IX
LISIS DE RIESGO E
INTRODUCCIN
I. ANLISIS BAJO RIESGO
1.1
1.2
1.2.1
LAPLACE
CONCLUSIONES DE ANLISIS BAJO RIESGO E INCERTIDUMBRE EN
PROYECTOS DE INVERSIN
RECOMENDACIONES DE ANLISIS BAJO RIESGO E INCERTIDUMBRE
EN PROYECTOS DE INVERSIN
INTRODUCCIN
Al no tener certeza sobre los flujos futuros de caja que ocasionar cada inversin, se estar en
una situacin de riesgo o incertidumbre. Existe riesgo cuando hay una situacin en la cual una
decisin tiene ms de un posible resultado y la probabilidad de cada resultado especfico se
conoce o se puede estimar. Existe incertidumbre cuando esas probabilidades no se conocen o
no se pueden estimar.
El objetivo de este captulo es analizar el problema de la medicin del riesgo en los proyectos
y los distintos criterios de inclusin y anlisis para su evaluacin.
Existen diversos factores que dan lugar a la introduccin del riesgo en los proyectos de
inversin. La situacin econmica del pas y las medidas de poltica que se adopten, el
mercado, la tecnologa, la legislacin laboral, las tasas de inters, etc. Hacen prcticamente
imposible predecir el futuro con exactitud. En consecuencia, los ingresos, costos y vida til
del proyecto no se conocen en total certeza.
El anlisis de riesgo de un proyecto permite dar al inversor una idea de la posibilidad de
obtener los retornos a su capital. De ah la importancia de su anlisis pues permite tomar una
decisin }en relacin a invertir en un proyecto. En el cado de proyectos altamente riesgosos,
debern tenerse mucho cuidado en la asignacin de recursos debido que al variar las
condiciones originales proyectadas, podran generarse proyectos no rentables y por lo tanto
deberan descartarse o postergarse, salvo que desde el punto de vista social se justifique su
ejecucin.
CAPITULO
IX
John nad seala y analiza ocho causas del riesgo e incertidumbre en los proyectos. Entre
stas cabe mencionar el numero insuficiente de inversiones similares que puedan proporcionar
informacin promediable: los prejuicios contenidos en los datos y su apreciacin, que inducen
efectos optimistas o pesimistas, dependiendo de la subjetividad del analista: los cambios en el
medio econmico externo que anulan la experiencia adquirida en el pasado, y la
interpretacin errnea de los datos o los errores en la aplicacin de ellos.
Se han hecho muchos intentos para enfrentar la falta de certeza en las predicciones. Las que
1.2. MTODOS PARA TRATAR EL RIESGO
Para incluir el efecto del factor riesgo en la evaluacin de proyectos de inversin se han
desarrollado diversos mtodos o enfoques que no siempre conducen a un idntico resultado.
La informacin disponible es, una vez ms, uno de los elementos determinantes en la eleccin
de uno u otro mtodo.
El Criterio Subjetivo
es uno de los mtodos comnmente utilizados. Se basa en consideraciones de carcter
informal de quien toma la decisin, no incorporando especficamente el riesgo del
proyecto, salvo en su apreciacin personal. Se ha intentado mejorar este mtodo
sugiriendo que se tengan en cuenta la expectativa media y la desviacin estndar del VAN,
lo cual, aunque otorga un carcter ms objetivo a la inclusin del riesgo, no logra
incorporarlo en toda su magnitud. De igual forma, el anlisis de fluctuaciones de los
valores optimistas, ms probables y pesimistas del rendimiento del proyecto, slo
disminuye el grado de subjetividad de la evaluacin del riesgo, pero sin eliminarla.
Los mtodos basados en mediciones estadsticas o
Modelo de simulacin de Monte Carlo
son quizs los que logran superar en mejor forma, aunque no definitivamente, el riesgo
asociado a cada proyecto. Para ello, analizan la distribucin de probabilidades de los
flujos futuros de caja para presentar a quien tome la decisin de aprobacin o rechazo los
valores probables de los rendimientos y de la dispersin de su distribucin de
probabilidad.
El Mtodo del ajuste a la tasa de descuento.
Con este mtodo, el anlisis se efecta slo sobre la tasa pertinente de descuento, sin
entrar a ajustar o evaluar los flujos de caja del proyecto. Si bien este mtodo presenta
senas deficiencias, en trminos prcticos es un procedimiento que permite solucionar las
principales dificultades del riesgo.
El mtodo de la equivalencia a certidumbre.
Segn este criterio, quien decide est en condiciones de determinar su punto de
indiferencia entre flujos de caja por percibir con certeza y otros, obviamente mayores,
sujetos a riesgo.
El mtodo de los valores esperados.
Este mtodo, conocido comnmente como anlisis del rbol de decisiones, combina las
probabilidades de ocurrencia de los resultados parciales y finales para calcular el valor
esperado de su rendimiento. Aunque no incluye directamente la variabilidad de los flujos
de caja del proyecto, ajusta los flujos al riesgo en funcin de la asignacin de
probabilidades.
El mtodo del anlisis de sensibilidad,
es una forma especial de considerar el riesgo, se analiza por la importancia prctica que
ha adquirido. La aplicacin de este criterio permite definir el efecto que tendran sobre el
resultado de la evaluacin cambios en uno o ms de los valores estimados en sus
parmetros.
1.2.1 METODO DEL CRITERIO SUBJETIVO
Se defini el riesgo de un proyecto como la variabilidad de los flujos de caja reales respecto
de los estimados. Ahora corresponde analizar las formas de medicin de esa variabilidad
como un elemento de cuantifcacin del riesgo de un proyecto.
La falta de certeza de las estimaciones del comportamiento futuro se pueden asociar
normalmente a una distribucin de probabilidades de los flujos de caja generados por el
proyecto.
Su representacin grfica permite visualizar la dispersin de los flujos de caja, asignando un
riesgo mayor a aquellos proyectos cuya dispersin sea mayor.
=
donde
FC ti
FC t
Mientras mayor sea la dispersin esperada de los resultados de un proyecto, mayores sern su
desviacin estndar y su riesgo. y Aquellos FC con menor dispersin y menor variabilidad son
menos riesgosos
A partir de estas definiciones se puede derivar el valor esperado y la desviacin estndar del
VAN con el que ser posible medir el Riesgo del Proyecto, entonces el valor esperado es
igual a:
n
VE (VAN) = - I0
FC t
t =1
(1 + i) 2
t =1
2
(1 + i) 2 t
sin correlacion
lo usual sin embargo es que exista una correlacin entre los flujos de caja de periodos
sucesivos dado que se ven afectados por Factores Propios del Proyecto. En la situacin
V (VAN) =
t =1
2
t
(1 + i) t
con correlacion
EJEMPLO 1:
La inversin necesaria para ejecutar un proyecto de 3 aos de duracin es US$ 850,000. El
estimado de los flujos futuros se presenta en el cuadro siguiente:
ESTIMADO DE FLUJO DE CAJA
(En miles de dlares)
Prob.
0.1
0.2
0.3
0.1
0.1
0.2
F1
200
250
300
350
400
450
Prob.
0.2
0.2
0.1
0.1
0.1
0.3
F2
300
350
400
420
440
460
Prob.
0.2
0.2
0.1
0,1
0.1
0.3
F3
450
500
550
600
650
700
Si se asume independencia entre los trminos del flujo, y la tasa costo de oportunidad de un
inversionista es 15% por perodo:
a) Determinar si le conviene ejecutar el proyecto asumiendo que los trminos del flujo de caja
son independientes.
b) Cul es la probabilidad de perder en este proyecto?
Solucin
De acuerdo con los datos, debemos entender que los beneficios netos por perodo se deben
considerar como variables aleatorias, cuyas funciones de probabilidad estn especificadas en
el cuadro.
Por lo tanto, el primer paso es hallar los valores esperados y las desviaciones estndar de las
variables aleatorias F1 F2 y F3
E(F1) = 325 s(F1) = 81.3941
E(F2) = 394 s(F2) = 61.1882
E(F3) = 580 s(F3) = 97.9796
En segundo lugar, debemos hallar el valor esperado del VPN que se obtendr en el proyecto.
Para ello utilizamos los valores esperados anteriormente hallados.
E(VPN) = - 850 + 325 + 394 +
(1.15) (1.15)2
E(VPN) = 111.8887
580
(1.15)3
El resultado anterior nos indica que, en promedio, podemos esperar obtener un VPN igual a
2 (Ft)
= [ ] 1/2
t=0 (1+i)2t
(VPN)
(81.3941)2
(61.1882)2 (97.9796)2
= [ + + ] 1/2
(1.15)2
(1.15)4
(1.15)6
(VPN)
= 106.30
El resultado anterior nos indica que la variabilidad o dispersin promedio alrededor del valor
esperado del VPN es de US$ 106,300 aproximadamente.
Dados los resultados anteriores podemos hallar la probabilidad de perder en el proyecto, es
decir, de que el VPN sea menor que cero.
Si asumimos que el VPN es una variable aleatoria que se distribuye normalmente, el primer
paso ser estandarizar la variable para luego hallar la probabilidad requerida:
Z = VPN - E(VPN) =
VPN - 111.8887
o(VPN)
106.30
Donde z es una variable aleatoria que se distribuye normalmente con media cero y desviacin
estndar igual a la unidad.
Prob (VPN<0)
106.30
Respuesta :
EJEMPLO 2 :
Evaluar los siguientes proyectos si se sabe que el proyecto A est en unidades monetarias
reales del perodo cero, mientras que el proyecto B est en unidades monetarias reales del
perodo tres.
Proyecto A:
Prob.
F1
0.3
20
0.1
40
0.1
60
0.1
70
0.2
100
0.2
120
Proyecto B:
Prob.
0.3
0.1
0.1
0.1
0.2
0.2
F2
40
60
65
70
100
110
Prob.
0.3
0.1
0.1
0.1
0.2
0.2
F3
50
60
70
80
90
110
Prob.
0.1
0.1
0.1
0.2
0.2
0.3
Prob.
0.1
0.1
0.1
0.1
0.3
0.3
F2
40
60
65
70
75
95
Prob.
0.1
0.1
0.1
0.2
0.2
0.3
F3
60
65
70
75
90
95
F1
10
20
60
65
70
90
Datos adicionales:
- La inversin que se requiere para ejecutar el proyecto A es 60 u.m. del perodo cero.
- El proyecto B requiere para su ejecucin una inversin de 60 u.m. del perodo tres.
- La inflacin para los aos 1, 2 y 3: 3%, 5% y 3% respectivamente.
- La tasa mnima atractiva de retorno (TMAR) corriente por utilizar es 10% anual.
Determinar cul es el proyecto de menor riesgo relativo si se asume que los trminos del
flujo:
a) Son independientes
b) Estn perfectamente correlacionados
Solucin
a) La TMAR est en trminos corrientes y los flujos son reales; por tanto, el primer paso
consiste en hallar la tasa de descuento equivalente real para cada perodo:
TMAR1 = (0.1- 0.03)/(1.03) = 6.8% (perodos 1 y 3)
TMAR2 = (0.1- 0.05)/(1.05) = 4.76% (perodo 2)
El siguiente paso consiste en hallar los valores esperados para cada componente del flujo de
caja, as como sus desviaciones estndar. Luego se determinar el valor esperado del VPN
para cada proyecto, as como la desviacin estndar de los mismos.
Proyecto A:
E(F1) = 67
(F1) = 39
E(F2) = 73.5
E(F3) = 76
(F2) = 27.75
(F3) = 22.45
E(VPNA) = - 60 +
67
(1.068)
73.5
+
76
(1.068)(1.0476) (1.068)2 (1.0476)
n
2 (VPN) =
2 (VPNA) =
(39)2
(27.75)2
(1.068)2
2 (Ft)
(1 + i) 2 t
t =1
(22.45)2
(1.068) 2 (1.0476)2
(1.068)4(1.0476)2
(F1) = 26.38
E(F2) =74.5
(F2)= 16.65
E(F3) = 81
(F3) =12.81
E(VPNB)
= - 60
63
+
74.5
+
81
(1.068) (1.068)(1.0476) (1.068)2 ( 1.0476)
E(VPNB)
= [ (26.38)2
+ (16.65)2
(12.81)2
] 1/2
(1.068)2
(1.068)2(1.0476)2
(1.068)4(1.0476)2
E(VPN)
132.03
119.72
(VPN)
C.V.
47.98
0.36
27.62
0.23
n
(VPN) =
(Ft)
t =1
(1 + i) t
Aplicando la expresin anterior a cada uno de los proyectos:
Proyecto A:
(VPNA) =
(39)
(1.068)
(VPNA) =
(27.75)
(1.068) (1.0476)
(22.45)
(1.068)2(1.0476)
Proyecto B:
(VPNB)
= (26.38) + (16.65)
+
(12.81)
(1.068) (1.068)(1.0476) (1.068)2(1.0476)
E(VPN)
132.03
133.36
(VPN)
C.V.
80.11
0.61
50.30
0.38
Como podemos observar, el proyecto B es el de menor riesgo relativo. Cabe mencionar que
como el coeficiente de variacin no tiene unidades, no es necesario que los proyectos A y B
estn expresados en las mismas unidades monetarias.
EJERCICIOS DE APLICACIN:
CASO PRCTICO N 1
El desembolso inicial de una inversin, as como sus flujos de Caja nos e pueden determinar
con exactitud pero si es posible conocerlos en trminos de Probabilidades.
Los posibles valores de dichos magnitudes y probabilidades son:
Io
30,000
PR
0.15
F1
8,000
PR1
0.10
F2
16,000
PR2
0.15
F3
23,000
PR3
0.20
34,000
0.15
10,000
0.05
18,000
0.25
25,000
0.10
36,000
0.20
12,000
0.25
20,000
0.20
29,000
0.15
38,000
0.20
14,000
0.25
22,000
0.10
32,000
0.15
40,000
0.15
16,000
0.05
24,000
0.20
35,000
0.30
48,000
0.15
18,000
0.30
26,000
0.10
38,000
0.10
A. Hallar: EL valor esperado, la varianza y la desviacin estndar del valor presente del
proyecto asumiendo FLujos de Caja Independientes. El costo de capital es de 8%
(COK = 8%).
B. Flujos de Caja perfectamente correlacionados.
CASO PRCTICO N 2
El desembolso inicial de una inversin, as como sus flujos de Caja nos e pueden determinar
con exactitud pero si es posible conocerlos en trminos de Probabilidades.
PR
0.10
F1
12,000
PR1
0.15
F2
20,000
PR2
0.10
F3
22,000
PR3
0.15
42,000
0.15
14,000
0.10
22,000
0.15
24,000
0.15
44,000
0.20
16,000
0.20
24,000
0.15
26,000
0.10
46,000
0.20
18,000
0.15
26,000
0.20
28,000
0.20
48,000
0.15
20,000
0.25
28,000
0.10
30,000
0.15
50,000
0.20
22,000
0.15
30,000
0.30
32,000
0.25
A. Hallar: EL valor esperado, la varianza y la desviacin estndar del valor presente del
proyecto asumiendo FLujos de Caja Independientes. El costo de capital es de 9%
(COK = 9%).
B. Flujos de Caja perfectamente correlacionados.
CASO PRCTICO N 3
El desembolso inicial de una inversin, as como sus flujos de Caja nos e pueden determinar
con exactitud pero si es posible conocerlos en trminos de Probabilidades.
Los posibles valores de dichos magnitudes y probabilidades son:
Io
37,000
PR
0.20
F1
5,000
PR1
0.15
F2
17,000
PR2
0.30
F3
30,000
PR3
0.25
39,000
0.20
7,000
0.15
19,000
0.15
32,000
0.15
41,000
0.20
9,000
0.15
21,000
0.15
34,000
0.20
43,000
0.10
12,000
0.15
23,000
0.15
36,000
0.10
45,000
0.15
13,000
0.10
25,000
0.15
38,000
0.15
47,000
0.15
15,000
0.30
27,000
0.10
40,000
0.15
A. Hallar: EL valor esperado, la varianza y la desviacin estndar del valor presente del
proyecto asumiendo FLujos de Caja Independientes. El costo de capital es de 5%
(COK = 5%).
B. Flujos de Caja perfectamente correlacionados.
1.2.2 MTODO DEL AJUSTE A LA TASA DE DESCUENTO
Una forma de ajustar los flujos de caja consiste en hacerlo mediante correcciones en la tasa de
descuento. A mayor riesgo, mayor debe ser la tasa para castigar la rentabilidad del proyecto.
De esta forma, un proyecto rentable evaluado en funcin de una tasa libre de riesgo puede
VAN =
t =1
BN t
(1 + f )
siendo BN, los beneficios netos del perodo t y f la tasa de descuento ajustada por riesgo que
resulta de aplicar la siguiente expresin
f=1+p
donde i es la tasa libre de riesgo y p es la prima por riesgo que exige el inversionista para
compensar una inversin con retornos inciertos.
La dificultad de este mtodo reside en la determinacin de la prima por riesgo. Al tener un
carcter subjetivo, las preferencias personales harn diferir la tasa adicional por riesgo entre
distintos inversionistas para un mismo proyecto.
1.2.3
= BNC t
BNR t
donde
mayor riesgo asociado, menor ser el coeficiente t cuyo valor estar entre cero y uno.
ejemplificando una situacin en que debe optarse por una de estas alternativas:
a) recibir SI.000.000 si al tirar al aire una moneda perfecta resulta cara, sin obtener nada
si sale sello,
b) no tirar la moneda y recibir S300.000.
El valor esperado de la primera opcin es $500.000 (0.5 x 1.000.000 + 0.5 x 0). Si el jugador
se muestra indiferente entre las alternativas, los S300.000 son el equivalente de certeza de un
rendimiento esperado de S500.000 con riesgo. Al reemplazar mediante estos valores en la
ecuacin se tiene:
300.000 = 0,6
500.000
CASO PRCTICO N 1
UNA DECISION INDIVIDUAL
Un individuo tiene la siguiente funcin de utilidad:
Utj = 2ln (FNtj+1)
Donde Utj es la utilidad asociada a FN tj (flujo neto probable) ocurrido en el perodo t para la
alternativa j.
Se tiene que optar por una de las dos alternativas siguientes, (ambas requieren una inversin
inicial de 100 U.M. y tiene una vida til de 3 aos).
Alternativa A
FN1A
50
70
90
P1A
0.2
0.3
0.5
FN2A
80
100
110
P2A
0.4
0.3
0.3
FN3A
90
110
150
P3A
0.4
0.3
0.3
P1B
0.5
0.3
0.2
FN2B
80
150
200
P2B
0.4
0.4
0.2
FN3B
100
180
240
P3B
0.6
0.3
0.1
Alternativa B
FN1B
60
90
150
COK = 10%
a.
b.
Qu prima por riesgo se escogera en cada caso para que los resultados coincidieran
al usar una tasa de descuento ajustada?.
Solucin
A.
Es necesario estimar los flujos ciertos asociados a los flujos riesgosos de cada
alternativa. Ellos se muestran en el siguiente cuadro.
Alternativa A
A.
E (FNAi)
B.
E(U(FNAi)1/
C.
FNAi(cierto)2/
Alternativa B
D.
E(FNBi)
E.
E(U(FNBi)1/
F.
FNBi(cierto)3/
VAN(10%)
-100
76
8.64
74
95
9.11
94
114
9.44
111
133
87
8.82
81
132
9.65
124
138
9.75
130
192
-100
-100
-100
129
174
Respuesta. La mejor alternativa sobre la base del mtodo del equivalente a la certidumbre es
la alternativa B: tiene un VAN10% mayor que el de A.
B.
Para hallar la prima por riesgo es necesario calcular una tasa de descuento tal que el
valor actual de los flujos riesgosos sea igual que el valor actual de los flujos asociados
descontados al 10%. As.
76
95
114
129 = -100 + -------- + --------- + ----------(1.1+PA) (1.1+PA)2 (1.1+PA)3
de donde PA = 0.009823
87
132
138
174 = -100 + --------- + --------- + ----------(1.1+PB) (1.1+PB)2 (1.1+PB)3
de donde PB = 0.033999
Respuesta.
La prima por riesgo necesaria para la alternativa A es de 0.98 puntos porcentuales y para la
alternativa B es de 3.4 puntos porcentuales.
1.2.4
El mtodo de rboles de decisin es un enfoque por medio del cual se puede hacer un anlisis
de como las decisiones tomadas en el presente afectan o pueden afectar las decisiones en el
futuro, ya que muchas decisiones tomadas en el presente no consideran las consecuencias que
pueden originar a largo plazo, por lo que se utiliza cuando es importante considerar las
Solucin
Si comenzamos con el nodo 1 (un punto de decisin), debemos tomar la decisin referente al
tamao de la planta. El nodo es un evento probabilstico del cual emanan dos ramas que
representan demanda baja y alta, dependiendo de las condiciones del mercado. El nodo 3 es
tambin un evento probabilstico del cual emanan dos ramas que representan demandas alta y
baja.
Los datos del rbol de decisin deben incluir las probabilidades asociadas con las ramas que
emanan de los eventos de oportunidad y los ingresos asociados con las diversas alternativas
del problema. Si suponemos que la compaa est interesada en estudiar el problema en un
periodo de 10 aos. Un estudio de mercado indica que las probabilidades de tener demandas
altas y bajas en los 0 aos siguientes son 0.75 y 0.25, respectivamente. La construccin
inmediata de una planta grande costar $5 millones y una planta pequea costara solo $1
milln. La expansin de la planta pequea de aqu a dos aos se calcula costar $4.2 millones.
Los clculos del ingreso anual de cada una de las alternativas se indican a continuacin:
1.- La planta completa y la demanda alta(baja) producirn $1,000,000 ($300,000) anualmente
2.- La planta pequea y una baja demanda generarn $200,000 anuales
3. - La planta pequea y la demanda alta producirn $250,000 para cada uno de los 10 aos
4.- La planta pequea ampliada con demanda alta(baja) generar $900,000 ($200,000)
anualmente
5.- La planta pequea sin expansin y con alta demanda en los dos primeros aos, seguida de
una demanda baja producir $200,000 para cada uno de los 8 aos restantes.
La evaluacin de las alternativas est basada en el uso del criterio del valor esperado. Los
clculos empiezan en la etapa 2 y despus retroceden a la etapa 1, como se indica en la figura,
Por lo tanto en los ltimos 8 aos , es posible evaluar las dos alternativas en el nodo 4 como
sigue:
Por lo tanto, en el nodo 4, la decisin indica que no habr expansin y la ganancia neta ser
esperada es $1,900,000.
Despus se reemplazan todas las ramas que emanan del nodo 4 por una sola rama con una
ganancia neta esperada de $1,900,000 que representa la ganancia neta para los ltimos ocho
aos. Ahora se efectan los clculos de la etapa 1 que corresponde al nodo 1 como sigue:
Ahora, se concluye que la decisin ptima en el nodo 1 es construir una planta grande, y por
lo tanto se eliminan las consideraciones tomadas en el nodo 4.
Para tomar la decisin ptima, se analizan los sucesos de las alternativas de decisin ms
cercanas al final del rbol, calculando el valor esperado de sus valores actuales netos y
optando por aquella que proporcione el mayor valor esperado del VAN
demanda Alta
Introduccin Regional
Introduccin Nacional
P= 0.7
VAN
demanda alta
P= 0.6 4000
Ampliar a nivel Nacional demanda Media P= 0.1 1000
P= 0.3 -2000
C demanda Baja
2
demanda alta
P= 0.6 2000
continuar a nivel Regional demanda Media P= 0.1 1500
A
P= 0.3 1000
D demanda Baja
demanda Media P= 0.1
2000
demanda Baja P= 0.2
1000
demanda alta
P= 0.5
demanda Media P= 0.2
B
demanda Baja P= 0.3
Por ejemplo, la ltima decisin de nuestro caso es la [2], que presenta dos sucesos de
alternativa. El valor esperado del suceso (C) se calcula aplicando la ecuacin de la siguiente
forma:
0.6 * 4000 = 2400
0.1 * 1000 = 100
0.3 * -2000 = -600
VAN
= 1900
que representa el valor esperado del VAN en el caso de ampliar la introduccin a nivel
nacional
1650
Por lo tanto, la decisin ser ampliar a nivel nacional, porque retoma un VAN esperado
mayor.
5000
100
-3000
= 1730
20
= 1620
En consecuencia, se optara por una introduccin inicial en el nivel regional, que luego se
ampliara a nivel nacional. Esta combinacin de decisiones es la que maximiza el valor
esperado de los resultados.
EJERCICIOS DE APLICACIN
CASO PRCTICO N 1
Proyecto de apertura de una heladera.
Pedro Garca est pensando abrir una heladera este verano durante enero y febrero, sus
meses de vacaciones. Su mama le prestara un local, por lo que los nicos costos de
inversin necesarios seran mesas, sillas y la mquina de hacer helados, que cuesta $ 2
000. Segn los noticieros, existe una probabilidad de o0.7 de que se presente el
Fenmeno del Nio (calor extremo). Adems, si la demanda es alta (probabilidad de 0.6)
Prob.
B. neto ($ miles)
Segundo ao
Prob.
B. neto ($ miles)
Demanda alta
0.6
150
Demanda baja
0.4
30
Demanda alta
Demanda baja
Demanda alta
Demanda baja
0.8
0.2
0.4
0.6
960
220
930
140
Primer ao Prob.
Demanda
alta
B. neto ($
miles)
0.6
100
Segundo
ao
Repara
-150
No repara
Demanda
baja
0.4
25
Demanda
alta
Demanda
baja
Demanda
alta
Demanda
baja
Demanda
alta
Demanda
baja
Prob.
B. neto ($
miles)
0.8
800
0.2
100
0.8
410
0.2
180
0.6
220
0.4
100
Si el costo de capital es 10%, Qu avin recomendara usted comprar? (Haga el anlisis para
un horizonte de dos periodos).
CASO PRCTICO N 3
La empresa Petrleos del Norte.
La empresa Petrleos del Norte est evaluando la explotacin de lote Lobitos y la del lote
Zorritos.
Se conoce que, por las condiciones de los lotes, la explotacin de Zorritos costara
$700000 y la de Lobitos, $30000. En el caso de que se explotara el lote Lobitos, la
probabilidad de que se encuentre petrleo es 0.7; y, en Zorritos; la probabilidad es 0.6. En
el caso que no se encontrara petrleo en Zorritos, se obtendr un VAN de $ -900000; si no
se encontrara petrleo en Lobitos, se obtendra un VAN de $ -500000 ( en ambos casos el
VAN incluye la inversin inicial).
Se espera que la produccin empezar en el segundo periodo para el cual se ha estimado
que las probabilidades que los precios sean altos, normales y bajos son 0.6, 0.3 y 0.1,
respectivamente.
En Zorritos, si el precio fuese alto en el periodo 2, se obtendr hasta el perodo 6 un BN
de $ 1 500 000 anuales. Si el precio fuese normal, el BN ser de $ 1 000 000 en el mismo
perodo, mientras que si el precio fuera bajo, este BN slo ser de $ 800 000. en el caso
de Lobitos bajo las mismas condiciones, el BN ser $ 700 000, $ 500 000 y $ 300 000
respectivamente para los precios sealados.
Se tiene claro en Zorritos que si el precio fue alto en el perodo 2, es posible reinvertir en
el perodo 6. Si se reinvierte $ 400 000, ganara $ 3 000 000 anuales en los periodos 7 y
10, y si no se reinvierte solo se ganara $ 2 000 000 al ao. Si el precio fuera bajo en el
perodo 2, se tiene la opcin de vender sus activos en el perodo 6. si se vendieran los
activos se obtendra $ 2 500 000; y, si no se vendieran, se continuara operando y se
ganara $ 800 000 al ao entre el perodo 7 y 10. si el precio fuese normal, se ganara $ 1
800 000 anuales en el mismo perodo.
En el caso de Lobitos, las decisiones son ms sencillas. Si el precio fuera alto en el
perodo 2, se tiene la opcin de reinvertir $ 150 000 en el perodo 6, ganndose con ello $
900 000 anuales entre el perodo 7 y 10; y, si no se reinvirtiera, slo se ganara $ 800 000
al ao en el mismo perodo. En el caso que el precio fuera normal en el perodo 2, el BN
sera $ 600 000 en promedio y, si el precio fuera bajo, el BN anual sera $ 550 000 en el
mismo perodo.
Evalu usted que lote es ms conveniente explotar. (COK = 10%).
CASO PRCTICO N 4
El caso del agricultor.
El seor Walter Gmez es un agricultor experimentado, poseedor de un terreno que puede
alquilar por S/. 200 000 anuales, los cuales seran pagados al final del perodo, o que
puede destinar al cultivo de fresas.
Si el seor Gmez se dedica a cultivar fresas puede sembrar hasta tres cosechas al ao si
el invierno es corto, dos cosechas si es normal y slo una cosecha si es largo. Walter ha
llevado un registr cuidadoso de la situacin climatolgica de su terreno en los ltimos
18 aos y ha establecido que en seis ocasiones el invierno ha sido corto y en tres ha sido
muy largo.
La experiencia de Walter le indica que los gastos de siembra, fumigacin, mantenimiento,
recoleccin, y otros costos relacionados a este cultivo en su terreno ascienden a S/. 80
000 por cosecha y deben ser pagados al iniciar la siembra. Adems, existen costos fijos
anuales de S/. 30 000 que corresponden primordialmente a los gastos de un asistente, que
deben ser pagados por adelantado.
Sin embargo, existen varios aspectos sobre los cuales Walter no tiene un conocimiento
preciso. En particular, siente incertidumbre acerca de los precios de venta de cada
cosecha, que puede ser de S/. 100 000, S/. 200 000 S/. 250 000, segn la oferta nacional
e internacional que exista en el momento de la recoleccin. En principio, Walter tiene
incertidumbre al respecto, pero debido a la poltica de sustentacin del gobierno, sabe con
certeza que su cosecha ser comprada a uno de tres precios. El seor Gmez se ha
enterado de la existencia de una firma consultora que puede elaborar un cuidadoso
estudio de mercados (cuyo resultado ser infalible) para predecir cul ser el precio de
venta de las cosechas durante el prximo ao. La firma cobra S/. 32 000 por la prestacin
del servicio.
En estas condiciones Walter se enfrenta con la decisin de sembrar el terreno o alquilarlo,
y de contratar o no los servicios de la firma consultora. Teniendo en cuenta que su tasa de
inters de oportunidad es del 2% mensual, aydelo a tomar la decisin.
1.2.5
El modelo de Monte Cario, llamado tambin mtodo de ensayos estadsticos, es una tcnica
de simulacin de situaciones inciertas que permite definir valores esperados para variables no
controlables, mediante la seleccin aleatoria de valores, donde la probabilidad de elegir entre
todos los resultados posibles est en estricta relacin con sus respectivas distribuciones de
probabilidades.
La simulacin de Monte Carlo es una tcnica que combina conceptos estadsticos (muestreo
aleatorio) con la capacidad que tienen los ordenadores para generar nmeros pseudo
aleatorios y automatizar clculos.
La simulacin de Monte Carlo es una tcnica cuantitativa que hace uso de la estadstica y los
ordenadores para imitar, mediante modelos matemticos, el comportamiento aleatorio de
sistemas reales no dinmicos (por lo general, cuando se trata de sistemas cuyo estado va
cambiando con el paso del tiempo, se recurre bien a la simulacin de eventos discretos o bien
a la simulacin de sistemas continuos).
Veamos un ejemplo sencillo:
Ejemplo:
al lanzar una moneda tres veces seguidas al aire quiero saber la probabilidad que las tres veces
resulte cara; no tengo idea de probabilidades y solo se que la probabilidad de obtener cara =
0.5 probabilidad de obtener sello = 0,5 para un lanzamiento individual.
Que alternativas tengo?
- Lanzar muchas veces
- Usar tabla de nmeros aleatorios, o ruleta de 100 valores.
CARA PAR (0, 2, 4,,,,,, 98)
SELLO IMPAR (1, 3, 5,,,,, 99)
EJEMPLOS DE TRES CARAS: (38, 36, 98) (74, 10, 46)
CARA 50 (50, 51, _ _ _, 99)
SELLO < 50 (0, 1, 2, _ _ _, 49)
EJEMPLOS DE TRES CARAS: (66, 96, 55) (50, 95, 99)
Ejemplo:
el casino de via estudia ofrecer el siguiente juego:
*el jugador tira una moneda en forma repetida hasta que la diferencia absoluta entre caras y
sellos sea tres, momento en que se termina el juego.
*Para jugar se deben pagar $10.000, y el jugador gana $1.000 por cada moneda lanzada antes
de terminar el juego.
X : 3, 5, 7
VE = (1000*XP(X))- 10.000
SEA PAR = CARA
LAN.
N. A.
E
C
IMPAR = SELLO
S
|C-S|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
97
2
80
66
96
55
50
29
58
51
4
86
24
39
47
60
65
44
93
20
86
12
0
1
2
3
4
0
1
1
2
2
3
4
5
5
5
6
6
7
7
8
9
10
1
1
1
1
1
1
1
2
2
3
3
3
3
4
5
5
6
6
7
7
7
7
1
0
1
2
3
1
0
1
0
1
0
1
2
1
0
1
0
1
0
1
2
3
# DE
LANZAMIENTOS
CANT. A
RECIBIR
CANT. A
PAGAR
100
200
300
400
500
600
700
800
900
1000
968
1882
2746
3484
4432
5426
6260
7166
7900
8786
1000000
2000000
3000000
4000000
5000000
6000000
7000000
8000000
9000000
10000000
968000
1882000
2746000
3484000
4432000
5426000
6260000
7166000
7900000
8786000
PAGAR / RECIBIR
96,8%
94,1%
91,5%
87,1%
88,6%
90,4%
89,4%
89,6%
87,8%
87,9%
JUGARIAS?
EJERCICIOS DE APLICACIN
CASO PRCTICO N 1
La compaa Bristol S.A. una empresa comercializadora realiza una de sus tantas
operaciones en el puerto de Callao en Peru. Una de sus funciones consiste en el
desembarque de vagones de cargas provenientes de barcos que arriban desde puertos
extranjeros. Estos barcos llegan al puerto tanto de dia como de noche, y el numero de
llegada responde a una distribucion de probabilidad discreta como se presenta en la
siguiente tabla:
Numero de Vagones que
llegan (X)
0
1
2
3
4
5
Probabilidad de
llegada
0.23
0.30
0.30
0.10
0.05
0.02
Probabilidad de
llegadas
0.18
0.28
0.29
0.16
0.09
Ahora la planta de produccin nunca para, a diario le llegan a su almacn materia prima,
de su proveedor muchas mas de la que esta necesita; por la que muchas veces esta tiene
colas de materia prima esperndola.
Lo que quiere la empresa es como ser la llegada de materia prima a sus almacenes,
puesto que el costo de inventario de m.p es de $40 por cada carga del camin ya que
repercute directamente con el precio del repostero ?
CASO PRCTICO N 3
Se esta considerando la introduccin de un nuevo producto. El producto tiene una vida
til de tres aos. Hay tres factores de incertidumbre; el precio de venta, el costo variable y
el volumen anual de ventas.
Debe suponerse que habr incertidumbre para las ventas en el primer ao , pero luego
aumentaran 20% en el segundo ao y despus descendern 50% en el tercer ao. Adems
que la incertidumbre acerca del primer ao de ventas puede describirse mediante una
distribucin normal con una media de 2.0 millones de cajas y una desviacin estndar de
0.6 millones de cajas.
El costo de fabricar el producto es incierto, y la incertidumbre puede representarse con
una distribucin uniforme entre US $ 2.00 y US $ 4.00 por unidad.
La incertidumbre acerca del precio para el producto esta representada por una
distribucin discreta, como sigue :
Precio de ventas
Probabilidad
4
5
6
0.3
0.5
0.2
Los costos fijos asociados con introducir el producto son US $ 3.0 millones en el primer
ao y US $ 1 milln para los aos 2 y 3. Finalmente debe suponer que la empresa tiene la
capacidad de abandonar el producto despus del primer ao, si no es rentable.
La introduccin del nuevo producto ser rentable?
II. ANLISIS BAJO INCERTIDUMBRE
Gran
Alza
El Criterio Maximin
Peq
Sin
. Alza
Cambios
Minimos
Peq
. Baja
Gra
n
Gan
ancia
s
Oro
Bonos
Negoci
o en D.
Cert.
De Dep.
-100
250
100
200
200
150
300
-100
Baja
0
-150
-100
-150
500
250
100
-200
-600
-600
60
60
60
60
60
60
Matriz de Ganancias
Decision
Gran
Peq. Alza
Alza Problema John Prez
Continuacin
O
r
Bonos
Negocio
Cert Dep
10
0 2
5
0
5
0
0
6
0
Sin Cambios
1
0
0
2
0
0
2
0
0
0
0
15
0 60
0
20
0
6
0
10
0
6
0
Gran
Baja
0
0
5
0
5
0
Peq.
Baja
6
0
6
0
Invertir en Oro incurre en una prdida mayor cuando el mercado presenta una gran alza
Matriz de Costo de Oportunidad
Decisi
on
Oro
Bonos
Negocio D.
Cert. Dep
Sin
Cambios
Peq
Baja
150
50
0
50
0
400
Maximo
Costo
Op
60
600
210
400
0
190
100
140
500
240
660
0
Gran
Alz
a
600
250
Peq.
Alza
0
440
Gran
Baja
660
440
M
Gran Alza
-100
250
500
Peq. Alza
100
200
250
Sin Cambios
200
150
100
Peq. Baja
300
-100
-200
Gran Baja
0
-150
-600
Cert. Dep.
60
60
60
60
Decisin Optima :
EJEMPLO :
TOMA DE DESICIONES BAJO CONDICIONES DE INCERTIDUMBRE
Para la prxima temporada invernal, la fbrica textil "TELAS RECOMIENDO" desea
determinar que producto sacar al mercado, con la finalidad de satisfacer la demanda
creciente de ropa invernal.
A continuacin se analizan las tres fases para el problema anterior:
FASE 1: Las alternativas que el fabricante tiene para satisfacer la demanda son:
a).- Fabricar abrigos
b).- Fabricar sweters
c).- Fabricar cazadoras
FASE 2: Los eventos futuros que pueden ocurrir (estados de la naturaleza) con respecto
a la demanda son:
a).- Demanda alta
b).- Demanda media
c).- Demanda baja
d).- Demanda nula
FASE 3: La tabla de beneficios estimados es la siguiente:
60
Criterio maximn. Este es un criterio pesimista, el cual indica el valor mximo de los
mnimos. Para el ejemplo se seleccionan los valores mnimos de cada alternativa (-450,
-800, -100) y de estos se selecciona el mximo (-100). La decisin usando este criterio es
"fabricar cazadoras"
Criterio mnimax. Este criterio es tambin conocido como arrepentimiento. Es
necesario construr una nueva tabla conocida precisamente con ese nombre "tabla de
arrepentimiento". Es necesario suponer que en un momento conocemos cuales sern los
estados de la naturaleza y que podemos arrepentirnos de la decisin ya tomada con
anterioridad, as pues, si tomamos la decisin de fabricar abrigos ganamos $500 si se
presenta una demanda alta, pero si hubieramos sabido que la demanda sera alta,
hubiramos tomado la decisin de fabricar sweters con una utilidad de $700 en lugar de
$500, por lo cual nuestro arrepentimiento es de $200 lo cual significa que dejamos de
ganar $200 por no haber tomado econmicamente la mejor decisin, o en el caso de
prdidas significa lo que se pierde dems por no haber tomado econmicamente la mejor
decisin como se muestra en la siguiente tabla:
Valor mnimo.
Una vez de terminada la tabla de arrepentimiento se selecciona el valor mximo de cada
alternativa (350, 700, 400) y se escoge el valor mnimo de stos (350) por lo cul la decisin
sera "fabricar abrigos".
Criterio del realismo. Sin duda el criterio ms flexible ya que puede transformarse en
un criterio optimista, pesimista o intermedio de acuerdo al valor que le demos al
coeficiente o ndice de optimismo (a)
Usado en la siguiente relacin :
Ri = Valor del realismo para la alternativa i = a (beneficio mximo) + (1- a ) (beneficio
mnimo)
Para el ejemplo tendramos los siguientes valores con a = 0.7
R1 = 0.7 (500) + 0.3 (-450) = $125
R2 = 0.7 (700) + 0.3 (-800) = $250
R3 = 0.7 (300) + 0.3 (-100) = $180
La decisin ser en funcin del valor mayor de Ri por lo cual para este caso la decisin
es "fabricar sweters" con una utilidad estimada de $250.
ESTADO DE LA NATURALEZA
E1
E2
.......
Em
( p1 )
( p2 )
( pm )
D1
X11
X12
X1m
D2
.
.
X21
X22
X2m
LAPLACE
1.- Ejercicio
Calcular la probabilidad de acertar los 14 signos de la quiniela:
Solucin:
Se aplica la Regla de Laplace (casos favorables / casos posibles). El caso
favorable es tan slo uno (acertar los 14 signos). Los casos posibles se calculan
como variaciones con repeticin de 3 elementos (1, X y 2), tomados de 14 en 14 (los
signos que hay que rellenar).
Son variaciones y no combinaciones ya que el orden influye: no es lo mismo (1,1,X)
que (1, X, 1). Y son con repeticin, ya que cualquiera de los signos (1, X y 2) se
puede repetir hasta 14 veces.
Por lo tanto, los casos posibles son:
Solucin:
Aplicamos nuevamente la Regla de Laplace. En este caso los casos favorables se
calculan como combinaciones de 14 elementos tomados de 2 en 2, de esta manera
obtenemos todas las posibles alternativas de fallar 2 resultados de 14 (lo que
equivale a acertar 12 resultados). Utilizamos combinaciones y no variaciones ya que
el orden no importa (da lo mismo fallar el 3 y el 6, que el 6 y el 3)
4.- Ejercicio
Y si hubiera que acertar, no slo los 3 caballos que ganan, sino el orden de su
entrada en meta.
Solucin:
El caso favorable sigue siendo uno: los 3 caballos que entran en primer lugar,
colocados en su orden correspondiente.
Los casos posibles se calculan ahora como variaciones (ya que el orden influye) de
12 elementos tomados de 3 en 3 (calculamos todas las posibles maneras en que los
12 caballos podran ocupar las 3 primeras posiciones.
puedan
aplicarse
factores
separados
de
una
variable.
Puede agregarse que mientras que no existe un mtodo general de solucin de ecuaciones
diferenciales a derivadas parciales, la separacin reduce la ecuacin de Laplace a un conjunto
de ecuaciones diferenciales ordinarias, que en principio siempre tienen solucin.
FIGURA 1
Dos placas conductoras paralelas infinitas, Figura 1, estn separadas por una distancia a. Las
placas estn puestas a tierra (0 V) y una tercera placa, aislada de las anteriores se encuentra a
potencial 1 V respecto de aquellas, como se muestra en la figura. El medio entre las placas es
aire.
Halle
la
distribucin
de
potencial.
Sin embargo, dado que la ecuacin de Laplace es lineal, la condicin puede ser satisfecha por
una suma de funciones de la forma anterior, tal que:
donde los Cn son los coeficientes del desarrollo en serie de Fourier de una funcin impar tal
que y vale 1 en el intervalo [0,a].
Sea una onda cuadrada de amplitud unitaria:
Los coeficientes Cn de los trminos en coseno son nulos por tratarse de una funcin impar.
Para los trminos en seno solamente son distintos de cero los coeficientes correspondientes a
n impar. Observando sus valores se comprueba que valen:
C[n_]=4/(n Pi)
A mayor cantidad de trminos se mejora la aproximacin a la funcin original.
Considerando hasta la armnica 51 resulta:
Representamos en la Figura 2:
Qu decisin tomara?
SOLUCIN:
Se tomara la alternativa de contratar un sonido, ya que es la opcin que
proporciona una mayor utilidad bajo la condicin de un solo estado de la
naturaleza (cupo lleno).
EJEMPLO 2: TOMA DE DESICIONES BAJO CONDICIONES DE
INCERTIDUMBRE
Para la prxima temporada invernal, la fbrica textil "TELAS RECOMIENDO"
desea determinar que producto sacar al mercado, con la finalidad de satisfacer
la demanda creciente de ropa invernal.
A continuacin se analizan las tres fases para el problema anterior:
FASE 1: Las alternativas que el fabricante tiene para satisfacer la demanda son:
Valor mnimo.
Una vez de terminada la tabla de arrepentimiento se selecciona el valor mximo de cada
alternativa (350, 700, 400) y se escoge el valor mnimo de stos (350) por lo cul la decisin
sera "fabricar abrigos".
Criterio del realismo. Sin duda el criterio ms flexible ya que puede transformarse en un
criterio optimista, pesimista o intermedio de acuerdo al valor que le demos al coeficiente o
ndice de optimismo (a)
Usado en la siguiente relacin :
Ri = Valor del realismo para la alternativa i = a (beneficio mximo) + (1- a ) (beneficio
mnimo)
Para el ejemplo tendramos los siguientes valores con a = 0.7
R1 = 0.7 (500) + 0.3 (-450) = $125
R2 = 0.7 (700) + 0.3 (-800) = $250
R3 = 0.7 (300) + 0.3 (-100) = $180
La decisin ser en funcin del valor mayor de Ri por lo cual para este caso la decisin es "fabricar
sweters" con una utilidad estimada de $250.
EJEMPLO3: TOMA DE DESICIONES BAJO CONDICIONES DE RIESGO
Paga
$20.00
por
cada
rbol
lo
vende
en
$60.00
- Entrega todos los rboles que vende y paga $5.00 de comisin por cada uno
que
es
entregado
antes
de
la
temporada.
cada
uno.
SOLUCIN:
El vendedor tiene seis alternativas a seguir.
variables:
x
z
Casos
=
=
cantidad
nivel
posibles
de
ordenada
la
de
demanda
presentar
El
valor
E
i
esperado
se
calcula
(z)
=
mediante
=
j
la
frmula
Zip
siguiente:
(z)
1,2,6
en
este
caso
4.
mtodo
simbologa
=
alternativo
utilizada
Utilidad
obtenida
el
su
por
"anlisis
significado
vender
es
una
marginal".
la
siguiente:
unidad
adicional.
DEDUCCIN
DE
La
deduccin
Se
debe
se
da
pedir
partir
del
una
FRMULA:
siguiente
unidad
razonamiento
adicional
solo
lgico:
que:
(UM)
(UM)
(UM)
p (UM+PM) PM
(1-p)
PM-p
(PM)
(PM)
(PM)
PM
Definiendo:
p
Probabilidad
de
vender
una
unidad
adicional.
UM
60
60
Lo
que
se
obtiene
-20
Lo
que
se
paga
20
de
por
la
la
35
venta
de
una
unidad
adicional.
compra
de
una
unidad
adicional.
=
Lo
que
20
se
paga
por
la
compra
=
de
una
15
unidad
adicional.
Se analiza el pedir 1 unidad, sta se pide si p( z i) 30, lo cual ocurre para este
caso en que p( z i ) = 1. Se analiza el pedir 2 unidades, lo cual ocurre ya que p(
z
0.95
$56.5
40
restriccin
de
mano
de
obra
X1
+
2
X2
50
restriccin
de
materiales
tanto X1 como X2 son no negativas.
Este es un modelo matemtico para el problema del carpintero. Las variables
de decisin, es decir, las entradas controlables son X1, y X2. La salida o el
resultado de este modelo son los ingresos netos totales 5 X1 + 3 X2. Todas las
funciones empleadas en este modelo son lineales (las variables de decisin
estn elevadas a la primera potencia). El coeficiente de estas restricciones se
denomina denomina Factores Tecnolgicos (matriz). El perodo de revisin es
de una semana, un perodo conveniente dentro del cual es menos probable que
cambien (flucten) las entradas controlables (todos los parmetros tales como
5, 50, 2,..). Incluso en un plazo de planificacin tan corto, debemos realizar el
anlisis what-if o de hiptesis para responder a cualquier cambio en estas
entradas a los efectos de controlar el problema, es decir, actualizar la solucin
prescripta.
Ntese que dado que el Carpintero no va a ir a la quiebra al final del plazo de
planificacin, agregamos las condiciones que tanto X1 como X2 deben ser no
negativas en lugar de los requerimientos que X1 y X2 deben ser nmeros
enteros positivos. Recuerde que las condiciones de no negatividad tambin se
denominan "restricciones implcitas". Nuevamente, un Programa Lineal
funcionara bien para este problema si el Carpintero contina fabricando estos
CONCLUSIONES
Es importante diferenciar el riesgo de la incertidumbre, el primero se presenta cuando no
disponemos de la informacin necesaria como para asociar un evento con un conjunto de
posibles resultados cada uno de los cuales tiene una ocurrencia relativa.
Por otro lado la incertidumbre es una situacin donde los posibles resultados de una
accin no se conocen o no es posible vincularlos con probabilidades de ocurrencia.
La medicin del riesgo en un proyecto esta asociado con la variabilidad de los beneficios
netos anuales estimados y en consecuencia con la del rendimiento que es posible estimar
a partir de ellos de esta forma para determinar cuan riesgoso es un proyecto es necesario
calcular la desviacin estndar del riesgo y del VAN Esperado.
RECOMENDACIONES
Hasta este momento se ha estado suponiendo que las proyecciones de los flujos de caja sobre
los cuales se calculaba la rentabilidad de un proyecto eran totalmente ciertas sin embargo es
bastante improbable ya que cualquiera sea el giro del negocio este tendr asociado un cierto
grado de xito, este ultimo
beneficios netos anuales proyectados las que redundan en una rentabilidad incierta.
Por tanto es necesario tener en cuenta los distintos mtodos para la evaluacin de proyectos
los cuales se desarrollan a lo largo de estos captulos