. Después de definir todos los supuestos y resultados estimados para el
proyecto 1 y el proyecto 2, corra la simulación.
2. Abra la Gráfica Sobrepuesta desde la barra de herramientas de Crystal Ball del
menú Analizar.
3. Haga clic en Nuevo. Seleccione el Proyecto 1 VPN y el Proyecto 2 VPN. Haga
clic en OK. Note que ha creado una gráfica sobrepuesta en don de puede
usted comparar resultados estimados de naturaleza similar.
98. 98
Gráfica de Superposición / Sobrepuesta
• Análisis simultáneo de múltiples resultados de 2 o más variables objetivo
• Comparación de resultados
• Comparar estimados múltiples con distribuciones al mismo tiempo
• Capacidades de 3ª. Dimensión y rotación
99. 99
Generar una Gráfica de Tendencias – DAM Ejercicio #11
• Gráfica de Tendencias de Flujo de Efectivo del Proyecto 1
1. Reinicie y corra la simulación
2. Haga clic en el icono Gráficas de Tendencias en la barra de herramientas de
Crystal Ball o seleccione Gráficas de Tendencias desde el menú Analizar
3. Haga clic en nuevo. Seleccione los estimados de flujo de efectivo para los
años 1-4
4. Haga clic en OK
Utilizada primariamente para
análisis de series de tiempo
con bandas de probabilidad
100. 100
Generar un Reporte – DAM Ejercicio #12
• Modelo de Reporte de Proyectos 1 y 2
1. Abra el diálogo Crear Informe de la barra de herramientas de Crystal Ball
desde el menú Analizar.
2. Note que puede seleccionar entre las varias opciones de reporte, incluyendo
personalizada.
3. Seleccione Reporte Completo. Haga clic en OK.
101. 101
Guardando los Resultados – DAM Ejercicio #13
• Extracción de datos
1. Haga clic en el icono Extraer datos en la barra de herramientas del Menú Analizar.
2. En la sección de Seleccionar los Datos a Extraer, seleccione la opción de Valores de Intento.
3. Haga clic en OK. Note que ha extractado los valores estimados para cada intento en la
última simulación. (Habrá 1,000 valores para cada estimado que haya usted corrido con
1,000 intentos).
102. 102
Guardando los Resultados – DAM Ejercicio #14
• Guardar la corrida
– Vaya al menú Análisis y seleccione Guardar Resultados
– Guarde el archivo como DAM Ejercicio.cbr.
– Reinicie la simulación
– Vaya al menú Análisis y seleccione Restaurar Resultados.
– Abra el archivo DAM Ejercicio.cbr.. Note que le regresan los estimados de salida de la corrida
guardada, y usted tiene ahora la capacidad para crear cualquiera de las gráficas.
106. 106
Muestreo
• Valor Sembrado Inicial
• Método de muestreo
– Monte Carlo Tradicional
– Hipercubo latino
• Tamaño de muestra
• Divide la distribución en intervalos de
igual probabilidad
• Muestreo parejo y más consistente
• Ahorra tiempo
• Asegura el muestreo de colas
Hipercubo latino
107. 107
Velocidad
• Velocidad Extrema
– Usa Technology PSI, Polymorphic
Spreadsheet Interpreter de alta velocidad,
compatible con Excel.
– Aparece un diálogo (Downshift) para
archivos incompatible
– Vea el apéndice A para más información
• Velocidad Normal
– Automatiza el recálculo en Excel
• Velocidad de Demostración
– Reduce la velocidad de la simulación lo
suficiente para poder ver como trabaja
108. 108
Opciones
• Guardar los valores de supuestos
• Se pueden prender o apagar
las correlaciones
• Correr macros
• Especificaciones de panel
de control
111. 111
¿Por qué utilizar las Herramientas de CB?
- Agrega otro nivel de análisis y sofisticación
- Automatiza tareas que consumen tiempo
- Mejora el desarrollo del modelo
112. 112
Herramientas Básicas de Crystal Ball
• Ajuste por lotes (Batch)
• Análisis de Gráfica Tornado
• Matriz de Correlación
113. 113
Gráfica Tornado
• Analiza independientemente el impacto del valor de cada variable de entrada a un
modelo sobre l valor de las variables objetivo es decir los resultados esperados
• Tornado vs. Sensibilidad
– La gráfica tornado puede crearse antes de definir los supuestos
– Tornado evalúa el impacto de cada entrada independiente de las otras
• Salidas de Tornado
– Gráfica Tornado
– Gráfica Araña
114. 114
Generando una Gráfica Tornado
• Ejercicio del archivo de Confiabilidad del resorte helicoidal
1. Abra la Herramienta Gráfica Tornado seleccionando Correr > Herramientas > Gráfica
Tornado.
2. Defina la Confiabilidad del Material 1 (celda D17) como la celda objetivo. Idea: Haga
Clic en el nombre del pronóstico en la caja arriba del diálogo o teclee la locación de la
celda al final del diálogo. Haga Clic en Siguiente.
Confiabilidad del Resorte Helicoidal
Parámetros de Stress: Distribución
Diámetro de alambre, pulg. 0.1500 Normal
Diámetro de la bobina,pulg. 0.8000 Normal
Módulo de Elasticidad, psi 1.15E+07 Normal
Número de bobinas 20 Normal
Deformación, pulg. 0.95 Normal
Tensión pico Stress, psi 44,573
Resistencia de acero (cotizado por el proveedor)
Resistencia Material 1 50,000 Uniform
Resistencia Material 2 50,000 Triangular
Resistencia Material 3 50,000 Weibull
Factor de Confiabilidad =P (Conf.> Tensión pico Tress)= P(Conf./tensión pico stress > 1)
Confiabilidad Material 1 1.12
Confiabilidad Material 2 1.12
Confiabilidad Material 3 1.12
115. 115
Generando una Gráfica Tornado
• Ejercicio de Confiabilidad del resorte helicoidal.
3. Haga clic en el botón “adicionar precedentes”. Note las celdas seleccionadas cuando escoge
esta opción. La herramienta Gráfica Tornado acciona en todas las celdas que afectan a la
celda objetivo. Haga clic en siguiente.
116. 116
Generando una Gráfica Tornado
• Ejercicio de Confiabilidad, con.
4. Mire a la selección del rango de prueba. Seleccione el valor default de 10 a 90%.
5. Incremente el número de puntos de prueba a 10.
6. Asegúrese de que las casillas de Gráfica Tornado y de Gráfica Araña estén marcadas.
7. Haga Clic en Ejecutar.
117. 117
Generando una Gráfica Tornado
• Ejercicio de Confiabilidad, con.
8. Mire a la Gráfica Tornado. ¿Qué conclusiones pueden sacarse de la Gráfica Tornado?
¿Qué indican las líneas azules y rojas?
9. ¿Cuál es la diferencia entre la Gráfica de Sensibilidad y la Gráfica Tornado?
0.9025
0.1692
1.30E+07
1.07
22.56
54,000
0.6975
0.1308
1.00E+07
0.83
17.44
46,000
0.60 0.80 1.00 1.20 1.40 1.60
Diámetro de la bobina,pulg.
Diámetro de alambre, pulg.
Módulo de Elasticidad, psi
Deformación, pulg.
Número de bobinas
Resistencia Material 1
Confiabilidad Material 1
Hacia arriba Hacia abajo
118. 118
Generando una Gráfica Tornado
• Ejercicio de Confiabilidad, con.
10. Mire a la Gráfica Araña. ¿Qué información cubre esta gráfica?
0.80
1.00
1.20
1.40
1.60
10.00% 18.89% 27.78% 36.67% 45.56% 54.44% 63.33% 72.22% 81.11% 90.00%
Confiabilidad Material 1
Diámetro de la bobina,pulg. Diámetro de alambre, pulg. Módulo de Elasticidad, psi
Deformación, pulg. Número de bobinas Resistencia Material 1
119. 119
Ajuste por Lotes
• Se ajusta a distribuciones probabilísticas para múltiples series de datos de una sola vez
• Puede calcular los coeficientes de correlación
• Los datos deben ser continuos
120. 120
Generando Resultados de Ajuste por lotes
• Ejercicio de Asignación de Portafolio
1. Abra la Herramienta Ajuste de Carga de Datos seleccionando correr >
Herramientas > Ajuste de Carga de Datos
2. Note que Crystal Ball acomodará los datos a la mejor distribución. Haga clic
en siguiente.
121. 121
Generando Resultados de Ajuste por lotes
• Ejercicio de Asignación de Portafolio
3. Indique la localización de las series de datos tecleando F2:I252 o el marcador de la celda
de referencia para seleccionar esta área.
4. Cheque la caja de la primera fila que contiene encabezados.
5. Haga Clic en siguiente.
122. 122
Generando Resultados de Ajuste por lotes
• Ejercicio de Asignación de Portafolio
6. Seleccione la distribución por ajustar de manera automática.
7. Seleccione la metodología de selección de la mejor distribución. Prueba Bondad de ajuste.
8. Haga Clic en Siguiente.
123. 123
Generando Informe sobre Ajuste por lotes
• Ejercicio de Asignación de Portafolio
– Seleccionar si desea un informe sobre la prueba de bondad de ajuste
– Seleccionar si desea un informe sobre la suposiciones generadas
– Hacer click en Ejecutar
124. 124
Generando Resultados de Ajuste por lotes
• Ejercicio de Asignación de Portafolio
– Note que se ha definido un supuesto para cada serie de datos
– Algunas distribuciones no pueden ajustarse en las series que contienen puntos con datos negativos
(v.gr. lognormal)
– Utilice Copiar y Pegar de Crystal Ball o referencias a celdas para vincular los supuestos del ajuste en
grupo a las celdas apropiadas en la hoja de cálculo
Serie de datos: Large Cap Stocks Small Cap Stocks Micro Cap Stocks Government Bonds
Distribución: 0.13 0.17 0.22 0.06
Mejor ajuste: t de Student t de Student Weibull Weibull
Anderson-Darling 0.0943 0.1000 0.2049 0.2387
Valor P: --- --- 0.782 0.661
Correlaciones: Large Cap Stocks Small Cap Stocks Micro Cap Stocks Government Bonds
Large Cap Stocks 1.0
Small Cap Stocks 0.569370134 1.0
Micro Cap Stocks 0.540870734 0.744436999 1.0
Government Bonds 0.056832525 0.061604186 0.03350876 1.0
Suposición ajuste por lotes
Informe de Crysta l Ba ll: suposicione s
Suposicione s
H oja de tra ba jo: [Libro10]Suposicione s a juste por lote s
Suposición: Gove rnme nt Bonds Ce lda : E2
Weibull distribución con parámetros:
Ubicación 0.03
Escala 0.04
Forma 3.903059734
Correlacionado con: Coeficiente
Large Cap Stocks (B2) 0.06
Small Cap Stocks (C2) 0.06
Micro Cap Stocks (D2) 0.03
Suposición: La rge Ca p Stocks Ce lda : B2
t de Student distribución con parámetros:
Punto medio 0.13
Escala 0.14
Grados de libertad 30
Correlacionado con: Coeficiente
Small Cap Stocks (C2) 0.57
Micro Cap Stocks (D2) 0.54
Government Bonds (E2) 0.06
Suposición: Micro Ca p Stocks Ce lda : D 2
Weibull distribución con parámetros:
Ubicación -0.84
Escala 1.17
Forma 3.939407936
125. 125
Generando Resultados de Ajuste por lotes
• Ejercicio de Asignación de Portafolio
– Note que se ha definido un supuesto para cada serie de datos
– Algunas distribuciones no pueden ajustarse en las series que contienen puntos con datos negativos
(v.gr. lognormal)
– Utilice Copiar y Pegar de Crystal Ball o referencias a celdas para vincular los supuestos del ajuste en
grupo a las celdas apropiadas en la hoja de cálculo
Clasificadopor: Anderson-Darling
Serie de datos
Large CapStocks Distribución A-D A-DValorP: Parámetros
tde Student 0.0943 --- Punto medio=0.1251, Escala=0.13825, Grados de libertad=30
Normal 0.1162 0.983 Media=0.1251, Desv est=0.1431
Logarítmico normal 0.1163 0.990 Media=0.1251, Desv est=0.14311, Ubicación=-1135.99199
Beta 0.1190 --- Mínimo=-1.89968, Máximo=2.14989, Alfa=100, Beta=100
Gamma 0.1568 0.941 Ubicación=-4.40441, Escala=0.00453, Forma=999
Logística 0.1732 0.912 Media=0.12636, Escala=0.08112
Weibull 0.2230 0.701 Ubicación=-0.42026, Escala=0.59914, Forma=4.30644
Extremo mínimo 2.6305 0.000 Más probable=0.19576, Escala=0.13849
Extremo máximo 4.3001 0.000 Más probable=0.05288, Escala=0.15098
BetaPERT 6.6511 --- Mínimo=-0.42566, Más probable=0.15552, Máximo=0.5653
Triangular 9.8387 --- Mínimo=-0.42566, Más probable=0.15552, Máximo=0.5653
Uniforme 31.6046 0.000 Mínimo=-0.38667, Máximo=0.53341
Informe sobre la bondad de ajuste
126. 126
Matriz de Correlación
• Ejercicio de Asignación de Portafolio
– No calcula los coeficientes de correlación (para esto debe utilizar la herramienta de
ajuste por lotes)
– Proporciona una matriz que contiene los coeficientes de correlación
– Permite un fácil acceso para cambiar o ver los coeficientes
– Puede ser generada como una matriz temporal o un vínculo permanente en la hoja de
cálculo
Asignación de Portafolio
Fondos a Invertir Tasa retorno anual
Large Cap Stocks 13.0%
Small Cap Stocks 18.0%
Micro Cap Stocks 23.0%
Government Bonds 6.0%
Fondos a Invertir % Invertido Limite Mínimo Limite Máximo
Large Cap Stocks 25.0% 0% 100%
Small Cap Stocks 25.0% 0% 100%
Micro Cap Stocks 25.0% 0% 100%
Government Bonds 25.0% 0% 100%
Valor Inicial del Portafolio $ 250,000
Tasa de Retorno esperado: 15.0%
Valor Final del Portafolio $ 287,500
Permite una facilidad para ingresar
coeficientes de correlación entre variables
127. 127
Generando una Matriz de Correlación
Ejercicio de Asignación de Portafolio
– Abra la herramienta de Matriz de Correlación seleccionando Correr > Herramientas >
Matriz de Correlación
– Mueva todos los cuatro supuestos disponibles en la columna de Supuestos
Seleccionados. Haga clic en siguiente.
128. 128
Generando una Matriz de Correlación
• Ejercicio de Asignación de Portafolio
– Seleccione Vista Matriz, la hoja de cálculo activa para la Localización de la Matriz. Seleccione
la celda de supuesto en donde empieza a llenar la matriz de correlaciones.
– Haga Clic en Empezar, también si hay información histórica se puede obtener
automáticamente con la herramienta Ajuste por lotes.
130. 130
Opciones Avanzadas de Supuestos
• Utilizando parámetros alternativos
• Usando una fórmula como parámetro
• Truncar la distribución de un supuesto
• Usando una función como una distribución
• Personalizando la galería de distribuciones
• Publicación y suscripción a distribuciones
131. 131
Utilizando Parámetros Alternativos
• Defina los supuestos con información conocida acerca de la distribución (por ejemplo:
percentiles 10% y 90%, ó 5% y 95% de forma más práctica, en lugar de la media y la
desviación estándar)
132. 132
Utilizando Parámetros Alternativos
• Ejercicio de Mezcla de Productos
– Seleccione la celda B6 (Demanda de Carcasas de Teléfonos) y elija definir supuesto. Seleccione la
distribución normal.
– De un clic en los parámetros del diálogo de definición del supuesto. Seleccione la opción de 5%, 95%. El
valor del 5 percentil es 8,500. El 95 percentil es 11,500. Introduzca estos valores en sus campos
respectivos. Seleccione OK.
133. 133
Usando una Fórmula como un Parámetro
• Ejercicio de Mezcla de Productos
– Seleccione la celda B7 (Demanda de Carcasas de Computadoras) y presione Definir Supuesto. Elija la
distribución uniforme.
– La demanda de computadoras caseras se encuentra siempre entre 200 y 500 unidades por debajo
de la demanda de teléfonos. Seleccione la opción de mínimo y teclee =b6-500
– Seleccione la opción de máximo y teclee =b6-200. Presione OK.
Es posible definir los parámetros de una distribución usando una fórmula o
relacionándolos con otros valores dentro de la hoja de cálculo.
134. 134
Truncar la Distribución de un Supuesto
Limite los valores que pueden ser seleccionados de la distribución definiendo límites inferiores y superiores:
• Ejercicio de Mezcla de Productos
– Seleccione la celda B12 (Costo del Policarbonato por unidad) y presione Definir Supuesto. Seleccione
la distribución normal.
– Ingrese un valor para la media de $1.29 y una desviación estándar de $0.08. Presione enter.
– El costo de policarbonato por unidad nunca será menor a $1.15. Para truncar la distribución,
seleccione la flecha de la orilla superior derecha para maximizar la vista de Definir Supuesto.
– En el campo de arriba de la media ingrese el valor $1.15. Presione enter. La distribución se actualiza
para que sólo se utilicen valores superiores a $1.15 durante la simulación. Presione OK.
135. 135
Truncar la Distribución de un Supuesto
• Ejercicio de Mezcla de Productos
– Seleccione la celda C12 (Costo del Hilo por unidad) y presione Definir Suposición. Seleccione la
distribución normal.
– Ingrese un valor para la media de $0.05 y una desviación estándar de $0.01. Presione enter.
– El costo de hilo por unidad nunca será mayor a $0.06. Para truncar la distribución, seleccione la flecha de
la orilla superior derecha para maximizar la vista de Definir Supuesto.
– En el campo de la esquina inferior derecha ingrese el valor $0.06. Presione enter. La distribución se
actualiza para que sólo se utilicen valores superiores a $0.06 durante la simulación. Presione OK.
136. 136
Usando una Función como una Distribución
• Utilice una fórmula para forzar a una celda a comportarse como un supuesto durante la simulación
• Sin embargo la Gráfica de Sensibilidad no lo reconocerá como un supuesto
• Ejercicio de Mezcla de Productos
– Seleccione la celda D12 (Costo del Primer por unidad). Borre el contenido de la misma.
– En la barra de fórmulas ingrese =cb.normal(.25,0.01). Presione enter.
– Un solo paso. Revise que el valor de la celda D12 cambia tal y como si fuera un supuesto utilizando
una distribución normal con media de $0.25 y desviación estándar de $0.01.
137. 137
Usando una Función como una Distribución
• Ejercicio de Mezcla de Productos
– Seleccione la celda E12 (Costo de la Pintura por unidad). Borre el contenido de la misma.
– En la barra de fórmulas ingrese =cb.triangular(.32,.35,.39). Presione enter.
– Un solo paso. Revise que el valor de la celda E12 cambia tal y como si fuera un supuesto utilizando
una distribución triangular con un mínimo de $0.32, más probable de $0.35 y máximo de $0.39.
138. 138
Personalizando la Galería
• Agregue sus distribuciones a la Galería
• Ejercicio de Mezcla de Productos
– Imagine que ha desarrollado varios modelos que dependen de la demanda de carcasas
para teléfono. Ahora que ya ha creado una distribución apropiada, desea guardarla para
que la pueda usar de nuevo fácilmente.
– Seleccione la celda B6. Presione Definir Supuesto. De un clic en el cuadro de diálogo
para definir supuestos. Presione el botón Agregar para guardar su distribución en la
Galería.
– Revise que exista el archivo llamado Favoritas. Presione OK para agregar esta
distribución al archivo de Favoritas.
139. 139
Publicación y Suscripción a Distribuciones
Comparta su distribución en un folder público para poder compartir información en forma simple
• Ejercicio de Mezcla de Productos
– Imagine que un compañero de trabajo necesita tener acceso a la distribución que definió para la
demanda de carcasas de teléfono.
– Seleccione una celda en blanco en la hoja de cálculo y presione el icono de Definir Supuesto.
– Abra el folder de Favoritas. Revise que la distribución que busca se haya grabado en este folder.
– Seleccione Categorías y presione publicar. Escoja un destino para guardar la distribución. Podrá
salvar su distribución en una carpeta compartida.
– Elimine el folder de Favoritas.
– Seleccione Categorías y Suscribirse. Elija la ubicación donde guardó anteriormente la distribución.
Revise que tenga nuevamente acceso a la distribución como lo había definido.
141. 141
Opciones Avanzadas de Pronósticos
• Adaptando una distribución a un pronóstico
• Filtrado de pronósticos
• Auto extracción de datos para pronósticos
• Agregar líneas marcadoras a las estadísticas de pronósticos
142. 142
Adaptando una distribución a un pronóstico
Describa su pronóstico en términos estadísticos. Combine los efectos de múltiples supuestos en uno solo
• Ejercicio de Mezcla de Productos
– Defina la celda G27 como pronóstico.
– Corra la simulación.
– En la ventana de Gráfica de Pronóstico, seleccione Pronóstico. Adaptar la Distribución de Probabilidad.
– Revise que la línea verde indica la forma de la distribución que mejor se adapta.
– Presione la barra espaciadora para comparar las estadísticas del pronóstico con las de la distribución que
mejor se adapta. Presione la barra nuevamente para comparar los percentiles.
– Presione de nuevo la barra para ver la exactitud de las estadísticas y los parámetros de la distribución que
mejor se adapta.
143. 143
Filtrado de Pronósticos
• Ejercicio de Mezcla de Productos
– Imagine que quiere analizar únicamente aquellas corridas en que el valor de la Ganancia
es menor a cero.
– Seleccione la celda para el pronóstico. Presione el icono de Definir Pronóstico en la
barra de herramientas de Crystal Ball.
– Presione la flecha del cuadro superior derecho (si es necesario) para expandir la
ventana de Definición del Pronóstico. De un clic en la pestaña llamada Filtro.
Permite ver únicamente ciertos resultados
144. 144
• Ejercicio de Mezcla de Productos
– Seleccione el cuadro de Fijar un filtro. Seleccione excluir valores. Teclee el valor cero en el recuadro
de la izquierda para que los valores excluidos vayan de cero a + infinito. Seleccione OK.
– Corra la simulación. Revise que los valores reportados en la gráfica de pronóstico son menores a
cero. También el número total de corridas en la gráfica es menor que el total. (La diferencia son los
valores que quedaron fuera al aplicar el filtro).
– Abra la ventana de pronóstico y apague la opción de filtro.
Filtrado de Pronósticos
145. 145
Auto extracción de datos para pronósticos
Vea las estadísticas del pronóstico directamente en la hoja de cálculo
• Ejercicio de Mezcla de Productos
– Seleccione la celda a pronosticar y presione Definir Pronóstico.
– Presione la flecha en la esquina superior derecha (si es necesario) para expandir la ventana. De un
clic en la pestaña de auto-extracción.
– Seleccione el recuadro para extraer las estadísticas de pronóstico.
– Seleccione las estadísticas requeridas de la lista.
– Teclee J1 como la celda de inicio. Presione OK.
– Corra la simulación. Revise que las estadísticas seleccionadas se hayan colocado en la hoja de
cálculo.
146. 146
Agregar líneas marcadoras a las estadísticas de previsión
Identifique rápidamente ciertos valores en la gráfica de previsión
Ejercicio de Mezcla de Productos
• Abra la Gráfica de Pronóstico
• Elija Preferencias, Gráfica en la parte superior de la ventana
• Vaya a la pestaña de Tipo de Gráfica
• Seleccione el recuadro para cualquier línea marcadora (ejemplo: la media). Presione OK.
148. 148
Control Avanzado de Simulación
• Control de Precisión
• Macros definidas por el usuario
• Simulación en 2D
• Análisis de remuestreo
149. 149
Control de Precisión – Haga la Cantidad Correcta de Corridas
• Con un número infinito de corridas, podríamos recrear perfectamente las distribuciones
continuas usadas en nuestros modelos y combinarlas de todas las maneras posibles.
• Esto resultaría en una distribución que perfectamente describa todos los posibles resultados.
• Sin embargo no tenemos tiempo para correr un número infinito de corridas, por lo que
hacemos 1,000 ; 10,000 u otra cantidad.
• Nuestra confianza en las estadísticas generadas por la simulación aumenta conforme el
número de corridas es mayor.
• Un experimento básico: Corra la simulación 1,000 veces. Registre el valor de la media de
todos los asistentes.
• Corra la simulación 10,000 veces. Registre el valor de la media de todos los asistentes.
• Las estadísticas se hacen más precisas conforme el número de corridas es mayor.
151. www.crystalball.com 151
• Ajustando el Nivel de Confianza
– Seleccione el icono de Preferencias de Corrida en la barra de Crystal Ball. Seleccione la
pestaña de corridas. Elija el recuadro para el control de precisión.
– Verifique que la precisión será checada cada 50 corridas.
– Verifique que el nivel de confianza es de 95%.
– Aumente el número máximo de corridas a 10,000. La simulación se detendrá ya sea
cuando se cumplan los requisitos de precisión o cuando se llegue al número máximo de
corridas.
Ajustando el Control de Precisión
152. 152
• Ajustando el Nivel de Precisión
– Seleccione la celda de previsión. Elija el icono de Definir Previsión en la barra de herramientas de CB.
– De ser necesario, presione la flecha en la parte superior para expandir la vista de la ventana.
– Seleccione la pestaña de Precisión. Seleccione el recuadro para especificar la precisión deseada.
– Seleccione la media como la estadística elegida.
– En el campo de Unidades ingrese el valor 100. Presione OK.
– Corra la simulación. Verifique que la simulación se detiene una vez que logra el nivel de precisión
deseado con el nivel de confianza especificado. Para visualizar el nivel de precisión logrado presione la
barra espaciadora en la gráfica de pronóstico hasta que se muestre la vista de estadísticas.
– Ahora podemos decir que estamos 95% seguros de que la media “perfecta” es la media calculada +/-
100.
Ajustando el Control de Precisión
153. 153
Ajustando el Control de Precisión
• Usar el control de precisión nos permitirá decir:
• Estamos “% Nivel de Confianza” seguros que la estadística “perfecta” es igual a nuestra
estadística calculada +/- el nivel de Precisión Seleccionado. Ejm: Media +/- 100
• También se puede especificar una precisión deseada en la variable objetivo es decir previsión.
154. 154
Macros Definidas por el Usuario
- Nombre su macro basándose en lo que quiere que haga
- Seleccione Macros Definidas por el Usuario de la pestaña Opciones del menú de Preferencias de
Corrida
Nombre de Macro Corridas
CB Antes de la
Simulación
Inmediatamente después de Iniciar la Simulación o del
comando Paso Simple
CB Antes del Intento
Antes de que los números al azar haya n sido
colocados en las celdas de supuestos
CB Después del Intento
Después de que los números del pronóstico hayan sido
retirados y puestos en las gráficas de pronóstico
CB Después de la
Simulación
Cuando la simulación esté completa o se parada con el
comando parar, por medio de pasos simples
(después de cada paso), o por cualquier otra razón
155. 155
Simulación en 2 Dimensiones
• Realice simulaciones para ciclos internos y externos
• Las variables se separan típicamente de acuerdo a su tipo (variabilidad e
incertidumbre)
• El resultado son múltiples pronósticos basados en valores elegidos
durante el ciclo externo de simulación, y es una distribución de
probabilidades
• Encuentre más información en el manual del usuario y el apéndice
157. 157
Análisis de Remuestreo
• Analice las estadísticas de sus estadísticas
• Corra múltiples simulaciones y reúna las estadísticas de cada
una de ellas en gráficas
• Cambie el número de corridas por simulación para ver como
esto reduce la variabilidad en las estadísticas calculadas
• Encuentre más información en el manual del usuario y el
apéndice
• En resumen, sirve para determinar la confiabilidad y exactitud
de las estadísticas de la variable objetivo de previsión
160. 160
OptQuest
• Qué es optimización?
• Cómo funciona OptQuest
• Aplicaciones de Optimización
• Definiendo Variables de Decisión
• Utilizando OptQuest
• Definir Restricciones
• Definir el Objetivo
• Definir los Requerimientos
• Opciones
• Resultados de Optquest
• Tips de Desempeño
• Límites de Eficiencia
161. 161
¿Qué es la Optimización?
• Encuentre los posibles valores de entrada (Variables de Decisión) para hacer a la
salida (Estadística de Pronóstico) lo más grande o pequeña posible
FunciónX F(X) = Y
Variable(s)
de Decisión
(es lo que
podemos
Controlar)
Cálculos
Incluyendo
Variable (s)
de Suposición
Previsión(es)
Entradas Salidas
Resultados
162. 162
Cómo Trabaja OptQuest
Fije los Valores de las Variables de Decisión (dentro de las Restricciones)
Corra la Simulación
Evalue el Valor de la Función Objetivo(¿Es la Mejor solución?)
Evalue el Requerimiento (¿Es factible esta solución?)
Repita hasta que todas las
soluciones hayan sido intentadas
o se haya alcanzado el tiempo
máximo
163. 163
Selección del Valor para la Variable de Decisión
• Búsqueda “Scatter”
– Elije un valor para la variable de decisión que varía el valor de la función objetivo por
arriba o por debajo en una pequeña región del espacio de solución
• Búsqueda Tabú
– Forza a OptQuest a utilizar valores para la variable de decisión muy lejos del espacio de
solución
– Ayuda a identificar los Óptimos Globales y evita estancarse en un Óptimo Local
• Entrenamiento de Red Neural
– Predice el desempeño después de haber corrido únicamente el 10% del total de
simulaciones
– Detiene la simulación antes de completar el número de corridas cuando es evidente
que ya no quedan mejores soluciones
– El resultado es una mejor evaluación del espacio-solución
165. 165
Aplicaciones de Optimización
• Utilización de empleados para planear la fuerza de trabajo
• Configuración de máquinas para programar la producción
• Ubicación de instalaciones para distribución
• Tolerancias en diseño de manufacturas
• Políticas de tratamiento para manejo de residuos
• Administración de carteras
166. 166
Definiendo las Variables de Decisión
• Variables de decisión
– Valores que son inciertos, pero están dentro de nuestro control
– Ejemplos: Cantidad de productos a fabricar, cantidad de dinero por invertir por
cada clase de producto
• Ejercicio de Mezcla de Productos
– Seleccione la celda C6 (Carcazas de Teléfono a Producir). Presione el ícono de
Definir Decisión
– En el campo de límite inferior, seleccione la celda D6. En el campo de límite
superior, seleccione la celda E6.
– Se dará cuenta que se puede seleccionar ya sea un rango para la variable de
decisión aún siendo esta continua o discreta. Imagine que fabrica estos productos
en lotes de 10 unidades cada uno. Seleccione discreta y teclee 10 en el campo de
tamaño del paso. Presione OK.
167. 167
Definiendo las Variables de Decisión
• Ejercicio de Mezcla de Productos
– Seleccione la celda C6 (Carcasas de Teléfono a Producir). Se había definido
anteriormente como variable de decisión. Presione el icono de Copiar Datos en la barra
de herramientas o seleccione Copiar Datos del Menu Definir.
– Seleccione la celda C7. Presione el icono de Pegar Datos de la barra de herramientas.
Seleccione Definir Decisión y nombre la variable. Presione OK.
168. 168
Definiendo el Objetivo
• Podrá minimizar o maximizar un valor en la optimización
• Seleccionar la variable objetivo previsión que le interese
• Seleccionar minimizar o maximizar
• Seleccionar la estadística que le interese
• Debido a que OptQuest utiliza oprimización estocástica (corriendo simulaciones)
se puede minimizar la desviación estándar o maximizar la media, por ejemplo
169. 169
Utilizando OptQuest. Maximizar la Variable Objetivo
Ejercicio de Mezcla de Productos
• Seleccione OptQuest
• Nuestro objetivo es maximizar el valor de la media de la ganancia
– En la columna de Seleccionar teclee el botón para abrir la lista y seleccione Maximizar el Objetivo
– Note que la estadística por default es la media, pero puede ser cambiada por el usuario
170. 170
Definiendo Requerimientos de la Variable Objetivo - previsión
• Un modelo puede tener o no requerimientos
• Los requerimientos limitan las soluciones que son aceptables, basándose en los resultados
de la simulación
• Ejemplo: certeza del 95% de que el portafolio es rentable, con una desviación estándar < X
• Ejercicio de Mezcla de Productos
– Seleccione Editar > Duplicar. Esto creará una fila adicional en la ventana de Selección de
Pronóstico, y se etiquetará automáticamente como un requerimiento.
– No podemos aceptar una solución con una certeza de rentabilidad menor al 75%. En la
columna de Estadísticas, presione la flecha y seleccione percentiles.
– Seleccione el 25 percentil e ingrese un valor de 0 en el límite inferior. Presione OK.
171. 171
• Ejercicio de Mezcla de Productos
– Revise la información en la ventana de Seleccionar Decisión. Deberá ser la
que usted ingresó en la ventana de definir la variable de decisión.
– Presione OK.
Utilizando OptQuest y las Variables de Decisión
172. 172
Definir las Restricciones de las Variables de Decisión
• Un modelo puede o no tener restricciones
• Las restricciones limitan las relaciones entre las variables de decisión
• Las restricciones deben ser lineales
• Ejemplo: Inversión Total = 100%
• Ejercicio de Mezcla de Productos
– Imagine que la disponibilidad de recurso humano ha sido decidida y solo tendrá
suficiente para producir un total de 21,000 carcazas (para teléfonos y computadoras)
– Ingrese esta relación como una restricción seleccionando el botón de Sumar Todas las
Variables. Elimine el signo de igual al final de la fórmula y teclee “<=21000” en su lugar.
Presione OK.
173. 173
Opciones
• Fije la duración de la optimización
• Fije la cantidad de simulaciones.
– 100 hasta 10 variables de decisión
– 500 para 10 a 20 variables de decisión
– 2,000 para 20 a 50 variables de decisión
• Fije el tiempo total
• Ejercicio de Mezcla de Productos
– 10 minutos es el tiempo por default. Presione OK.
174. 174
Resultados de OptQuest
• Status y Soluciones
• Gráfica de Desempeño
• Análisis de la Solución
• Copiar a Excel
175. 175
Status y Soluciones
• Registra el valor objetivo de la función, el valor del requerimiento y los valores de
la variable de decisión para cada mejor solución consecutiva encontrada durante la
optimización.
176. 176
Gráfica de Desempeño
• La Gráfica de Desempeño dibuja los valores registrados en la tabla de Status y Soluciones
• El valor de la función objetivo se registra en el eje Y
• El número de simulaciones (sets de decisión) se registra en el eje X
• Una línea recta larga indica que OptQuest ha encontrado una solución cercana al óptimo
177. 177
Análisis de la Solución
• Visualizar las soluciones cercanas al óptimo
• Ejercicio de Mezcla de Productos
– De la ventana Status y Soluciones seleccione Análisis de la Soluciones en la barra de
herramientas de OptQuest o presione la opción del menú Correr > Análisis de Soluciones
– En el campo de Porcentaje de los Mejores, seleccione 5 y presione Analizar
– Se desplegarán todas las soluciones posibles con un valor de la función objetivo en un
rango de 5% en relación a la mejor opción
178. 178
Copiar a Excel
• Copie el mejor resultado de regreso en su hoja de Excel para análisis posterior
• Ejercicio de Mezcla de Productos
– Haga doble clic en el icono status y Soluciones en la barra de herramientas OptQuest.
– Clic Editar > Copiar a Excel. Los valores de la variable de que resultaron en la solución
óptima han sido copiados de regreso en su hoja de cálculo.
179. 179
Tips para otro ejemplo con OptQuest – Frontera Eficiente Inversión
• Fije límites significativos para las variables de decisión
– Ejemplo: Micro Cap= 0–40% del portafolio
• Utilice el control de precisión
• Corra el número correcto de intentos por simulación (no muy pocas, no demasiadas)
• Utilice restricciones cuando le sea posible
– Pre-simulación
• Los Requerimientos consumen tiempo
– Post-simulación
– Puede incrementar el tiempo de búsqueda en un 50%
Fondos a Invertir Tasa retorno anual
Large Cap Stocks 13%
Small Cap Stocks 17%
Micro Cap Stocks 22%
Government Bonds 6%
Fondos a Invertir % Invertido Limite Mínimo Limite Máximo
Large Cap Stocks 25.0% 0% 100%
Small Cap Stocks 25.0% 0% 100%
Micro Cap Stocks 25.0% 0% 100%
Government Bonds 25.0% 0% 100%
Valor Inicial del Portafolio 250,000$
T asa de Retorno esperado: 14.4%
Valor Final del Portafolio 286,019$
Asignación de Portafolio
Variables de Suposición
Variables de Control
Variables de Control
180. 180
Frontera de Eficiencia
• Para un nivel dado de riesgo (desviación Estándar), hay un máximo esperado (media) de
ganancia o retorno
• Metas Típicas
– Maximizar el retorno dado la variación del portafolio o desviación estándar (mediciones
del riesgo – requerimiento de la variable Objetivo)
– Minimizar el riesgo dado el return esperado del portafolio (media)
• OptQuest generará automáticamente una curva estocástica de frontera eficiente
181. 181
Generando la Frontera de Eficiencia
• Utilice requimiento para la variable objetivo en la ventana de selección de previsión
• Ejercicio de Asignación de Portafolio
– Corra la simulación. Note la desviación estándar del total de retornos esperados al empezar la asignación.
– Defina las Variables de decisión apropiadas.
– Abra OptQuest.
– Capture las restricciones de todas las inversiones que deben totalizar 100%
– Capture el objetivo es de maximizar el retorno total medio.
– Utilice Requerimiento para generar y elegir el parámetro de requerimiento de la lista que sale de
Seleccionar, escoja el límite superior o inferior que corresponda (ejm: la desviación estándar en cada punto
estará limitada en el lado alto)
182. 182
Generando la Frontera de Eficiencia
• Ejercicio de Asignación de Portafolio
– Escoja 25 puntos. Esto hará que OptQuest complete la optimizaciónn de 25 puntos
separados en la curva.
– En la lista que sale en las Estadísticas de Pronóstico,escoja Desviación Estándar .
– Capture un límite inferior de 0.02 y un límite superior de .5. Esto forzará a OptQuest a
optimizar el retorno medio con la desviación estándar desde 2% a 50% en pasos de 2%
es decir 25 puntos en medio (porque usted seleccionó un paso de 2%).
– Haga Clic en OK para proceder al menú de Opciones. Haga Clic en OK y empiece la
optimización.
185. 185
Predictor
• Pronóstico de Series de Tiempo
– Especificando los Datos de Entrada y los Atributos
– Selecciona Métodos y Resultados
– Interpretar Resultados
• Regresión Lineal
• Estadísticas de Regresión
186. 186
Pronóstico de Series de Tiempo
• Pronosticar las series sin el efecto de influencias externas (v. gr., no variables
explicativas)
• Examina los datos históricos para detectar nivel, tendencia, y estacionalidad
• Predice valores futuros usando uno de ocho métodos diferentes
• La selección del Método se basa en “La Diosa del Ajuste” (El que mejor se ajuste)
• Las salidas generadas incluyen gráficas, reportes
• Los valores pronosticados están en la forma de supuestos con distribuciones
normales
187. 187
Especificando los Datos de Entrada y los Atributos
• Ejercicio avanzado de Margen de Utilidad
1. Haga clic en la pestaña de ventas. Clic Correr > Predictor.
2. Capture el rango apropiado de datos históricos (A3:B45).
3. Verifique que el arreglo de los datos se ha detectado automáticamente de manera correcta
en el Paso 2.
188. 188
• Ejercicio avanzado de Margen de Utilidad
4. Se encuentra en atributos de los datos
5. Selecciones meses para los periodos dado que la data histórica tiene esa frecuencia.
6. En Estacionalidad dejar que el Predictor detecte la estacionalidad de manera automática.
Especificando los Datos de Entrada y los Atributos
189. 189
• Ejercicio avanzado de Margen de Utilidad
7. Haga Clic en Ver Estacionalidad. Usted verá los datos históricos que capturó en el paso 1.
8. Escoja Auto correlaciones para detectar la estacionalidad de los datos históricos.
9. Clic Cerrar para regresar al mago de Predictor.
Especificando los Datos de Entrada y los Atributos
190. 190
Seleccionar Métodos y Resultados
• Ejercicio avanzado de Margen de Utilidad
10. Verifique que todos los métodos sean checados. Predictor intentará ajustar los datos
históricos usando cada método checado.
11. Haga Doble-clic en la caja de cualquiera de los métodos para ver más información acerca
del método.
12. Clic Siguiente para proceder a la pestaña de Opciones y darle Ejecutar.
191. 191
• Ejercicio avanzado de Margen de Utilidad
13. Se observa de manera previa los resultados del Predictor.
14. Ingrese 12 en los periodos de previsión para proyectar por un periodo de 12 meses.
15. Puede revisar la Edición y Ver los resultados previos, Examine el pronóstico
16. Darle click a pegar para elegir la celda donde se quieran obtener los resultados proyectados
puede generar y configurar variables de incertidumbre ajustadas a la mejor distribución de
probabilidad como una variable suposición.
17. Clic Pegar Aceptar para generar el pronóstico en la hoja de cálculo
Seleccionar Métodos y Resultados
192. 192
Interpretar Resultados
• Cada celda pronosticada es ahora una distribución normal
• Seleccione Definir Supuestos para ver la desviación estándar
• La desviación estándar es una función de la bondad de las medidas de ajuste y del
número de periodos hacia el futuro
193. 193
• Vea el Reporte, Gráfica, Tabla de Métodos, y Tabla pivote
• Puede crear informe Predictor
Interpretar Resultados
194. 194
Regresión Lineal Múltiple
• Usando datos pasados para definir una ecuación entre variables
• Los valores de la variable dependiente son manejados por valores de la variable
independiente
• Predictor crea una ecuación que relaciona las variables
• Pronostica la variable independiente usando métodos de series de tiempo
• Pronostica la variable dependiente usando la ecuación generada y los valores de
la variable dependiente pronosticados
195. 195
Regresión Lineal Múltiple
• Ejercicio ejemplo de Toledo Gas
– Abra el archivo e inicie Predictor automáticamente selecciona la data de
información, hay que validar que sea la correcta
196. 196
Regresión Lineal Múltiple
• Ejercicio ejemplo de Toledo Gas
– Cuando alcance Métodos, cheque la caja para Usar Regresión Lineal Múltiple.
– Mueva Usar a la columna de Variable Dependiente y las otras variables a la
columna de Variables Independientes.