crystall ball basico
TRANSCRIPT
-
8/13/2019 Crystall Ball Basico
1/336
-
8/13/2019 Crystall Ball Basico
2/336
Course Objectives
Describe modeling and simulations Start Crystal Ball and access resources Explain Crystal Ball probability
distributions Define assumptions
Correlate assumptions Analyze and present simulation results Analyze data with Crystal Ball tools Set advanced options for assumptions and forecasts Manipulate simulation controls
Optimize decisions with OptQuest and analyze solutions Perform time series forecasting with Predictor
-
8/13/2019 Crystall Ball Basico
3/336
1.Modeling and Simulation Overview
Oracle's Enterprise Performance Management System
Model Basics
Simulation Basics
About Monte Carlo SimulationsAbout Crystal Ball
Model Development Process
2.Getting Started with Crystal Ball
Setting Crystal Ball Start Preferences About the WelcomeDialog Box
Basic Crystal Ball Terminology
Crystal Ball Ribbon
Additional Resources for Crystal Ball
3.Examining Probability Distributions
About Probability Distributions
Basic Distribution Statistics
Viewing Distribution Types in the Distribution Gallery
Properties of Crystal Ball Distributions
Commonly Used Crystal Ball Distributions
-
8/13/2019 Crystall Ball Basico
4/336
4.Defining Assumptions
About Assumptions
Defining Data-Based Assumptions Through Distribution Fittings Defining Data-
Based Assumptions with Custom Distributions Defining Expert-Based Assumptions
Referencing Cells for Parameter Values Generated Names for Assumption Cells
Best Practices for Defining Assumptions
5.Defining Forecasts, Running Simulations, and Analyzing Results
Defining Forecasts Running Simulations Analyzing Forecast Charts
Viewing Other Charts with Forecast Data Saving and Loading Forecast Results
Editing Crystal Ball Data
6.Correlating Assumptions
Importance of Correlating Assumptions
Rank Correlation Method
Crystal Ball Options for Correlating Assumptions
Defining Correlations by Modifying Assumption DefinitionsAdjusting Correlation Coefficients During Simulations
Best Practices for Correlating Assumptions
7.Creating Reports
About Crystal Ball Reports Generating Reports Extracting Data to Excel
-
8/13/2019 Crystall Ball Basico
5/336
8.Determining Assumptions with Tornado and Spider Charts
Considering Assumptions
About Tornado and Spider Charts Tornado Charts Versus
Sensitivity Charts Creating Tornado and Spider Charts
Examining Tornado Charts
Examining Spider Charts
9.Working with Multiple Assumptions
Batch Fitting Probability Distributions
Correlating Multiple Assumptions with Correlation Matrices
10.Setting Advanced Options for AssumptionsBuilding Distributions with Alternate Parameters Truncating
Assumption Distributions
Creating Distribution Functions
Publishing and Subscribing to Distributions
Customizing the Distribution Gallery
11.Setting Advanced Options for Forecasts
Automatically Extracting Forecast Statistics Adding Marker
Lines to Forecast Charts Fitting Distributions to Forecast
Charts Filtering Forecast Results
-
8/13/2019 Crystall Ball Basico
6/336
12.Working with Simulation Controls
Setting Precision Control Preferences Setting Sampling Preferences
Setting Run Mode Preferences
Selecting Options for Simulation Statistics
13.Optimizing Decisions with OptQuest
About Optimization
About OptQuest
Optimizing Decision Variables
Analyzing OptQuest ResultsOptQuest Performance Best Practices
Performing Efficient Frontier Analysis
14.Forecasting with Predictor
About Crystal Ball Predictor Creating Time Series Forecasts Working with
Predictor Results Performing Linear Regressions
Predictor Integration with Planning and Essbase
-
8/13/2019 Crystall Ball Basico
7/336
2009 7
Anlisis de riesgos: algunas
aplicaciones
Evaluacin de exposiciones en decisiones de largo plazo
Flujos de efectivo descontados
Planeacin estratgica
Incertidumbre operativa, utilidades operativas Evaluacin de riesgos en ingeniera e investigacin y desarrollo
Administracin y optimizacin de carteras
Peligros ambientales
Anlisis de fallas
Riesgos de calidad Evaluacin de seguridad de poblaciones
Prediccin y control epidemiolgico
-
8/13/2019 Crystall Ball Basico
8/336
8
Piense por un momento en.
Riesgo
-
8/13/2019 Crystall Ball Basico
9/336
9
Qu es riesgo?
-
8/13/2019 Crystall Ball Basico
10/336
Cul es la mejor
manera de hacer rera Dios?
10
-
8/13/2019 Crystall Ball Basico
11/336
Proverbios 16:1
El hombre propone y Diosdispone
11
-
8/13/2019 Crystall Ball Basico
12/336
Lo que pas con la crisis fueuna llamada de atencin
acerca de que los planes nosiempre sern como se
piensan
Francis Durman
Entrevista a El Financiero, Diciembre 2010
12
-
8/13/2019 Crystall Ball Basico
13/336
Su origen
Del reconocimiento de la incertidumbre del
futuro
Nuestra incapacidad de conocer cul ser
el futuro en funcin de las acciones que
tomamos hoy
Implica que una accin en particular
puede tener mltiples resultados
alternativos
13
-
8/13/2019 Crystall Ball Basico
14/336
En un sencillo sentido
14
Toda accin es riesgosa Unas lo son ms que otras
Si se juzga que una situacin es relativamenteriesgosa, tal criterio de riesgo puede sersuficiente impedimento para no llevarla cabo
Aqu es donde el riesgo se transforma en uncriterio de decisin
Por tanto, se torna viable el anlisis de riesgo
-
8/13/2019 Crystall Ball Basico
15/336
Caractersticas del riesgo
Puede ser objetivo o subjetivo
Riesgo objetivo: Que el resultado sea
incierto no se impide que el riesgo de un
evento pueda ser cuantificado
La teora, la experimentacin y el sentido
comn nos ayudan a determinar la
objetividad de un riesgo
15
-
8/13/2019 Crystall Ball Basico
16/336
La posibilidad de que llueva el viernes en la
tarde
Es objetivo o subjetivo?
Qu dira un supercomputador con
un modelo climtico?
Qu dira el Instituto MeteorolgicoNacional?
En la medida en que ambos predigan
una probabilidad 0 y 1 entonces,
ambos estn correctos
Este es el riesgo subjetivo
16
-
8/13/2019 Crystall Ball Basico
17/336
La mayora de los riesgos son
Subjetivos!
Esto es importante saberlo para montar
modelos de cuantificacin de riesgo
17
-
8/13/2019 Crystall Ball Basico
18/336
-
8/13/2019 Crystall Ball Basico
19/336
Escogencia del riesgo
Las acciones riesgosas (y el riesgo en si)
es generalmente algo que se puede
escoger o evitar
Los individuos difieren en su percepcin
del riesgo
Hablamos de apetito y aversin al riesgo
19
-
8/13/2019 Crystall Ball Basico
20/336
La necesidad del anlisis de riesgo Primer paso en el establecimiento de un
modelo de control y evaluacin de
riesgos
Existe un riesgo?
Desarrollo de modelos de riesgo
20
-
8/13/2019 Crystall Ball Basico
21/336
De Determinstico a Probabilstico
Determinsticos: proveen la solucin del
anlisis una vez que usted haya introducido
las variables de entrada (inputs) deseados
Los problemas que estn siendo analizadosse relacionan al futuro incierto
La respuesta provista por el libro de trabajo
Excel est basada en estimaciones devariables de entrada futuras inciertas.
21
-
8/13/2019 Crystall Ball Basico
22/336
Una solucin es
extender el anlisis tratando de encontrar
conjuntos de supuestos con lmites
inferiores y superiores razonables y utilizar
los mismos para limitar el anlisis.
22
-
8/13/2019 Crystall Ball Basico
23/336
Desventajas del Anlisis Tradicional
Una o pocas variables de sensibilizacin simultneas
Pocos escenarios generados
Ausencia de calificacin de escenarios
Desconocimiento de las probabilidades de ocurrencia de cada
escenario sensibilizado
Aplicacin arbitraria de magnitudes de sensibilizacin
Imposible medir el impacto simultneo de las variables clave
sobre las variables de salida
23
-
8/13/2019 Crystall Ball Basico
24/336
Desventajas del Anlisis Tradicional
No determina la curva de densidad de probabilidades
No considera la posible correlacin de variables de entrada
Imposible conocer la dispersin relativa de los resultados
respecto de la media esperada
No permite conocer la probabilidad de que la variable de salida
sea positivo o mayor a cierto nivel de corte
Dificultad del anlisis de escenarios que determinen la
combinacin simultnea de variables clave que generen puntos
extremos probables
24
-
8/13/2019 Crystall Ball Basico
25/336
Un anlisis de peor y mejor escenarios tienevalor en situaciones obvias:
Si usted evala el peor escenario, y el proyecto ancumple con los estndares de la compaa, entoncesusted procede sin llevar a cabo ningn anlisis posterior,
asumiendo que no exista ninguna restriccinpresupuestaria.
De forma similar, si usted evala el mejor caso y elproyecto an as no cumple con los estndares de lacompaa, entonces simplemente no se procede a hacer
nada.
25
-
8/13/2019 Crystall Ball Basico
26/336
Simulacin Monte Carlo
Esto se realiza mediante simulaciones
ante una variedad de condiciones del
mundo real.
26
-
8/13/2019 Crystall Ball Basico
27/336
Valoracin del mundo real Al capturar las dimensiones relevantesdela realidad e incorporar aquellas
dimensiones en un ambiente de prueba
incorpora un elemento adicional: la
incertidumbre
27
-
8/13/2019 Crystall Ball Basico
28/336
Incertidumbre
Usted conoce el rango de posibles
resultados para un componente en su
anlisis, pero usted no conoce cul de
esos resultados se materializar en unasituacin dada.
28
-
8/13/2019 Crystall Ball Basico
29/336
-
8/13/2019 Crystall Ball Basico
30/336
La pregunta
Es la exposicin lo suficientemente
significativa como para hacer que el
tomador de decisiones lo piense dos
veces antes de tomar su decisin?
30
-
8/13/2019 Crystall Ball Basico
31/336
suficientemente significativa
Relacionada al apetito de riesgo deltomador de decisiones.
Cmo mide el tomador de decisiones
cunto equivale a suficientementesignificativa?
Aqu es donde la probabilidad sale a flote.
31
-
8/13/2019 Crystall Ball Basico
32/336
Si la exposicin es demasiado grande
entonces el tomador de decisiones toma una accin
para mitigar las consecuencias de su exposicin.
Esta accin es, en general, la adquisicin de un seguro
Usualmente, el tomador de decisiones no ser capaz de
prevenir la ocurrencia de una exposicin o resultado
indeseable; sin embargo, algunas veces s ser capaz
de hacerlo.
32
-
8/13/2019 Crystall Ball Basico
33/336
La posibilidad de que llueva el viernes en la
tarde
33
-
8/13/2019 Crystall Ball Basico
34/336
Si se considera que la exposicin no es losuficientemente significativa como para
llevar a cabo una accin
entonces el tomador de decisiones estefectivamente implicando que existen
suficientes activos lquidos para
contrarrestar un mal resultado si stellegase a ocurrir.
34
-
8/13/2019 Crystall Ball Basico
35/336
As que, cmo se las
ingenia uno para evaluar las
exposiciones negativas y/opositivas?
35
-
8/13/2019 Crystall Ball Basico
36/336
Esto requiere que usted como analista de
riesgos
realice evaluaciones acerca
del futuro, lo cual es un
ejercicio inherentementesubjetivo.
36
-
8/13/2019 Crystall Ball Basico
37/336
37
La mayora de los riesgos son
Subjetivos!
Esto es importante saberlo para montar modelosde cuantificacin de riesgo
-
8/13/2019 Crystall Ball Basico
38/336
. Nadie puede ver el futuro, as
que usted debe utilizar su mejor
juicio, basado en la experienciaacumulada y en la experiencia de
otros expertos, a la hora de
realizar su anlisis.
38
-
8/13/2019 Crystall Ball Basico
39/336
El propsito de una evaluacin de riesgo
No se trata de ver claramente hacia el
futuro.
Por el contrario, basado en toda la
informacin disponible ahora, determinar
la exposicin a la cual usted se enfrenta si
usted procede a tomar la decisin.
Esto es realizado por medio de unasimulacin Monte Carlo.
39
-
8/13/2019 Crystall Ball Basico
40/336
Probabilidades y evaluacin
de riesgos
40
-
8/13/2019 Crystall Ball Basico
41/336
Para convertir un librode trabajo Excel
determinstico a unaevaluacin de riesgoprobabilstica, debemosagregar incertidumbreen el anlisis.
Debemos conocerconceptos deprobabilidad
41
-
8/13/2019 Crystall Ball Basico
42/336
Fundamentos de Probabilidad
1. Probabilidad es una medida de la posibilidad de que
un evento ocurra.
2. Los valores estn restringidos entre 0 y 1.
3. Estn definidos tanto para variables discretas como
continuas.
4. Las distribuciones de probabilidad describen el
conjunto de todos los posibles resultados y su
asociada posibilidad de ocurrencia.
42
-
8/13/2019 Crystall Ball Basico
43/336
Si la variable es continua,
Describa las probabilidades en trminos
de
Funcin de densidad
El rea por debajo de la funcin de densidad= 1
Las probabilidades son obtenidas al examinar
el rea debajo de la funcin de densidadentre los dos valores de inters
43
-
8/13/2019 Crystall Ball Basico
44/336
-
8/13/2019 Crystall Ball Basico
45/336
Medidas de centralidad
Media: Este consiste en el promedio ponderado porlas probabilidades de los valores de la variable aleatoria.
Moda: Este es el resultado que ocurre msfrecuentemente. Para una variable continua aleatoria es
el valor asociado con el punto ms alto de la funcin dedensidad.
Mediana o percentil 50: Este es el valor en el medio, lamitad de los valores se encuentren por encima de l, la
mitad de los valores se encuentran por debajo de l.
45
-
8/13/2019 Crystall Ball Basico
46/336
Medidas de variabilidad
Desviacin estndar: Esta es el promedioponderado de probabilidades de las distancias
respecto del promedio al cuadrado, ajustadas
en unidades.Mnimo y mximo.
Rango = mximo - mnimo
46
-
8/13/2019 Crystall Ball Basico
47/336
Medidas de sobreexpansin hacia un
extremo
ndice de sesgo o asimetra (Skewness) (bajaprobabilidad de un resultado muy grande; bajaprobabilidad de un resultado muy pequeo) (en tantoque es opuesto a lo simtrico: no habiendosobreexpansin hacia cualquiera de los dos lados).
Esta es una medida de la sobreexpansin en unextremo de la distribucin.
Mide cunto la variable est caracterizada por unvalor extremo en una direccin.
47
-
8/13/2019 Crystall Ball Basico
48/336
Caracterizaciones de las distribuciones de
probabilidad:
Funcin de densidad (continua)
Funcin de probabilidad (discreta)
Funcin de distribucin acumulada(grfico de percentiles)
48
-
8/13/2019 Crystall Ball Basico
49/336
Para una variable continua aleatoria
Las probabilidades se muestran por medio del readebajo de la curva entre dos valores. El valor de lavariable incierta se representa a lo largo del ejehorizontal.
El rea total debajo de la curva es igual a 1.0.(100%), significando que todos los resultadosocurren entre los puntos que limitan la curva.
La expresin las colas de la distribucin se refiereal extremo izquierdo o, al extremo derecho de lafuncin de densidad de probabilidad.
49
-
8/13/2019 Crystall Ball Basico
50/336
-
8/13/2019 Crystall Ball Basico
51/336
En la funcin de densidad
Usted puede ver la forma de la
distribucin.
Nos muestra de una sola vez si usted
posee una pequea probabilidad de un
evento muy extremo (sesgo), donde se
encuentra la mayora de los resultados,
y donde se encuentra el punto ms altode la distribucin (moda).
51
-
8/13/2019 Crystall Ball Basico
52/336
Distribucin acumulada (grfico de percentil)
Una imagen visual de la probabilidad puede sermostrada por medio de una distribucin acumulada(grfico de percentil) de la variable de entrada CrystalBall.
Esta representacin tambin es buena para demostrar
cmo se ejecuta una simulacin Monte Carlo y cmose realiza el muestreo latino hipercbico
52
Enfoque cuantitativo al anlisis de riesgos
-
8/13/2019 Crystall Ball Basico
53/336
53
Enfoque cuantitativo al anlisis de riesgos
Modelo
deterministico
Construccin
Sin
probabilidades
Validacin
Cuantificacin
De riesgos
Reemplace
Nmeros por
DistribucionesY estructuras
De
probabilidad
Clculos
De
probabilidad
Clculo
De
DistribucionesDe salida
Para
Aspectos
clave
Resultados
Para
decisiones
Riesgos yRespuestas
HerramientasExcelCrystal Ball
-
8/13/2019 Crystall Ball Basico
54/336
1.Modeling and Simulation Overview
-
8/13/2019 Crystall Ball Basico
55/336
-
8/13/2019 Crystall Ball Basico
56/336
-
8/13/2019 Crystall Ball Basico
57/336
-
8/13/2019 Crystall Ball Basico
58/336
-
8/13/2019 Crystall Ball Basico
59/336
2009 59
Porqu una simulacin Monte Carlo?
Se evoluciona de modelos de hoja de trabajo de estimacionespuntuales hacia anlisis ms robustos Para poder capturar el efecto de los cambios a las variables de
entrada, especialmente en el contexto en donde el anlisis desensibilidad tradicional es dbil:
Se cuantifica tanto la magnitud como la probabiidad de losresultados (el anlisis de sensibilidad tradicional slo visualiza
las magnitudes). Cuando existe ms de dos variables inciertas que deban ser
variadas simultneamente
Cuando existan no linealidades o barreras en su modelo (porejemplo, clusulas SI ENTONCES )
Para poder capturar las relaciones entre variables
Para poder construir autnticos modelos de simulacin; es decir,modelos que no poseen valores en un sentido determintico ya quelos resultados cambian como resultado de distintas combinacionesde las variables de entrada.
-
8/13/2019 Crystall Ball Basico
60/336
-
8/13/2019 Crystall Ball Basico
61/336
-
8/13/2019 Crystall Ball Basico
62/336
-
8/13/2019 Crystall Ball Basico
63/336
-
8/13/2019 Crystall Ball Basico
64/336
-
8/13/2019 Crystall Ball Basico
65/336
-
8/13/2019 Crystall Ball Basico
66/336
-
8/13/2019 Crystall Ball Basico
67/336
-
8/13/2019 Crystall Ball Basico
68/336
-
8/13/2019 Crystall Ball Basico
69/336
-
8/13/2019 Crystall Ball Basico
70/336
-
8/13/2019 Crystall Ball Basico
71/336
2.Getting Started with Crystal Ball
-
8/13/2019 Crystall Ball Basico
72/336
-
8/13/2019 Crystall Ball Basico
73/336
-
8/13/2019 Crystall Ball Basico
74/336
-
8/13/2019 Crystall Ball Basico
75/336
-
8/13/2019 Crystall Ball Basico
76/336
-
8/13/2019 Crystall Ball Basico
77/336
-
8/13/2019 Crystall Ball Basico
78/336
-
8/13/2019 Crystall Ball Basico
79/336
-
8/13/2019 Crystall Ball Basico
80/336
-
8/13/2019 Crystall Ball Basico
81/336
3.Examining Probability Distributions
-
8/13/2019 Crystall Ball Basico
82/336
-
8/13/2019 Crystall Ball Basico
83/336
Concepto central de una evaluacin de
-
8/13/2019 Crystall Ball Basico
84/336
riesgo
EXPOSICION
Qu tan errnea es
mi estimacin? Toda la accin se
encuentra en las
colas
Estndar o norma de la industria
-
8/13/2019 Crystall Ball Basico
85/336
Estndar o norma de la industria
A veces podra
proveerse una
distribucin pero
Cmo obtener
parmetros
actualizados?
Ejemplo: se provee un estndar de
-
8/13/2019 Crystall Ball Basico
86/336
Ejemplo: se provee un estndar de
distribucin normal
1. Esto requiere de una media y unadesviacin estndar
2. La media podra estar disponible por
medio de un experto
3. Desviacin estndar: usualmente ms
difcil de conseguir
Di t ib i l
-
8/13/2019 Crystall Ball Basico
87/336
Distribucin normal
Di t ib i l
-
8/13/2019 Crystall Ball Basico
88/336
Distribucin normal
Porqu la distribucin normal es unabuena distribucin para muchos
fenmenos?
Ley de los Grandes Nmeros o El Teorema del Lmite Central
T d l L it C t l
-
8/13/2019 Crystall Ball Basico
89/336
Teorema del Lmite Central
Si el fenmeno o la variable que ustedest examinando est compuesto de la
suma de muchas piezas, cada una de las
cuales es incierta e independiente,entonces la variable tiende (se aproximarazonablemente bien) a una distribucin
normal.
Muchos fenmenos naturales satisfacen
-
8/13/2019 Crystall Ball Basico
90/336
tal condicin
Distrib cin normal
-
8/13/2019 Crystall Ball Basico
91/336
Distribucin normal
Descrita por primera vez por AbrahamDeMoivre, un matemtico francs.
Basado en los trabajos de los Bernoulli
En Doctrina de las Probabilidades,1733.
Con base en la forma de la curva normal
se desarrolla inmediatamente elconcepto de la desviacin estndar.
-
8/13/2019 Crystall Ball Basico
92/336
-
8/13/2019 Crystall Ball Basico
93/336
Distribucin LogNormal
-
8/13/2019 Crystall Ball Basico
94/336
Distribucin LogNormal
Razonable para utilizar en muchas variablesfinancieras
Valores no pueden ser menores que 0
Existe una pequea probabilidad de un valorextremadamente grande (sesgo positivo)
Otras distribuciones que cumplen estos
requisitos (Paretto y Exponencial)
Requiere de una media y una desviacin
estndar
La Normal y la LogNormal son parientes
-
8/13/2019 Crystall Ball Basico
95/336
muy cercanas
Ejemplo:Si el precio de
maana se tipifica
LogNormal y depende
del precio de hoy, se
puede demostrar que
la tasa de crecimiento
del precio estnormalmente
distribuida.
Distribuciones Normal y LogNormal
t d
-
8/13/2019 Crystall Ball Basico
96/336
truncadas
Ambas son muyflexibles.
Con base en ellas,se pueden crear
muchos tipos dedistribuciones
-
8/13/2019 Crystall Ball Basico
97/336
Distribucin BetaGeneral
-
8/13/2019 Crystall Ball Basico
98/336
Distribucin BetaGeneral
Muy flexible
Funciona bien si se poseen datos
histricos o la estimacin de un experto
sobre 3 puntos de una distribucin (P10,P50, P90).
Ms flexible que la Pert y permite generar
colar ms delgadas y largas Ms adelante veremos un ejemplo
Distribuciones discretas
-
8/13/2019 Crystall Ball Basico
99/336
Distribuciones discretas
Discreta, Binomial,DiscretaUniforme, Poisson,
Geomtrica
Describen resultados que
pueden ser contados Frecuentemente, aunque no
siempre, la variable incierta
es el conteo de cuntas
veces ha sucedido unevento.
-
8/13/2019 Crystall Ball Basico
100/336
Distribucin Binomial
-
8/13/2019 Crystall Ball Basico
101/336
Distribucin Binomial
Util para especificar condiciones deencendido/apagado (binarias)
Ejemplos de la Binomial
-
8/13/2019 Crystall Ball Basico
102/336
Ejemplos de la Binomial
Probabilidad de que la Fiscala realice un eventocon cobertura periodstica esta semana
Probabilidad de descubrir petrleo en unprospecto
Probabilidad de que haya un corte elctrico eneste mes
Probabilidad de que cierto producto alimenticioinfectado pase una infeccin en particular
-
8/13/2019 Crystall Ball Basico
103/336
Utilizando el
criterio experto
Propsito
-
8/13/2019 Crystall Ball Basico
104/336
Propsito
Pueda ser que no existandatos numricos o bienque los datos numricosno describancorrectamente el
comportamiento en elfuturo.
Necesitamos entoncesconfiar en el mejor juiciodel experto.
Puntos principales
-
8/13/2019 Crystall Ball Basico
105/336
Puntos principales
1. Cmo obtener el mejor juicio de los expertos.2. Capturando el juicio profesional sobre una
distribucin de probabilidad utilizando las
distribuciones Pert y BetaGeneral.3. Utilizando una ronda de probabilidad para
capturar evaluaciones sobre la probabilidad
discreta y la probabilidad en las colas.
4. Ajustando una distribucin al juicio.
Obteniendo las mejores estimaciones
de los expertos
-
8/13/2019 Crystall Ball Basico
106/336
de los expertos
Las evaluaciones de riesgoson evaluaciones acerca deeventos en el futuro.
La informacin que ustedobtiene respecto al futurodebe ser provista porexpertos, que le reportan austed sus mejores juicios.
El juicio que le proveen se
basa en la experienciahistrica y su opinin acercade porqu el futuro serdiferente del pasado.
Antes
-
8/13/2019 Crystall Ball Basico
107/336
Durante
-
8/13/2019 Crystall Ball Basico
108/336
Despues
-
8/13/2019 Crystall Ball Basico
109/336
p
Mtodos heursticosSe basa en la utilizacin de reglas empricas para llegar a una solucin. El mtodo
heurstico conocido como IDEAL, formulado por Bransford y Stein (1984), incluye
-
8/13/2019 Crystall Ball Basico
110/336
Reglas prcticasutilizadas por los
individuos para
arribar rpidamente
a conclusiones.
La idea es que estas reglas prcticas
comprimen el detalle en sus componentes
esenciales
, p y ( ), y
cinco pasos:Identificar el problema; definir y presentar el problema; explorar las
estrategias viables;avanzar en las estrategias; y lograr la solucin y volver para evaluar
los efectos de las actividades (Bransford & Stein, 1984)
Sesgos en las respuestas
-
8/13/2019 Crystall Ball Basico
111/336
g p
Los siguientes mtodos heursticos pueden causar que
los expertos introduzcan sesgos en sus respuestas.
Sesgos en los mtodos heursticos
-
8/13/2019 Crystall Ball Basico
112/336
g
Disponibilidad Representatividad
Anclaje y ajuste
Adicionalmente, otras dos fuentes de
-
8/13/2019 Crystall Ball Basico
113/336
sesgo son las siguientes:
Sesgos motivacionales
Enmarcamiento
Mtodo heurstico de disponibilidad:
-
8/13/2019 Crystall Ball Basico
114/336
La gente usualmente juzga la posibilidad de un
evento en trminos de que tan fcilmente pueden
recordar (o imaginar) un ejemplo. Esto se le conoce
como el mtodo heurstico de disponibilidad.
Mtodo heurstico de representatividad:
-
8/13/2019 Crystall Ball Basico
115/336
Mtodo heurstico de representatividad:
Se juzga un evento en particular por qutan cercanamente el mismo representa
un miembro estereotipado del grupo.
-
8/13/2019 Crystall Ball Basico
116/336
El sesgo resulta cuandoel individuo le ponedemasiada atencin adetalles especficos (quepuedan o no contener
informacin relevantepara el juicio) mientrasse ignora o no se lepone suficiente atencina la informacin de
contenido tal y comoinformacin base.
-
8/13/2019 Crystall Ball Basico
117/336
Mtodo heurstico de anclaje y ajuste:
-
8/13/2019 Crystall Ball Basico
118/336
Este es el sesgo queresulta debido a que el
punto de partida, o ancla,
no se ajusta
adecuadamente al nuevo
valor, cuando ms
informacin sale a relucir.
El sesgo se da hacia elancla.
Sesgos motivacionales:
-
8/13/2019 Crystall Ball Basico
119/336
g
Esto resulta debido aque los individuos
desean un resultado
en particular, as que
especifican valores
para asegurarse tal
resultado.
Enmarcamiento.
-
8/13/2019 Crystall Ball Basico
120/336
Esto se refiere aindividuos siendocapaces de juzgar mejorun evento si ste seplantea desde cierta
perspectiva en vez deotra.
Los juicios de losindividuos pueden serhechos mejor desde un
marco o punto de vista encontraposicin a otro.
Reducc in de sesgos
-
8/13/2019 Crystall Ball Basico
121/336
La clave paraobtener la
mejor respuesta
consiste en
conozca a suexperto.
Mtodo heurstico de disponibilidad:
-
8/13/2019 Crystall Ball Basico
122/336
p
Para reducir el efecto de unevento reciente que cauceque un experto sobrevaleun juicio, pregunte si algnevento reciente estteniendo un efecto sobre su
juicio.
Si es as, entonces pregunteal experto cmo tal eventose ajusta dentro de su juiciorespecto a todos los otroseventos y/o conocimiento
que el experto posea.
Al realizar esto, usted estforzando al experto areconocer el evento reciente,
luego a reconsiderar si elmismo debera ponderarsecon poco o mucho peso en el
juicio del experto.
Mtodo heurstico de representatividad:
-
8/13/2019 Crystall Ball Basico
123/336
Pregunte al experto siposee informacin
base que l utiliz
para arribar a su
conclusin. O pregunte al experto
el proceso utilizado
para arribar a a la
decisin.
Observe sus
respuestas.
Mtodo heurstico de anclaje y ajuste
-
8/13/2019 Crystall Ball Basico
124/336
Pregunte por losextremos antes depreguntar por laevaluacin central.
Al obtener los extremoshaga que el experto seimagine eventos realesque podran ocurrir quepudiesen generar talesextremos.
Luego pregunte por la
posibilidad relativa deque tal(es) evento(s)ocurran(n).
Sesgos motivacionales:
-
8/13/2019 Crystall Ball Basico
125/336
Reconozcaque el expertoestarmotivado para
dar unarespuesta quele d ventaja al o ella.
Utilice surespuesta deacuerdo a ello.
Enmarcamiento(contexto)
-
8/13/2019 Crystall Ball Basico
126/336
Conozca a suexperto.
Si usted conoce a
su experto, usted
puede enmarcar
las preguntar que
invocarn el mejor
juicio del experto.
-
8/13/2019 Crystall Ball Basico
127/336
-
8/13/2019 Crystall Ball Basico
128/336
-
8/13/2019 Crystall Ball Basico
129/336
-
8/13/2019 Crystall Ball Basico
130/336
-
8/13/2019 Crystall Ball Basico
131/336
-
8/13/2019 Crystall Ball Basico
132/336
-
8/13/2019 Crystall Ball Basico
133/336
-
8/13/2019 Crystall Ball Basico
134/336
-
8/13/2019 Crystall Ball Basico
135/336
-
8/13/2019 Crystall Ball Basico
136/336
-
8/13/2019 Crystall Ball Basico
137/336
-
8/13/2019 Crystall Ball Basico
138/336
-
8/13/2019 Crystall Ball Basico
139/336
-
8/13/2019 Crystall Ball Basico
140/336
4.Defining Assumptions
-
8/13/2019 Crystall Ball Basico
141/336
-
8/13/2019 Crystall Ball Basico
142/336
-
8/13/2019 Crystall Ball Basico
143/336
-
8/13/2019 Crystall Ball Basico
144/336
-
8/13/2019 Crystall Ball Basico
145/336
-
8/13/2019 Crystall Ball Basico
146/336
-
8/13/2019 Crystall Ball Basico
147/336
-
8/13/2019 Crystall Ball Basico
148/336
-
8/13/2019 Crystall Ball Basico
149/336
-
8/13/2019 Crystall Ball Basico
150/336
-
8/13/2019 Crystall Ball Basico
151/336
-
8/13/2019 Crystall Ball Basico
152/336
-
8/13/2019 Crystall Ball Basico
153/336
5.Defining Forecasts, Running Simulations,and Analyzing Results
-
8/13/2019 Crystall Ball Basico
154/336
-
8/13/2019 Crystall Ball Basico
155/336
-
8/13/2019 Crystall Ball Basico
156/336
-
8/13/2019 Crystall Ball Basico
157/336
-
8/13/2019 Crystall Ball Basico
158/336
-
8/13/2019 Crystall Ball Basico
159/336
-
8/13/2019 Crystall Ball Basico
160/336
-
8/13/2019 Crystall Ball Basico
161/336
-
8/13/2019 Crystall Ball Basico
162/336
-
8/13/2019 Crystall Ball Basico
163/336
-
8/13/2019 Crystall Ball Basico
164/336
-
8/13/2019 Crystall Ball Basico
165/336
-
8/13/2019 Crystall Ball Basico
166/336
-
8/13/2019 Crystall Ball Basico
167/336
-
8/13/2019 Crystall Ball Basico
168/336
-
8/13/2019 Crystall Ball Basico
169/336
-
8/13/2019 Crystall Ball Basico
170/336
-
8/13/2019 Crystall Ball Basico
171/336
6.Correlating Assumptions
-
8/13/2019 Crystall Ball Basico
172/336
-
8/13/2019 Crystall Ball Basico
173/336
-
8/13/2019 Crystall Ball Basico
174/336
-
8/13/2019 Crystall Ball Basico
175/336
-
8/13/2019 Crystall Ball Basico
176/336
-
8/13/2019 Crystall Ball Basico
177/336
-
8/13/2019 Crystall Ball Basico
178/336
7.Creating Reports
-
8/13/2019 Crystall Ball Basico
179/336
-
8/13/2019 Crystall Ball Basico
180/336
-
8/13/2019 Crystall Ball Basico
181/336
-
8/13/2019 Crystall Ball Basico
182/336
-
8/13/2019 Crystall Ball Basico
183/336
-
8/13/2019 Crystall Ball Basico
184/336
-
8/13/2019 Crystall Ball Basico
185/336
-
8/13/2019 Crystall Ball Basico
186/336
-
8/13/2019 Crystall Ball Basico
187/336
8.Determining Assumptions with Tornado and Spider Charts
-
8/13/2019 Crystall Ball Basico
188/336
-
8/13/2019 Crystall Ball Basico
189/336
-
8/13/2019 Crystall Ball Basico
190/336
-
8/13/2019 Crystall Ball Basico
191/336
-
8/13/2019 Crystall Ball Basico
192/336
-
8/13/2019 Crystall Ball Basico
193/336
-
8/13/2019 Crystall Ball Basico
194/336
-
8/13/2019 Crystall Ball Basico
195/336
-
8/13/2019 Crystall Ball Basico
196/336
-
8/13/2019 Crystall Ball Basico
197/336
9.Working with Multiple Assumptions
-
8/13/2019 Crystall Ball Basico
198/336
-
8/13/2019 Crystall Ball Basico
199/336
-
8/13/2019 Crystall Ball Basico
200/336
-
8/13/2019 Crystall Ball Basico
201/336
-
8/13/2019 Crystall Ball Basico
202/336
-
8/13/2019 Crystall Ball Basico
203/336
-
8/13/2019 Crystall Ball Basico
204/336
-
8/13/2019 Crystall Ball Basico
205/336
10.Setting Advanced Options for Assumptions
-
8/13/2019 Crystall Ball Basico
206/336
-
8/13/2019 Crystall Ball Basico
207/336
-
8/13/2019 Crystall Ball Basico
208/336
-
8/13/2019 Crystall Ball Basico
209/336
-
8/13/2019 Crystall Ball Basico
210/336
-
8/13/2019 Crystall Ball Basico
211/336
-
8/13/2019 Crystall Ball Basico
212/336
-
8/13/2019 Crystall Ball Basico
213/336
-
8/13/2019 Crystall Ball Basico
214/336
-
8/13/2019 Crystall Ball Basico
215/336
11.Setting Advanced Options for Forecasts
-
8/13/2019 Crystall Ball Basico
216/336
-
8/13/2019 Crystall Ball Basico
217/336
-
8/13/2019 Crystall Ball Basico
218/336
-
8/13/2019 Crystall Ball Basico
219/336
-
8/13/2019 Crystall Ball Basico
220/336
-
8/13/2019 Crystall Ball Basico
221/336
12.Working with Simulation Controls
-
8/13/2019 Crystall Ball Basico
222/336
-
8/13/2019 Crystall Ball Basico
223/336
-
8/13/2019 Crystall Ball Basico
224/336
-
8/13/2019 Crystall Ball Basico
225/336
-
8/13/2019 Crystall Ball Basico
226/336
-
8/13/2019 Crystall Ball Basico
227/336
-
8/13/2019 Crystall Ball Basico
228/336
13.Optimizing Decisions with OptQuest
-
8/13/2019 Crystall Ball Basico
229/336
-
8/13/2019 Crystall Ball Basico
230/336
-
8/13/2019 Crystall Ball Basico
231/336
-
8/13/2019 Crystall Ball Basico
232/336
-
8/13/2019 Crystall Ball Basico
233/336
-
8/13/2019 Crystall Ball Basico
234/336
-
8/13/2019 Crystall Ball Basico
235/336
-
8/13/2019 Crystall Ball Basico
236/336
-
8/13/2019 Crystall Ball Basico
237/336
-
8/13/2019 Crystall Ball Basico
238/336
-
8/13/2019 Crystall Ball Basico
239/336
-
8/13/2019 Crystall Ball Basico
240/336
-
8/13/2019 Crystall Ball Basico
241/336
-
8/13/2019 Crystall Ball Basico
242/336
-
8/13/2019 Crystall Ball Basico
243/336
-
8/13/2019 Crystall Ball Basico
244/336
-
8/13/2019 Crystall Ball Basico
245/336
-
8/13/2019 Crystall Ball Basico
246/336
-
8/13/2019 Crystall Ball Basico
247/336
-
8/13/2019 Crystall Ball Basico
248/336
-
8/13/2019 Crystall Ball Basico
249/336
-
8/13/2019 Crystall Ball Basico
250/336
-
8/13/2019 Crystall Ball Basico
251/336
-
8/13/2019 Crystall Ball Basico
252/336
-
8/13/2019 Crystall Ball Basico
253/336
-
8/13/2019 Crystall Ball Basico
254/336
-
8/13/2019 Crystall Ball Basico
255/336
-
8/13/2019 Crystall Ball Basico
256/336
-
8/13/2019 Crystall Ball Basico
257/336
-
8/13/2019 Crystall Ball Basico
258/336
-
8/13/2019 Crystall Ball Basico
259/336
-
8/13/2019 Crystall Ball Basico
260/336
-
8/13/2019 Crystall Ball Basico
261/336
-
8/13/2019 Crystall Ball Basico
262/336
CUANTIFICACION DE
RIESGOS ESTRATEGICOS
-
8/13/2019 Crystall Ball Basico
263/336
RIESGOS ESTRATEGICOS
Esquema de presentacin
Cuantificacin de los eventos
estratgicos
-
8/13/2019 Crystall Ball Basico
264/336
estratgicos
Presentacin 1: Cisnes negros y otroseventos difciles de pronosticar
Presentacin 2: Redes y su impacto endistribuciones de probabilidad
Caso prctico: Flujos descontados de
efectivo con cuantificacin de riesgosestratgicos
-
8/13/2019 Crystall Ball Basico
265/336
Presentacin 1: Cisnes negros y otros eventosdifciles de pronosticar
En esta seccin se
discute el problemaque N N Taleb ha
-
8/13/2019 Crystall Ball Basico
266/336
discute el problemaque N.N. Taleb hadenominado delcisne negro, loseventos que por sunaturaleza extrema,de poca frecuencia yde explicabilidadrevertida seencuentran fuera deldominio de las
estadsticas
Nassim Nicholas Taleb escribe
The Black Swam
discute la pocaid d
-
8/13/2019 Crystall Ball Basico
267/336
discute la pocacapacidad quetenemos los sereshumanos para predecirlos grandes
acontecimientos cuyosimpactos cambiarn elfuturo, y de nuestraobsesin por la
modelizacin de larealidad. http://www.edge.org/3rd_culture/taleb08/taleb08_index.html
http://www.edge.org/3rd_culture/taleb08/taleb08_index.htmlhttp://www.edge.org/3rd_culture/taleb08/taleb08_index.htmlhttp://www.edge.org/3rd_culture/taleb08/taleb08_index.html -
8/13/2019 Crystall Ball Basico
268/336
En el 2010 escribe: El conocimiento estadstico y las probabilidades
aplicadas es el ncleo del conocimiento; las
estadsticas es lo que dicen si algo es verdaderof l t dti l l i d l
-
8/13/2019 Crystall Ball Basico
269/336
estadsticas es lo que dicen si algo es verdadero,falso o meramente anecdtico; es la lgica de laciencia, es el instrumento para la toma deriesgos; es las herramientas aplicadas de laepistemologa; usted no puede ser un intelectual
contemporneo y no pensar probabilsticamentepero, no seamos tontos. El problema es muchoms complicado de lo que pareciera para elusuario mecanicista casual que la aprendi en elpost-grado. Las estadsticas pueden engaarte.De hecho, estn engaando al gobierno en este
momento. Pueden inclusive llevar a la quiebra alsistema. Enfrentmoslo: el uso de los mtodosprobabilsticos para la estimacin de los riesgosrecin acaban de hacer quebrar todo el sistemabancario).
El cisne negro
Definicin: Una expresin latina yautilizada por Juvenal y
popularizada en el s. XVI en
-
8/13/2019 Crystall Ball Basico
270/336
popularizada en el s. XVI enLondres.
Este fenmeno describe laimposibilidad. Todos los cisnesdeben ser blancos porque los
registros histricos de cisnesreportan que son blancos.
Sin embargo, en 1697 sedescubrieron los cisnes negros en
Australia.
Entonces, el termin se transform
para connotar que unaimposibilidad percibida podraposteriormente ocurrir.
Qu define a un cisne negro
1. Rareza: Yace fuera del
dominio de las
-
8/13/2019 Crystall Ball Basico
271/336
dominio de lasexpectativas regulares
2. Impacto extremo
3. Predictibilidad
retrospectiva: (noprospectiva) Lanaturaleza humananos hace desarrollarexplicaciones a
posteriori hacindoloexplicable y predecible
-
8/13/2019 Crystall Ball Basico
272/336
Algunos cisnes negros
Los eventos que
desembocaron en la 1Guerra Mundial
-
8/13/2019 Crystall Ball Basico
273/336
desembocaron en la 1Guerra Mundial El ascenso de Hitler y la
2 Guerra Mundial La repentina cada del
bloque sovitico
El ascenso delfundamentalismoislmico
La dispersin de internet Modas, epidemias,
gneros artsticos,
escuelas El hundimiento del Titanic Facebook
Capitn E.J. Smith, 1907.
Pero en toda mi
experiencia, nunca het d id t
-
8/13/2019 Crystall Ball Basico
274/336
experiencia, nunca heestado en un accidentede ninguna naturaleza quevalga la pena mencionar.He visto slo un navo en
problemas en todos misaos en el mar. Nunca viun naufragio y nunca henaufragado y nuncaestuve en una situacinque amenzare acabar enalgn tipo de desastre.
La metfora del pavo
-
8/13/2019 Crystall Ball Basico
275/336
Cualquier parecido al pavo es meracoincidencia
-
8/13/2019 Crystall Ball Basico
276/336
La curva de campana: El Gran FraudeIntelectual
La mayora de las
observaciones oscilanalrededor de lo mediocre
-
8/13/2019 Crystall Ball Basico
277/336
alrededor de lo mediocre,el promedio.
Una nica observacin noimpactar el total
Las probabilidades de unadesviacin disminuyencada vez ms rpidamente(de manera exponencial) amedida que se aleja de lamedia.
Es notable la aceleracinen la probabilidad de loseventos extremos
-
8/13/2019 Crystall Ball Basico
278/336
Distribucin de campana
Si hay grandes fuerzas
equilibrantes quevuelvan las situaciones
-
8/13/2019 Crystall Ball Basico
279/336
q qvuelvan las situacionesa equilibriorelativamente rpidodespus que lascondiciones diverjan delequilibrio.
La desviacin estndarrealmente slo tienesignificado endistribuciones simtricas
(Gaussianas)
Historia matemtica de la curva decampana
Gauss trabaj en ellal
-
8/13/2019 Crystall Ball Basico
280/336
jpero l era un
matemtico terico.
Abraham DeMoivre(1667-1754) la
formul.
Adolphe Quetlet(1678-1754) la
populariz con el
hombre medio(lhommemoyen).
Poincar dud de ella
Las distribuciones mandelbrotianas
Derivadas de los estudios del
matemtico contemporneodescubridor de los fractales Benoit
-
8/13/2019 Crystall Ball Basico
281/336
descubridor de los fractales BenoitMandelbrot
Ejemplo de riqueza en Europa
La velocidad del decrecimiento en lafrecuencia se mantiene constante.
Al doblar la cantidad de riqueza, lafrecuencia se disminuye en 4(independientemente del nivel). Esdecir, es escalable o fractal.
El enfoque inicia con la excepcin
como punto de partida y lidia con loordinario como subordinado
Los expertos
La incapacidad para predecircisnes negros implica la
incapacidad para predecir elcurso de la historia.(proyecciones a 30 aos plazo
-
8/13/2019 Crystall Ball Basico
282/336
(proyecciones a 30 aos plazo,proyecciones del precio delpetrleo a 30 aos, etc.)
Lo sorprendente no son loserrores de pronstico sino msbien nuestra ausencia de la
conciencia respecto de losmismos. As, algunos profesionales que
creen que son expertos, enrealidad no lo son.
Son mejores narrando loseventos, no predicindolos. Anpeor, lo hacen con modelos
matemticos. Cuestionario de estimaciones
Los eventos futuros
Debemos ajustarnos
a su existencia, en
-
8/13/2019 Crystall Ball Basico
283/336
a su existencia, envez de tratar,inocentemente, depredecirlos.
Hay cisnes negrospositivos(descubrimientoscientficos, capital de
ventura) y negativos
Qu aprendi la gente con el 11 deseptiembre?
Que algunos eventos,
dada su dinmica, set
-
8/13/2019 Crystall Ball Basico
284/336
,encuentranclaramente fuera deldominio de lo
predecible.NO
El defecto implicito dela sabiduria
convencional NO
Reglas especficas para evitar ataquesterroristas en edificios altos y aviones.
-
8/13/2019 Crystall Ball Basico
285/336
La lnea de Maginot
-
8/13/2019 Crystall Ball Basico
286/336
Excesivo enfoque en loque se conoce.Tendemos a aprender lopreciso, no lo general.
-
8/13/2019 Crystall Ball Basico
287/336
p , g
El hroe olvidado de laprevencin. Que hubiesepasado si se hubiere
aprobado una leyobligando a las lneasareas a tener puertas deseguridad en las cabinasde piloto de los aviones.
Formas alternativas para analizarfenmenos
Descartar lo
-
8/13/2019 Crystall Ball Basico
288/336
Descartar loextraordinario,considerarlo como unevento extremo (outlier)y enfocarse en lonormal.
Considerar que paracomprender un
fenmeno, debenconsiderarseprimeramente losextremos.
Lo normal es usualmente irrelevante
Cmo evaluar ai i l
-
8/13/2019 Crystall Ball Basico
289/336
un criminal en un
da ordinario
Cmo considerar
la salud pblica
sin epidemias o
enfermades.
En el ambiente social, se estudian loseventos bajo la curva normal:
Mtodo de inferenciade lo normal
-
8/13/2019 Crystall Ball Basico
290/336
de o o a
La normal ignora las
grandes desviaciones
Pero igual nos daconfianza de que
hemos domesticado
la incertidumbre
GFI: El gran fraude
intelectual
Creemos contar con la verdad
puesto que partimos
-
8/13/2019 Crystall Ball Basico
291/336
puesto que partimosde modelos cientfico-matemticos devalidacin, pero no nos
damos cuenta de que
las premisas que
aceptamos como vlidas
no siempre lo son.
Dos mundos opuestosMediocristn
-
8/13/2019 Crystall Ball Basico
292/336
Extremistn
Taleb separa la realidad en dos mundoscontrapuestos:
Mediocristn (el reinode las tendencias
-
8/13/2019 Crystall Ball Basico
293/336
de las tendenciasmedias y lasdistribucionesnormales)
Extremistn (el reinode los sucesosextraordinarios y lasdistribucionesfractales).
Mediocristn o Extremistn?
Es de vital importancia
saber cuando nosmovemos en un reino u
-
8/13/2019 Crystall Ball Basico
294/336
movemos en un reino uotro para saber cualesson las herramientas oparadigmas que
podemos aplicar encada caso y ademshay que tener en cuentaque la mayora de lasveces nos movemos por
Extremistn, aunquepensamos lo contrario.
Mediocristan Extremistan
No escalable Escalable
Aleatoriedad tipo 1 o suave Aleatoriedad tipo 2 radical
El miembro ms tpico es mediocre El ms "tpico" es gigante o enano; no hay miembros tpicos
Los ganadores obtienen un pequeo segmento del total Efectos en donde el ganador se lleva todo
Ejemplo: audiencia de un cantante de pera antes del Audiencia actual de un artista
-
8/13/2019 Crystall Ball Basico
295/336
j p p
gramfono
Ms probable de encontrar en nuestro ambiente ancestral Ms probable encontrar en nuestro ambiente contemporneo
El efecto del cisne negro no le afecta Vulnerable al efecto del cisne negro
Sujeto a la gravedad No hay restricciones fsicas a su magnitud
Generalmente corresponde a cantidades fsicas Corresponde a nmeros sociales (como por ejemplo, la riqueza)
Cercano a la igualdad utpica Dominado por inequidades del tipo en que el ganador se lo lleva todo
El total no est determinado por una sola instancia u
observacin
El total estar determinado por un pequeo nmero de eventos extremos
Al observarlo un tiempo se es capaz de comprender el
fenmeno
Toma mucho tiempo lograr comprender el fenmeno
Tirana del colectivo Tirana de lo accidental
Fcil de predecir desde lo que uno ver e implicar lo que no seve
Difcil predecir con base en la informacin pasada
La historia avanza apaso de gusano La historia brinca
Los eventos se distribuyen de acuerdo a la distribucin
"normal"
La distribucin es Mandelbrtica (fractal)
Impredictibilidad de los sucesos
Ya que no podemos
controlar los sucesosimpredecibles, deberamos
-
8/13/2019 Crystall Ball Basico
296/336
impredecibles, deberamosaceptar la incertidumbre eintentar maximizar nuestraexposicin a la casualidadde signo positivo,situndonos en el caminode las nuevas ideas ytendencias
Este camino prescriptivo eslo que Taleb seala en la
saga del Cisne Negro: ElCuarto Cuadrante
Tipos de decisiones Binarias: (M0)
Solo importa si algo es
falso o verdadero. Algo es verdadero o
-
8/13/2019 Crystall Ball Basico
297/336
Algo es verdadero ofalso con cierto gradode confianza
Depende del Momento
Cero (slo laprobabilidad del evento)
Complejas: (M1)
Importa tanto lafrecuencia como el
impacto, o alguna
funcin del impacto.
El Cuarto Cuadrante del Mapa
Decisiones
simples
Decisiones
complejas
-
8/13/2019 Crystall Ball Basico
298/336
2 4
1 3Mediocristn
Extremistn
Cuadrante 1:
Decisiones binarias
simples en Mediocristn Situaciones comunes en
Decisionessimples
-
8/13/2019 Crystall Ball Basico
299/336
Situaciones comunes enla academia, en loslaboratorios y en loscasinos (la falacia
ldica) Tendemos a estudiarlos
porque es muy fcilmodelarlos
1Mediocristn
Cuadrante 2:
Decisionessimples
-
8/13/2019 Crystall Ball Basico
300/336
2Extremistn
Decisiones simples enExtremistn
Usualmente pocosfenmenos se sitanac.
Cuadrante 3:
Decisionescomplejas
Se pueden usar muybien algunos mtodos
-
8/13/2019 Crystall Ball Basico
301/336
3Mediocristn
g
estadsticos de teora de
valor extremo
Picos sobre umbrales;mximos de bloque
Cuadrante 4:
Decisionescomplejas
Ac no llegan losdominios de la
-
8/13/2019 Crystall Ball Basico
302/336
4Extremistn
estadstica
El dominio de los cisnes
negros. No base sus decisiones
basado en teoras
estadsticas
DECISIONES
SIMPLES
DECISIONES
COMPLEJASAPLICACION
Eventos por cuadrante
-
8/13/2019 Crystall Ball Basico
303/336
Colas delgadas
(Mediocristn)
Extremedamente
robustas a los cisnes
negros
Bien robustas a los
cisnes negros
Colas anchas o
desconocidas,
Escala desconocida
(Extremistn)
Bien robustas a los
cisnes negros
Lmites de la
estadsticaextremada fragilidad
a los cisnes negros
DOMINIO
Decisiones simples
(Falso / verdadero)
Decisiones complejas
(Cunto?)
Decisiones muy complejas
(Realmente cunto)
M0: Dependen de la probabilidad Severidad lineal:
Probabilidad x severidad
Severidad no lineal:
Probabilidad x potencia
Medicina Seguridad: Terrorismo, catstrofes
naturales
Innovaciones, tecnologas convexas
Experimentos psicolgicos Problemas ambientales Consecuencias sociales de
pandemias
-
8/13/2019 Crystall Ball Basico
304/336
pandemias
Apuestas Clima Calibracin de modelos no lineales
Derivados binarios Administracin general de riesgos Errores en anlisis de las
desviaciones
Vida/muerte de una persona Epidemias (vida/muerte) de muchaspersonas Portafolios apalancados
Bancarrota (para una empresa) Seguros, medicin de cobertura
esperada
Portafolios dinmicos de cobertura
Un seguro (limitado) Seguros, portafolios grandes abiertos
de catstrofes
Posicionamiento basado en la
curtosis
Algo ms? No mucho Finanzas (inversiones) Opciones de mayor orden
Casinos
Reglas Fronticas (fronesis: la virtuddel pensamiento prctico)
1. Evite la optimizacin, aprenda a amar la
redundancia.
-
8/13/2019 Crystall Ball Basico
305/336
2. Evite la prediccin de pagos muyremotos
3. Cuidado con la atipicidad de los eventosremotos
4. Toma mucho tiempo los eventos de
Extremistn5. Cuidado con el riesgo moral
Reglas Fronticas (continuacin)
6. Cuidado con las mtricas de
Mediocristn
-
8/13/2019 Crystall Ball Basico
306/336
7. Observe la asimetra
8. No confunda la ausencia de volatilidad
con la ausencia de riesgos
9. Cuidado con presentaciones de nmeros
de riesgo
Redes y su impacto en la
cuantificacin de riesgos
estratgicos
-
8/13/2019 Crystall Ball Basico
307/336
Redes y su impacto enla cuantificacinde riesgos estratgicos
El efecto del pequeomundoSt l Mil
-
8/13/2019 Crystall Ball Basico
308/336
Stanley Milgram(Harvard, 1950s) estudieste fenmeno que se
convirti en mito urbanode los 6 grados deseparacin.
En los ltimos aos, elestudio de las redes se
ha convertido, por virtudpropia, en una cienciacompleta.
Redes
Fenmenos naturales,
tecnologa y culturaque pueden ser
-
8/13/2019 Crystall Ball Basico
309/336
q padecuadamentedescritos por redes
Transporte areo,
redes sociales,internet, sistemas dedistribucin,neurologa, gentica,organizacionescomplejas, terrorismo,epidemiologa, etc.)
Historia de la ciencia de redes
Hasta la ltima dcada se haconsolidado el estudio de las
redes como ciencia por partede matemticos aplicados yf i
-
8/13/2019 Crystall Ball Basico
310/336
fsicos.
Duncan Watts (finales de los90s) Dinmica colectiva deredes de pequeo mundo
(Nature) Albert-Laszlo BarabasiEmergencia delescalamiento en redesaleatorias (Science)
Realizacin que se requera
de una nueva ciencia yenfoque para lo altamentecomplejo e intrincadamenteconectado de los sistemasactuales.
Enfoque de las redes
-
8/13/2019 Crystall Ball Basico
311/336
Enfoque en las
conexiones entre
elementos y noen los elementos
(nodos)
Contesta preguntas como
Dispersin de rumores
y mitos urbanos;robustez de sistemas
-
8/13/2019 Crystall Ball Basico
312/336
robustez de sistemas
de interconexin
elctrica e Internet
ante ciertascircunstancias y
susceptibilidad a la
falla en gran escala;
longitud de vida de
organismos en funcindel tamao
Meta de la ciencia
Crear un lenguaje y
una estructura
d
-
8/13/2019 Crystall Ball Basico
313/336
comn de
pensamiento que
pueda caracterizarfenmenos tan
dispares y
describirlos
Componentes de una red
Nodos: individuos en lared
-
8/13/2019 Crystall Ball Basico
314/336
red
Vnculos: relaciones de los
nodos (hacia y desde)
Grados: Nmero devnculos de un nodo
Agrupamientos:
(clustering)
Ejemplo de LinkedIn
Hubs: Nodos de alto
grado
Comportamiento de las redes naturales,sociales y tecnolgicas
Alto agrupamiento
-
8/13/2019 Crystall Ball Basico
315/336
Distribuciones
altamente
simtricas de losgrados
Estructuras de hub
-
8/13/2019 Crystall Ball Basico
316/336
-
8/13/2019 Crystall Ball Basico
317/336
-
8/13/2019 Crystall Ball Basico
318/336
Redes de pequeo mundo
Para una red de 60nodos, la longitud de ruta
di d 15
-
8/13/2019 Crystall Ball Basico
319/336
promedio es de 15
Por medio de un cambio
aleatorio en un 5% de los
nodos, se puede reducir
la LRP a 9.
El efecto se vuelve ms
dramtico con redes ms
grandes
Rutas de mundo pequeo
Relativamente pocas
conexiones de largadistancia pero posee un
LRP pequeo con respecto
-
8/13/2019 Crystall Ball Basico
320/336
LRP pequeo con respecto
al nmero total de nodos.
Validacin: Red de actores
de cine, la parrilla elctricadel oeste de los EUA, el
cerebro de una lombriz para
el cual se conoce ya su
mapa neuronal.
Cada vez se encuentran
ms ejemplos
Porqu existen y cmo se crean las redes
La necesidad de flujos de
informacin rpida en la red El alto costo de
t i i t i
-
8/13/2019 Crystall Ball Basico
321/336
mantenimiento y creacin
de conexiones de redes de
larga distancia
Vinculacin preferencial(propuesta por Barabasi &
Albert): Los nodos con
altos grados crecen ms
que los que no tienen alto
grado. (GladwellTippingpoints)
Internet como red
Muchas pginas con
bajo grado Muy pocas pginascon alto grado
-
8/13/2019 Crystall Ball Basico
322/336
con alto grado Distribucin sesgada Altos niveles de
agrupamiento
(comunidades) Red de escalabilidad
libre Estimacin del
tamao: de 100millones a 10,000millones
-
8/13/2019 Crystall Ball Basico
323/336
Escalabilidad libre
El grado-entrada
de la red puedeser descrito con
-
8/13/2019 Crystall Ball Basico
324/336
ser descrito con
una regla simple:
Nmero de
pginas Web con
grado-entrada k =
1 / k2
Eventos con exponentesimplicados fractales
FenmenoExponente
asumidoNmero de libros vendidos en los EUA 1.50
Frecuencia de uso de palabras 1.20
-
8/13/2019 Crystall Ball Basico
325/336
Frecuencia de uso de palabras 1.20
Nmero de visitas a sitios web 1.40
Llamadas telefnicas recibidas 1.22
Magnitud de terremotos 2.80
Dimetro de los crteres lunares 2.14
Intensidad de las manchas solares 0.80
Intensidad de las guerras 0.80
Riqueza de los estadounidenses 1.10
Nmero de personas por apellido 1.00
Poblacin de las ciudades de los EUA 1.30Movimientos de mercado 3.00
Tamao de compaa 1.50
Personas fallecidas en ataques terroristas 2.00
-
8/13/2019 Crystall Ball Basico
326/336
Las redes sociales ms grandes
-
8/13/2019 Crystall Ball Basico
327/336
National Geographic, Abril 2010.
-
8/13/2019 Crystall Ball Basico
328/336
-
8/13/2019 Crystall Ball Basico
329/336
-
8/13/2019 Crystall Ball Basico
330/336
Internet como red
El nmero clave ac es el
exponente: k-2 Diferentes exponentes
producen distribuciones que
-
8/13/2019 Crystall Ball Basico
331/336
producen distribuciones quese ven muy distintas.
La forma se mantiene
idntica, independientementede la escala.
Una distribucin as se llamaauto-similar, ya que posee lamisma forma a cualquierescala que se dibuje; es
decir, posee la caractersticade invariabilidad de escala.
Distribuciones de escalamiento-libre versuscurvas de campana (normales)
Distribuciones normales
Caracterizadas porposeer una escala
Si los grados-entrada
-
8/13/2019 Crystall Ball Basico
332/336
Si los grados entradafueran normalmentedistribuidos, entoncesentonces todas laspginas web poseeranun nmero de grados-entrada cercanos alpromedio.
Los buscadores
(Google) no funcionarabien
Propiedades de las redes libres deescalamiento
Un relativamente
pequeo nmero denodos con un muy alto
-
8/13/2019 Crystall Ball Basico
333/336
grado
Nodos con grados a lo
largo de un amplio rangode distintos valores
Auto similaridad
Estructura de pequeo
mundo
Elasticidad o capacidad de recuperacin(resilience)
Una propiedad muy
importante en redes libresde escalamiento Si se elimina
-
8/13/2019 Crystall Ball Basico
334/336
Si se eliminaaleatoriamente unconjunto de nodos (y susvnculos) de una red de
gran escala , laspropiedades bsicas de lared no se modifican.
Mantiene su grado dedistribucin heterognea,LRP corto, y agrupamiento
fuerte. Sensibilidad en los hubs
Implicaciones de pensar en trminos deredes
En campos de la ciencia,ecologa, tecnologa, redes
sociales. Temas en comn:
distrib ciones libres de
-
8/13/2019 Crystall Ball Basico
335/336
distribuciones libres deescalamiento,agrupamientos, presencia de
hubs. Esto brinda a la redcapacidades decomunicacin de tipo demundo pequeo yposibilidades de
recuperacin o elasticidad(Resilience)
Aplicaciones generales
Aplicaciones en tecnologa
y ciencia Bsquedas eficientes en laWeb
-
8/13/2019 Crystall Ball Basico
336/336
Web
Control de epidemias
Control de grandesi i