Esta presentación introduce las bases para la aplicación del método de simulación de montecarlo a los negocios internacionales por medio de divertidas imágenes que explican paso a paso el procedimiento.
continua Muestreo por bloques Existente Cuantitativa discreta Generador de números aleatorios Existente Cualitativa poco categorizada Regla de pares Existente Cualitativa muy categorizada Ruleta Inexistente Cualitativa continua Ensayo ciego previo y decidir Inexistente Cualitativa discreta Muestreo estratificado con ensayo previo Inexistente Cualitativa poco categorizada Regla de pares con ensayo previo Inexistente Cualitativa muy categorizada Ruleta con ensayo previo Herván, F. (2005). Modelos de gestión para médicos de familia. Madrid: mesz de Santos. Pág. 148 Definir problema Recopilar información Ejecutar muestreos
variables dependientes e independientes Se introduce un componente de aleatoriedad 2 + 3 = 5 Se corre el proceso y se estudian los resultados 2 + X = N Se establecen los parámetros de la variable aleatoria 2 + 3 = ?
Frecuencia Acumulada Rango Soleado 36% 36% 0.00 - 0.360 Lluvioso 64% 100% 0.361 – 1.00 Luego, generamos números aleatorios Repetimos la operación observando el valor aleatorio para saber el clima Shift + Punto en calculadora o función ALEATORIO en MS Excel Si el número aleatorio es 0.251 entonces el clima es soleado, pero si es superior a 0.360 el clima es lluvioso
input y output estadísticamente A mayor número de iteraciones, datos más precisos Es importante al momento de entregar una respuesta recordar qué significado tiene cada número dentro de la situación real de negocios internacionales. Procedimiento General
en el CDC, se acopla al MS Excel® para realizar operaciones de simulación en las hojas de cálculo. Macro de MS Excel tipo freeware con funciones similares a @Risk® y Crystal Ball® Simulación 4.0 Existen muchas plataformas de software pero en el curso usaremos principalmente dos
de distribución de probabilidad. Define una celda de cálculo como salida del modelo y sobre ella entrega un informe estadístico descriptivo. Estudia una serie de datos y a partir de pruebas estadísticas identifica la función de distribución de probabilidad que más se acerque al comportamiento de estos.
al modelo por medio de funciones de distribución de probabilidad. Encontrar Distribución Estudia una serie de datos y a partir de pruebas estadísticas identifica la función de distribución de probabilidad que más se acerque al comportamiento de estos. Insertar Output Define una celda de cálculo como salida del modelo y sobre ella entrega un informe estadístico descriptivo. Correr Simulación Ejecuta el proceso programado
a la realidad, requiere un muestreo extenso. Describe series de datos desde un LI hasta un LS en la cual todos tienen la misma probabilidad de presentarse. Describe series de datos desde un LI hasta un LS en la cual se busca que algunos tengan mayor probabilidad de presentarse. Uniforme Triangular Normal
del curso titulado Técnicas de Simulación - Método Montecarlo a la D.F.I. Con las instrucciones del profesor, programe los componentes de aleatoriedad usando @Risk y Simulación 4.0 y presente los valores de exportación en EXW, FOB, CIF y DDP para el percentil 90 con 50.000 iteraciones.
Anderson, D.; Sweeney, D. & Williams, T. (2004). Métodos cuantitativos para los negocios. México: Thomson Parra, F. (2005). Gestión de stocks. Madrid: ESIC Herván, F. (2005). Modelos de gestión para médicos de familia. Madrid: mesz de Santos. Pág. 148 Referencias