B Descripciones de distribución de probabilidad para simulaciones de Strategic Modeling
En el apéndice se explican la probabilidad y las distribuciones de probabilidad para ayudarle a seleccionar la distribución de probabilidad más adecuada para la simulación de Strategic Modeling.
Para cada entrada incierta de una simulación, defina los valores posibles con una distribución de probabilidad. El tipo de distribución que seleccione depende de las condiciones que rodeen a la entrada. Una simulación calcula varios escenarios de un modelo repetidamente seleccionando valores de la distribución de probabilidad para entradas inciertas y usando esos valores para calcular el modelo.
Para seleccionar la distribución de probabilidad correcta:
- Evalúe la entrada en cuestión. Recopile todo lo que sabe acerca de las condiciones alrededor de esta entrada. Por ejemplo, puede recopilar información valiosa acerca de la entrada incierta a partir de los datos históricos.
- Revise las descripciones de las distribuciones de probabilidad. En este apéndice se describe cada distribución en detalle, destacando las condiciones que subyacen a la distribución. Cuando revise las descripciones, busque una distribución con las condiciones que haya recopilado para esta entrada.
- Seleccione la distribución que caracterice a esta entrada, en la que las condiciones de la distribución coincidan con las de la entrada.
Normal
La distribución Normal describe muchos fenómenos, como el rendimiento del patrimonio o de los activos, las tasas de inflación o las fluctuaciones de la moneda.
Las personas encargadas de la toma de decisiones pueden utilizar la distribución normal para describir entradas inciertas, como la tasa de inflación o los rendimientos periódicos de los activos.
Parámetros
- media
- Desviación estándar
Nota:
De los valores de la distribución normal, aproximadamente el 68% se encuentran dentro de una desviación estándar de 1 a ambos lados de la media. La desviación estándar es la raíz cuadrada de la distancia cuadrada promedio de los valores desde la media.Condiciones
Utilice la distribución normal cuando se den las siguientes condiciones:
- El valor de la media es el más probable.
- Es simétrica respecto a la media.
- Hay más probabilidad de que se aproxime a la media que de que se aleje.
Triangular
La distribución triangular describe situaciones en las que se conocen los valores mínimo y máximo y los más probables. En la simulación, los valores mínimo y máximo nunca se producirán en la realidad porque su probabilidad es cero.
Resulta útil con datos limitados en situaciones como estimaciones de ventas, números de inventario y costes de marketing. Por ejemplo, podría describir el número de vehículos vendidos por semana cuando las ventas anteriores muestran el número mínimo, máximo y habitual de vehículos vendidos.
Parámetros
- Mínimo
- Más probable
- Máximo
Condiciones
Utilice la distribución triangular cuando se den las siguientes condiciones:
- Cuando el mínimo y el máximo son fijos.
- Tiene un valor más probable en este rango, el cual conforma un triángulo con el mínimo y el máximo.
Uniforme
La distribución Uniforme describe situaciones en las que se conocen los valores mínimo y máximo y todos los valores tienen la misma probabilidad de producirse.
Parámetros
- Mínimo
- Máximo
Condiciones
Utilice la distribución uniforme cuando se den las siguientes condiciones:
- El mínimo es fijo.
- El máximo es fijo.
- Todos los valores en el rango tienen la misma probabilidad de producirse.
Logarítmico normal
La distribución Logaritmo normal describe muchas situaciones en las que los valores se sesgan positivamente (donde la mayoría de los valores están cerca del valor mínimo), como en el precio de los valores y los activos. Estas cantidades muestran esta tendencia porque los valores no pueden estar por debajo de cero, pero pueden aumentar sin límite.
Parámetros
- Ubicación
- media
- Desviación estándar
Nota:
Si tiene datos históricos disponibles con los que definir una distribución logarítmica normal, es importante calcular la media y la desviación estándar de los logaritmos de los datos y, a continuación, introducir estos parámetros de logaritmo. Calcular la media y la desviación estándar directamente en los datos sin procesar no le da la distribución logarítmica normal correcta.Condiciones
Utilice la distribución logarítmica normal cuando se den las siguientes condiciones:
- Los límites superiores e inferiores son ilimitados, pero la entrada incierta no puede estar por debajo del valor del parámetro de ubicación.
- La distribución se ha sesgado positivamente, con la mayoría de los valores próximos al límite inferior.
- El logaritmo natural de la distribución es una distribución normal.
BetaPERT
La distribución BetaPERT describe situaciones que se suelen utilizan en el análisis de riesgo de proyectos para asignar probabilidades a las duraciones y los costes de las tareas. En ocasiones, se utiliza también como alternativa más suave a la distribución triangular.
Describe una situación en la que se conocen los valores mínimo, máximo y más probables. Resulta útil con datos limitados. Por ejemplo, podría describir el número de vehículos vendidos por semana cuando las ventas anteriores muestran el número mínimo, máximo y habitual de vehículos vendidos.
Parámetros
- Mínimo
- Más probable
- Máximo
Condiciones
Utilice la distribución betaPERT cuando se den las siguientes condiciones:
- Cuando el mínimo y el máximo son fijos.
- Tiene un valor más probable en este rango, el cual forma un triángulo con el mínimo y el máximo; betaPERT forma una curva suavizada en el triángulo subyacente.
Dicotómica
La distribución dicotómica describe situaciones que solo pueden tener uno de dos valores: por ejemplo, sí o no, éxito o error, verdadero o falso.
Parámetros: probabilidad de sí
Condiciones
Utilice la distribución dicotómica cuando se den las siguientes condiciones:
- Para cada prueba, solo hay dos resultados posibles, como éxito o error; la entrada aleatoria solo puede tener uno de dos valores; por ejemplo, 0 y 1.
- La media es p, o probabilidad (0 < p < 1).
- Las pruebas son independientes. La probabilidad es la misma de prueba a prueba.