PREPARACIN Y EVALUACIN DE
PROYECTOS DE INVERSIN PBLICA
ANLISIS DE RIESGO
SANTIAGO DE CHILE
Hasta este momento, se ha supuesto que se conocen con certeza los valores futuros
de las variables relevantes.
Costo de inversin
Demanda como % de
Proyecto efectivo como %
la demanda estimada
del estimado
Puente Humber (UK) 175 % 25 %
Tnel del Canal de la
80 % 18 %
Mancha
Metro de Baltimore 60 % 40 %
Tyne and Wear Metro
55 % 50 %
(UK)
Metro de Portland (USA) 55 % 45 %
Metro de Miami 35 % 15 %
Proyecto Sobre-costo
Concorde 1.100 %
EN 9 de cada 10 proyectos de
transporte se subestimaron los
costos (tamao de la muestra: 258).
Puentes, tneles
+ 34 % Este fenmeno fue observado en 20
pases de los 5 continentes.
La diferencia es mayor en pases en
desarrollo.
Los errores de la estimacin no se
Rodovias
redujeron con el paso de los aos.
+20 %
No existe justificacin tcnica. Son
errores estratgicos.
Fonte: Megaprojects and Risk, Bent Flybjerg con base en el estudioEconomic
Appraisal of Large-ScaleTransport Infrastructure Investments de Mette K. Skamris.
Modelos inadecuados.
Falta de datos.
Cambios de comportamiento.
Carreteras
Cambios no previstos en factores
+9 % exgenos.
Sesgo de los consultores.
Sesgo del evaluador.
Ciertas o no aleatorias:
Su valor se conoce con certidumbre en
el momento de tomar la decisin
Variables que inciden en acerca de la conveniencia de la
los indicadores de ejecucin del proyecto.
rentabilidad:
Aleatorias:
Su valor no es conocido con exactitud.
Incluso podra ocurrir el caso de que todos los valores probables tuviesen la
misma probabilidad de ocurrencia.
No la incorporan:
S la incorporan:
Complementarios entre s
Punto de nivelacin
Anlisis de sensibilidad
Anlisis de escenarios
VAN
E VAN,Y = VAN
Y
Y
EVAN,Y indica:
VAN
Si Y es la cantidad del bien
E VAN,Y = VAN = 3 y se incrementa en un 1%,
Y el VAN lo har en un 3%.
Y
Prof. Claudia Nerina Botteon
NO CONSIDERAN PROBABILIDAD
VAN
E VAN,Inversin = VAN = 5,54
I
I
Es negativa, dado que la inversin es un costo: si
aumenta, el VAN disminuye.
Variabilidad de la variable Y
Variabilidad de la variable Y
Variabilidad de la variable Y
El coeficiente de variacin (CVY), definido como
la desviacin estndar (Y) sobre la media (Y):
Y
CVY =
Y
m m
Y= i =1
Yi A i Y = i
( Y
i =1
Y ) 2
Ai
Variabilidad de la variable Y
Y
El coeficiente de variacin CVY =
Y
Si la variable Y se distribuye como normal
Rango de Indicador de
Variable Elasticidad variacin (%) variable crtica Orden
Inversin social (I*) -5,545 0,01% -0,06% 5
Costos sociales fijos (CF*) -3,272 10,00% -32,72% 3
Costos sociales variables unitarios (cv*) -4,909 5,00% -24,54% 4
Precio social del bien (P*) 14,726 8,00% 117,81% 2
Cantidad de unidades (X) 9,817 15,00% 147,26% 1
Xi Ai
8.000 0,1
8.500 0,2
9.000 0,4
9.500 0,2
10.000 0,1
Concepto Valor
Media 9.000
Desviacin estndar 547,72
Coeficiente de variacin (CV) 6,09%
Indicador de variable crtica 59,75%
Interpretacin:
Rango de Indicador de
Variable Elasticidad
variacin variable crtica
Tamao del local -0,5 10% 0,05
Porcentaje a pagar (sobre el
- 20 1% 0,20
ingreso por ventas)
VAN = 0
Anlisis de sensibilidad
Anlisis de sensibilidad
Anlisis de sensibilidad
Efectos que producen sobre el VAN las variaciones en los
valores de las variables
Cantidad VAN
19000
8.000 -794,50
8.200 1.114,46
8.400 3.023,42 14000
8.600 4.932,38
VAN
Anlisis de sensibilidad
Anlisis de sensibilidad
Tasa de
VAN Se nsi bi l i d a d d e l VA N a l a ta sa de d e scue nto
descuento
5% 13.198,05 15.000
6% 11.653,10
7% 10.171,57
10.000 TIR =15,25%
8% 8.750,30
9% 7.386,30
VAN
Anlisis de sensibilidad
Anlisis de sensibilidad
APLICACIN
Ao VAN
Anlisis de sensibilidad
VENTAJAS
Anlisis de sensibilidad
LIMITACIONES
Anlisis de escenarios
CONJUNTO DE SITUACIONES
POSIBLES
Anlisis de escenarios
Escenario Optimista
Escenario Pesimista
Escenario Original (Promedio)
Anlisis de escenarios
APLICACION
Escenario VAN
Sino se conoce la PROBABILIDAD
DE OCURRENCIA es muy difcil
Optimista 1000
decidir.
Promedio 0
Pesimista -1000
Prof. Claudia Nerina Botteon
CONSIDERAN PROBABILIDAD
1,5 0,5
0,4
Probabilidad
Probabilidad
1
0,3
0,2
0,5
0,1
0 0
1200 800 1000 1200 1400 1600
Beneficio neto del ao 1 Beneficio neto del ao 1
Requieren de los
resultados de los mtodos
que no consideran la
probabilidad
Pasos a seguir:
Definir variable dependiente: VAN.
Identificar variables independientes: precio del bien, etc.
Definir las interrelaciones existentes entre variables.
Clasificar las variables en ciertas y aleatorias.
Identificar la distribucin de probabilidades de los valores
de cada variable: normal, uniforme, triangular, etc. (en base
a la informacin disponible y/o a la experiencia).
Generar k nmeros aleatorios para cada una de las
variables aleatorias a partir de su respectiva distribucin de
probabilidades.
Calcular el conjunto de VAN
VAN i
VANe = i =1
VAN
, Esperado m
m
1
VAN = ( VANi VANe )2
Desviacin
, estndar (m 1) i=1
VAN
CVVAN =
Coeficiente de variacin VANe
donde los VANi son los m valores del VAN obtenidos.
Tabla de frecuencias
Histograma
Cantidad de VAN superiores e inferiores a determinado valor
Prof. Claudia Nerina Botteon
CONSIDERAN PROBABILIDAD
Modelo MONTECARLO
Una variable aleatoria: cantidad anual vendida
Distribucin normal con los mismos parmetros utilizados
en la determinacin de variables crticas:
Y = 9.000 ; = 547,72
Valor social Costos
Cantidades Beneficios netos
de la sociales VAN*
anuales sociales anuales
produccin anuales
X P* . X cv* . X + CF*
(1) (2) (1) (2)
8.835,55 53.013,33 29.671,11 23.342,22 7.180,70
8.300,18 49.801,07 28.600,36 21.200,71 2.070,64
9.133,79 54.802,72 30.267,57 24.535,15 10.027,27
9.699,16 58.194,96 31.398,32 26.796,64 15.423,65
9.656,37 57.938,22 31.312,74 26.625,48 15.015,22
9.949,28 59.695,71 31.898,57 27.797,14 17.811,04
7.803,99 46.823,93 27.607,98 19.215,96 -2.665,39
8.871,73 53.230,39 29.743,46 23.486,93 7.526,02
... ... ... ... ...
Se generaron 300 nmeros aleatorios. Se presentan los primeros 8 valores obtenidos.
CONSIDERAN PROBABILIDAD
Modelo MONTECARLO
Porcentaje del
Concepto Valores
total de casos
Valor medio del VAN* 9.065,19
Desviacin estndar 5.384,73
Coeficiente de variacin 0,59
VAN* negativos 16 5,33%
VAN* inferiores a $ 3.000 41 13,67%
VAN* inferiores a $ 5.000 71 23,67%
-6.000 0 80
-3.000 3 70
0 13 60
3.000 25
Frecuencia
50
6.000 49
40
9.000 53
30
12.000 68
20
15.000 44
10
18.000 31
0
21.000 11
-6000 -3000 0 3000 6000 9000 12000 15000 18000 21000 24000 y
24.000 3 mayor...
y mayor... 0
VAN
CONSIDERAN PROBABILIDAD
Modelo MONTECARLO
Dos variables aleatorias: cantidad y precio social
Distribucin normal:
Y = 9.000 ; = 547,72
P=6 ; = 0,3
Beneficios
Valor social Costos
Cantidades netos
Precio social de la sociales VAN*
anuales sociales
produccin anuales
anuales
P* . X cv* . X + CF*
X P
(1) (2) (1) (2)
8.835,55 6,23 55.062,00 29.671,11 25.390,89 12.069,24
8.300,18 5,94 49.285,87 28.600,36 20.685,51 841,27
9.133,79 5,51 50.336,95 30.267,57 20.069,38 -628,94
9.699,16 6,64 64.419,82 31.398,32 33.021,50 30.277,42
9.656,37 6,22 60.044,50 31.312,74 28.731,76 20.041,24
9.949,28 6,49 64.549,02 31.898,57 32.650,45 29.392,02
7.803,99 6,01 46.902,30 27.607,98 19.294,32 -2.478,38
8.871,73 6,37 56.504,51 29.743,46 26.761,04 15.338,71
... ... ... ... ... ...
-6.000 13 50
45
-3.000 11
40
0 22
35
3.000 27
Frecuencia
30
6.000 36 25
9.000 39 20
12.000 46 15
15.000 31 10
18.000 30 5
0
21.000 23
.
-600
0
- 300
0 0 3000 6000 9000 1200 0 1500 0 1800 0 2100 0 2400 0 mayo r..
24.000 14 y
y mayor... 8 VAN
CONSIDERAN PROBABILIDAD
Modelo MONTECARLO
APLICACIONES
En la evaluacin de un proyecto hidroelctrico en la Provincia de Mendoza, en
el cual uno de los problemas era estimar la serie de caudales futuros del ro,
puesto que se trataba de una variable fundamental en la determinacin de la
cantidad de energa producida. Se conocan los caudales mensuales histricos
desde principios del siglo XX.
En primer lugar se hizo una evaluacin determinstica del proyecto utilizando los
caudales medios para cada uno de los meses del ao.
Sin embargo, la variabilidad de esos caudales mensuales poda hacer cambiar
significativamente el VAN.
A partir de la serie histrica de caudales, se generaron series de caudales
hipotticos para un horizonte de 50 aos, coincidente con la duracin de la fase
de operacin del proyecto.
Luego se calcul el VAN del proyecto para cada una de las series.
Para la gran mayora de las series el proyecto result aceptable.
Modelo MONTECARLO
APLICACIONES
RECOPILACIN Y
SISMATIZACIN/ORDENAMIENTO
DE DATOS
Muestreo
Distribucin de frecuencias
ESTADSTICA Histograma
TRATAMIENTO DE DATOS
Medidas o indicadores
ESTADSTICA DESCRIPTIVA
MEDIDAS DE DISPERSION
ESTADSTICA DESCRIPTIVA
MEDIDAS DE DISPERSIN
X
1
X= i
n i =1
X
1
X= i fi
n i =1
Si se disponen las frecuencias (fi) correspondiente a cada valor.
Prof. Claudia Nerina Botteon
HERRAMIENTAS ESTADSTICA
Xi fi Xi . fi
1 9 9
2 60 120
3 70 210
4 34 136
5 25 125
6 12 72
Rendimiento
fsico
Edad
Prof. Claudia Nerina Botteon
HERRAMIENTAS ESTADSTICA
Principales propiedades
- Es menos sensible que la media a oscilaciones de los valores de la
variable. Un error de transcripcin en la serie del ejemplo anterior en,
pongamos por caso, el ltimo nmero, deja a la mediana inalterada.
Principales inconvenientes
20
18
16
Nmero de empleados
14
12
10
8
6
4
2
0
6 8 0 2 4 6 8 0 2 4 6 8 0 2 4 6 8
-2 6-2 8-3 0-3 2-3 4-3 6-3 8-4 0-4 2-4 4-4 6-4 8-5 0-5 2-5 4-5 6-5
24 2 2 3 3 3 3 3 4 4 4 4 4 5 5 5 5
Edad (en aos)
Mo Me Mn Edades
Mn Me Mo Edades
Edades
Empleados
Mo = Me =Mn
Prof. Claudia Nerina Botteon
HERRAMIENTAS ESTADSTICA
MEDIDAS DE DISPERSIN
MEDIDAS DE DISPERSIN
Valores de la
Frecuencia
Valores de la variable Y
Frecuencia 0 0
variable X
20 0 30 0,5
50 1 50 1,5
70 3 70 2
90 1 90 1,5
110 0 110 0,5
130 0
Las dos distribuciones tienen la misma media (70), la misma
mediana (70) y el mismo modo (70), sin embargo, los datos
estn diseminados en forma diferente.
Las medidas de tendencia central deben acompaarse de otras que
muestren la dispersin de los valores: X est menos diseminada que Y.
Prof. Claudia Nerina Botteon
HERRAMIENTAS ESTADSTICA
MEDIDAS DE DISPERSIN
Variable X
3,5
2,5
1,5
1
Las medidas de
0,5
0
dispersin de la
20 50 70 90 110
variable X son
Variable Y mayores que las de
2,5
Y.
2
1,5
0,5
0
0 30 50 70 90 110 130
Prof. Claudia Nerina Botteon
HERRAMIENTAS ESTADSTICA
MEDIDAS DE DISPERSIN
VARIANZA Y DISPERSIN
( x 1 x ); ( x 2 x );....; ( x n x )
La varianza si se conocen los valores de todas las variables es:
2
+ 2
+ + 2 n
( x x ) ( x x ) .... ( x x ) 1
2 = 1 2 n
= (x i x) 2
n n i =1
MEDIDAS DE DISPERSIN
VARIANZA Y DISPERSIN
1
=
2
(x i x) 2 f i
n i =1
= 2
MEDIDAS DE DISPERSIN
DISTRIBUCIN NORMAL
Edades
La zona sombreada
representa el 68,27% de
la superficie total de la
curva.
MEDIDAS DE DISPERSIN
COEFICIENTE DE VARIACIN
Distribucin Distribucin
A B
media 20 200
dispersin 4 40
CV 0,2 0,2