INSTITUTO TECNOLGICO DE MINATITLN

TEMA 5. Anlisis de sensibilidad financiera.

Divisin de
Estudios a Distancia
Planeacin
Financiera

EAD
Carrera: Ingeniera Industrial

Email: ead@itmina.edu.mx
Telfono: (922) 22.2.43.45 ext. 159

COMPETENCIA A DESARROLLAR: El alumno comprende la importancia de la toma de

decisiones ante diferentes alternativas de decisin en escenarios con certidumbre, riesgo
e incertidumbre y las herramientas que se utilizan para prever los resultados deseados.

DESARROLLO
En el momento de tomar decisiones, todos los administradores deben de ponderar
alternativas, muchas de las cuales implican sucesos futuros que resultan difciles de prever: la
reaccin de un competidor a una nueva lista de precios, las tasas de inters dentro de
tres aos, la confiabilidad de un nuevo proveedor. Por esta razn, las situaciones de toma
de decisiones se consideran dentro de una lnea continua que va de la certeza (altamente
previsible) a la turbulencia (altamente imprevisible).

5.1 Certidumbre, riesgo e incertidumbre.

Certidumbre
Son aquellas situaciones en las cuales quien toma la decisin cree que cada alternativa
accede a un solo resultado. El decisor conoce el resultado de la naturaleza que suceder
con cada certeza. Todos poseemos cierta intuicin de la certidumbre la reconocemos
cuando estamos frente a ella; pero qu cosa es? Para el financiero que mira desde el
presente, la certidumbre es un futuro que contiene un solo resultado posible, el cual se
sabe desde ahora.
Son los hechos econmicos conocidos y concretos, de los que se dispone de todos sus
datos, de forma que cumplen todas las condiciones de definicin y reconocimiento como
elementos de los estados financieros. Este conocimiento viene dado porque el hecho ya
ha sucedido o porque an sin acaecer no existe duda alguna de que va a ocurrir, lo que en este
caso originara:
Un Pasivo cierto
Una obligacin que existe a la fecha de presentacin de los estados financieros,
consistente en tener que hacer pagos o servicios futuros cuyo vencimiento se conoce. Es
decir se conoce su naturaleza, su cuanta y el vencimiento.
Un Pasivo estimado
Una obligacin que surge cuando se tiene la certeza absoluta de que ha ocurrido el
hecho por el que se incurre en un gasto que inevitablemente se pagar en el futuro, aqu
su naturaleza es conocida, pero su cuanta slo es razonablemente estimada y su
vencimiento se conoce de forma aproximada (una reparacin extraordinaria futura).1

http://es.scribd.com/doc/142515143/Analisis-de-Sensibilidad-Financiera. Consultado el 24 de mayo de

2013.

Riesgo
Son situaciones en las cuales para cada curso de accin, el decisor piensa que pueden
ocurrir resultados alternos, cuyas probabilidades se conocen o se pueden obtener. Se
pueden asignar probabilidades de ocurrencia a los estados de la naturaleza. El riesgo es
la condicin ms realista en que operan la mayora de los directores de finanzas. Cuando
hay riesgo, existe cierto nmero de resultados conocidos posibles, cada uno de los
cuales cuenta con una probabilidad conocida de ocurrir y pudiendo producirse cualquiera
de ellos. Esto es ms realista puesto que normalmente se formulan hiptesis ms o
menos vlidas para abarcar toda la gama de posibles acontecimientos, de un extremo al
otro. Todo lo que hace el anlisis formal de riesgo es configurar la idea subjetiva que se
tiene de los resultados y de las probabilidades asociadas, dndoles un formato concreto y
estandarizado que se pueda dar a conocer con facilidad a quienes deben tomar
decisiones con base en el anlisis de riesgo. 2
Incertidumbre
La incertidumbre es la situacin a que se enfrenta el financiero cuando el futuro contiene
un nmero indeterminado de resultados posibles, ninguno de los cuales se sabe. En
condiciones de incertidumbre, casi cualquier cosa puede ocurrir. Desde luego se puede
estimar cual ser el resultado; pero se estar a oscuras respecto a las probabilidades de
que se produzca.

5.2 Concepto de valor esperado.

El valor esperado es un promedio ponderado de los valores que toma la variable
aleatoria. Los pesos son las probabilidades.
El valor esperado, o media, de una variable aleatoria es una medida de la localizacin
central de la variable aleatoria. A continuacin se da la frmula para obtener el valor
esperado de una variable aleatoria x.
Valor esperado de una variable aleatoria discreta
E(x) = = (x) (x)

(Ecuacin 1)

Las dos notaciones E(x) y se usan para denotar el valor esperado de una variable
aleatoria de x. La ecuacin 1 indica que para calcular el valor esperado de una variable
aleatoria discreta se multiplica cada valor de la variable aleatoria por su probabilidad (x) y
despus se suman estos productos.
Como ejemplo de una variable discreta y de su distribucin de probabilidad, considere las
ventas de automviles en Di Carlo Motors en Saratoga Nueva York. Durante los ltimos
300 das de operacin, los datos de ventas muestran que hubo 54 das en los que no se
vendi ningn automvil, 117 das en los que se vendi 1 automvil, 72 das en los que
se vendieron 2 automviles, 42 das en los que se vendieron 3 automviles, 12 das en
los que se vendieron 4 automviles y 3 das en los que se vendieron 5 automviles.
2

http://www.ingenieria.unam.mx/~jkuri/Apunt_Planeacion_internet/TEMAV.4.pdf Consultado el 24 de
mayo de 2013.

Suponga que considera el experimento de seleccionar un da de operacin en Di Carlo

Motors y se define la variable de inters como x= nmero de automviles vendidos en un
da. De acuerdo con datos del pasado, se sabe que x es una variable aleatoria discreta
que puede tomar los valores de 0,1 2, 3, 4 o 5. En la notacin de funciones de
probabilidad (0) da la probabilidad de vender 0 automviles, (1) da la probabilidad de
vender 1 automvil, y as en lo sucesivo. Como los datos del pasado indican que en 54
de 300 das vendieron 0 automviles a (0) se le asigna el valor de 54/300= 0.18 , lo que
significa que la probabilidad de que se venda un automvil en un da es de 0.18. De
manera similar, en 117 de 300 das se vendi 1 automvil a (1) se le asigna el valor de
117/300= 0.39, que significa que la probabilidad de vender 1 automvil en un da es de
0.39. Continuando de esta manera con los dems valores de la variable aleatoria se
obtienen los valores para (2), (3), (4) y (5), valores que se muestran en la siguiente
tabla1, que es la distribucin de probabilidad para el nmero de automviles vendidos en
un da en DiCarlo Motors.

x
0
1
2
3
4
5
Total

(x)
0.18
0.39
0.24
0.14
0.04
0.01
1.00

Tabla 1. Distribucin de probabilidad de DiCarlo Motors.

Una ventaja importante de definir una variable aleatoria y su correspondiente distribucin
de probabilidad es que una vez que se conoce la distribucin de la probabilidad, es
relativamente fcil determinar la probabilidad de diferentes eventos que pueden ser tiles
para tomar decisiones. Por ejemplo, empleando la distribucin de DiCarlo Motors Tabla 1,
se observa que el nmero de automviles que es ms probable vender es 1, ya que es
(1)= 0.39. Adems se observa que la probabilidad de vender 3 o ms automviles es (3)
+ (4) + (5)= 0.19. Estas probabilidades, junto con otras que pueden interesar para tomar
decisiones, proporcionan informacin que sirve de ayuda al encargado de la toma de
decisiones para entender la venta de automviles de DiCarlo Motors.
Al elaborar una funcin de probabilidad para una variable aleatoria discreta, deben
satisfacerse las dos funciones siguientes:
CONDICIONES REQUERIDAS PARA UNA FUNCIN DE PROBABILIDAD DISCRETA
(x) 0
() = 1
En la tabla 1 se observa que las probabilidades de la variable aleatoria satisfacen la
ecuacin 2; para todos los valores de , () es mayor o igual que 0; adems como estas
probabilidades suman 1, tambin se satisface la ecuacin 3. Por tanto, la funcin de
probabilidad de DiCarlo Motors es una funcin de probabilidad discreta vlida.

En la tabla 2 se muestra cmo se calcula el valor esperado del nmero de automviles

vendidos en un da. La suma de las entradas en la columna () indica que el valor
esperado es 1.50 automviles por da. Por tanto, aunque se sabe que en un da las
ventas pueden ser 0, 2, 3, 4 0 5 automviles, DiCarlo prev que a la larga se vendern
1.50 automviles por da. Si en un mes hay 30 das de operacin, el valor esperado, 1.50,
se emplea para pronosticar que las ventas promedio mensuales sern de 30 (1.50) = 45
automviles.

CLCULO DEL VALOR ESPERADO PARA EL NMERO DE AUTOS QUE SE

VENDEN EN UN DA EN DICARLO MOTORS

0
1
2
3
4
5

()
0.18
0.39
0.24
0.14
0.04
0.01

()
0 (0.18)=0.18
1 (0.39)=0.39
2(0.24)= 0.48
3(0.14)= 0.42
4(0.04)= 0.16
5(0.01)= 0.05
1.50

Tabla 2. Clculo del valor esperado para DiCarlo Motors.

Varianza
Aunque el valor esperado proporciona el valor medio de una variable aleatoria, tambin
suele ser necesaria una medida de la variabilidad o dispersin. La varianza se usa
tambin para resumir la variabilidad en los valores de la variable aleatoria. A continuacin
se da la frmula para calcular la varianza de una variable aleatoria. Como indica la
ecuacin siguiente:
VARIANZA DE UNA VARIABLE ALEATORIA DISCRETA
Var ()= 2 = (x -)2 (x)
una parte esencial de la frmula de la varianza es x - , la cual mide que tan alejado del
valor esperado, o media , se encuentra un valor determinado de la variable aleatoria.
Para calcular la varianza de una variable aleatoria, estas desviaciones se elevan al
cuadrado y despus se ponderan con el correspondiente valor de la funcin de
probabilidad. A la suma de estas desviaciones al cuadrado ponderadas, se le conoce
como varianza. Para denotar la varianza de una variable se usan las notaciones Var(x) y
2.
En la tabla 3 aparece en forma resumida el clculo de la varianza de la distribucin de
probabilidad del nmero de automviles vendidos en un da en DiCarlo Motors. Como se
aprecia la varianza es 1.25. La desviacin estndar, se define como la raz cuadrada
positiva de la varianza. Por tanto, la desviacin estndar para el nmero de automviles
vendidos en un da es:
= 1.25 = 1.118

La desviacin se mide en las mismas unidades que la variable aleatoria (= 1.118

automviles) y por tanto suele preferirse para describir la variabilidad de una variable
aleatoria. La 2 se mide en unidades al cuadrado por lo que es ms difcil de interpretar. 3

CLCULO DE LA VARIANZA PARA EL NMERO DE AUTOS QUE SE VENDEN EN

UN DA EN DICARLO MOTORS
x
0
1
2
3
4
5

x -
0 - 1.50= -1.50
1 - 1.50= -0.50
2 - 1.50= 0.50
3 - 1.50= 1.50
4 - 1.50= 2.50
5 - 1.50= 3.50

(x - )2
2.25
0.25
0.25
2.25
6.25
12.25

(x)
** 0.18
0.39
0.24
0.14
0.04
0.01

Tabla 3. Clculo de la varianza para DiCarlo Motors.

**se retoma de la tabla 2.

(x-)2 (x)
0.405
0.0975
0.06
0.315
0.25
0.1225
1.25

2= (x -)2 (x)

5.3 Variables independientes.

Es aquella variable que no depende de ninguna otra variable, en el ejemplo anterior la x
es la variable independiente ya que la y es la que depende de los valores de x. 4
La variable independiente es aquella propiedad, cualidad o caracterstica de una
realidad, evento o fenmeno, que tiene la capacidad para influir, incidir o afectar a otras
variables. Se llama independiente, porque esta variable no depende de otros factores
para estar presente en esa realidad en estudio.
Algunos ejemplos de variables independientes son: el sexo, la raza, la edad, entre otros.
Veamos un ejemplo de hiptesis donde est presente la variable independiente: Los
nios que hacen tres aos de educacin preescolar, aprenden a leer ms rpido en
primer grado. En este caso la variable independiente es hacen tres aos de educacin
preescolar. Porque para que los nios de primer grado aprendan a leer ms rpido,
depende de que hagan tres aos de educacin preescolar. 5

http://books.google.com.mx/books Estadstica para administracin y economa David Ray Anderson,

Dennis J. Sweeney. Pgs. 190-191, 196-197. Consultado el 25 de mayo de 2013.
4
http://dieumsnh.qfb.umich.mx/diferencial/funciones.htm#VARIABLES DEPENDIENTES.
5
http://elaboratumonografiapasoapaso.com/blog/variable-dependiente-e-independiente/

5.4 Variables dependientes.

La variable dependiente; es aquella caracterstica, propiedad o cualidad de una
realidad o evento que estamos investigando. Es el objeto de estudio, sobre la cual se
centra la investigacin en general. Tambin la variable independiente es manipulada por
el investigador, porque el investigador el puede variar los factores para determinar el
comportamiento de la variable.
Por ejemplo: Los nios que hacen tres aos de educacin preescolar, aprenden a leer
ms rpido en primer grado. En este caso la variable dependiente sera aprenden a leer
ms rpido, pero aprenden a leer ms rpido como consecuencia de que hacen tres
aos de educacin preescolar. Por esta razn se recomienda que en el ttulo de un
trabajo siempre debe aparecer la variable dependiente, pues sta es el objeto de estudio.
Tambin existen variables independientes en algunos estudios que hasta cierto punto
dependern de algo, como en el ejemplo siguiente: Los ingresos econmicos de un
hospital pblico puede depender de la asignacin en el presupuesto nacional del pas.
Como podemos observar el objeto de estudio no est influyendo en la variable
independiente. De este modo, la variable independiente en un estudio se cree que est
influyendo en la variable dependiente, el estudio Correlacional se centra precisamente en
esa relacin.6

5.5 rboles de decisin.

Los rboles de decisin se usan en situaciones de toma de decisiones en las que se
debe optimizar una serie de decisiones. Por ejemplo, la administracin tendr tal vez que
seleccionar un plan de promocin inicial sabiendo que dentro de 6 meses ser necesario
un segundo plan. Una Compaa de bienes races puede tener que decidir cuntos
condominios construir en la primera fase de un proyecto sabiendo que se tendrn que
tomar decisiones parecidas para la segunda y tercera fases. Con frecuencia se tiene que
seleccionar un sistema de computacin con base en necesidades anticipadas de equipo
adicional para una fecha posterior. 7
Un concepto fundamental en las situaciones que involucran alternativas de decisin y
eventos secuenciales es que deben identificarse todas esas alternativas y eventos y
analizar de antemano, si se quiere optimizar la serie optimizar la serie de decisiones. Con
frecuencia el seleccionar lo que parece ser una decisin ptima en el primer punto de
decisin, el poner en prctica esa decisin, el observar el resultado y despus repetir el
proceso en los puntos de decisin posteriores, no optimiza la serie completa de
decisiones.
Componentes y estructura
Todos los rboles de decisin son parecidos a su estructura y tienen los mismos
componentes. Para ser ms especficos, siempre se requieren los siguientes cuatro
componentes:

http://elaboratumonografiapasoapaso.com/blog/variable-dependiente-e-independiente/

Mtodos cuantitativos para la toma de decisiones en administracin. Charles A. Gallagher y Hugh J.

Watson. Pg.69

1. Alternativas de decisin en cada punto de decisin.

2. Eventos que pueden ocurrir como resultado de cada alternativa de decisin.
3. Probabilidades de que ocurran los eventos posibles como resultado de las
decisiones.
4. Resultados (casi siempre expresados en trminos econmicos de las posibles
interacciones entre las alternativas de decisin y los eventos).

Estos datos se organizan mediante la estructura de un diagrama de rbol que ilustra las
interacciones posibles entre las decisiones y los eventos. En la figura 1. Esquema de un
rbol de decisin muestra, inicialmente debe hacerse una decisin entre tres alternativas.
stas se encuentran en el primer punto de decisin como D 1, D2 y D3. Por
claridad, todos los puntos de decisin se indican por cuadros como los que se
observan en la figura 1.
Los eventos que pueden ocurrir como resultado del primer conjunto de decisiones son E 1,
E2, E3,E4 y E5. Sus probabilidades respectivas estn dadas por p1p5. Ntese que si
selecciona D3, el resultado se conoce con seguridad. Este resultado se muestra al final de
la rama D3 como X1. Mientras que los puntos de decisin se muestran como cuadros, los
nodos de los eventos se representan como crculos
.
Si ocurren los eventos E1, E2, E3, los resultados se conocen y no se requiere ninguna otra
decisin. Estos resultados estn dados por X2, X3, X4, respectivamente. Sin embargo, en
respuesta a cualquiera de los eventos E 4, E5, la administracin debe seleccionar otra
alternativa en la serie de decisiones. A partir del evento E4, debe escogerse entre D4 y
D5, mientras que E5 lleva a una seleccin entre D6 y D7.
Los eventos que pueden ocurrir como resultado de la decisin que se tom en el segundo
punto de decisin son E6, E7, E8, E9. Estos son eventos finales y llevan a los resultados
X7, X8, X9, X10. El resultado X5 se obtiene directamente de la decisin D4.

Figura 1. Esquema de un rbol de decisin muestra.8

Mtodos cuantitativos para la toma de decisiones en administracin. Autores: Charles A. Gallagher y Hugh
J. Watson. Editorial Mc Graw Hill. Pg. 70

El anlisis
Se han ilustrado los componentes y la estructura de los rboles de decisin, pero cmo
se realiza el anlisis? el anlisis comienza en el extremo derecho del rbol de decisin y
se mueve a travs de los nodos de eventos y puntos de decisin hasta que se ha
identificado una secuencia ptima de decisiones que comienza en el primer punto de
decisin. Se usan las siguientes reglas:
1. En cada nodo de evento se hace un clculo de valor esperado.
2. En cada punto de decisin se selecciona la alternativa con el valor esperado
ptimo.
En la siguiente figura 2. Anlisis del rbol de decisin muestra, se ilustra este
procedimiento. El rbol de decisin muestra se ha modificado y ahora da los resultados
econmicos y las probabilidades de los eventos. Se supondr que el objetivo es
maximizar la serie de decisiones. Comenzando el anlisis de derecha a izquierda,
primero se encuentran nodos de eventos que requieren clculos de valor esperado. Se
encuentra que al nodo del evento en la interseccin E 6 y E7 le corresponde un valor
esperado de $33,000.00 Esto es la consecuencia de sumar las multiplicaciones de los
resultados posibles al tomar la decisin D5 por sus probabilidades respectivas y
representa el valor esperado asociado con la seleccin de la alternativa de decisin D5.
En el nodo de evento E8 y E9 hay un valor esperado de $35,000.00. Este valor esperado
corresponde al hecho de escoger la alternativa de decisin D 7.
Continuando de derecha a izquierda se encuentran despus los segundos puntos de
decisin. stos requieren la seleccin de la alternativa de decisin con el mejor valor
esperado y el rechazo de las otras opciones. En el punto de decisin para la interseccin
D4 y D5 se selecciona la alternativa de decisin D 4, ya que $38,000.00 es un valor
esperado ms alto que $33,000.00. En este caso $38,000.00 es tambin un resultado
cierto o seguro. La alternativa de decisin D 5 se ignora de aqu en adelante; esto se
indica dibujando un par de lneas diagonales // que cortan esa rama del rbol de decisin.
En el punto de decisin de D6 y D7, la alternativa de decisin correcta es D 7, que tiene un
valor esperado de $35,000.00. En consecuencia D 6 se elimina para el resto del anlisis.
El siguiente paso requiere que se realicen ms clculos del valor esperado. En el nodo de
evento para E1 y E2 se obtiene un valor esperado de $20,000.00. En el nodo de E3, E4 y
E5 se tiene un valor esperado de $33,700.00 Debe tenerse cuidado en incluir los
resultados correctos para los eventos E 4 y E5. Ntese que slo se usa el resultado
asociado con la alternativa de decisin que se seleccion previamente. En el caso de E 4,
ste es $38,000.00 que se asoci con D4, para E5 es $35,000.00 que se asoci con D7.
Una vez que se elimina una alternativa de decisin, ninguno de sus resultados posibles
es relevante y no debe incluirse en el anlisis.
Se ha trabajado hacia atrs hasta el primer punto de decisin. La alternativa de decisin
D1 ofrece un valor esperado de $20,000.00. D 2 tiene un valor esperado de $33,700.00 y
considerando parejas todas las dems circunstancias, la seleccin que debe hacerse es
D2; por lo tanto D1 y D3 se eliminan para las siguientes consideraciones.
Ahora es posible identificar el plan ptimo de accin. Se pone en prctica la alternativa de
decisin D2. Si ocurre el evento E4, la administracin debe seguir con D4. Si ocurre E5, se
deber poner en prctica D7. Este plan ofrece un valor esperado de $33,700.00

Tambin es til examinar el grado de riesgo asociado con este plan. Al hacerlo es
importante incluir slo aquellos resultados asociados con las alternativas de decisin que
la administracin pretende seguir. Como una medida aproximada del riesgo considrese
lo mejor y lo peor que puede ocurrir. Lo peor es un rendimiento de $10,000.00 como
resultado del evento E3. Lo mejor es un rendimiento de $50,000.00 si ocurre E 8. Es
interesante hacer notar que el plan seleccionado no slo ofrece un mejor valor esperado
que D1, sino que tambin involucra menos riesgo. Con D 1 los resultados varan de 10,000.00 a $50,000.00 Desafortunadamente en muchos casos existe una relacin
inversa entre el riesgo y el rendimiento, y la administracin debe decidir cmo balancear
estos dos factores importantes.9

Primer
punto de
decisin

Segundo
punto de
decisin

(0.5)(50,000) +
(0.5) (-0,000) =
$20,000

$50,000
E1, 05

-$10,000

E2, 05

D1

(0.3)(40,000)+
(0.7)(30,000)=
$33,000
$38,000

$10,000

D2

E3, 0.1
E4, 0.4

(0.1)(10,000)+
(0.4)(38,000)+
(0.5) (35,000)=
$33,700

E5, 0.5

$40,000

E6, 0.3

D4

D5

E7, 0.7

D6

$30,000

$15,000
D7

D3

E8, 0.5
$0

$50,000

E9, 0.5

$20,000
(0.5)(50,000)+
(0.5) (20,000)=
$35,000

Figura 2. Anlisis del rbol de decisin muestra.

Mtodos cuantitativos para la toma de decisiones en administracin. Charles A. Gallagher y Hugh J.

Watson. Pgs.71-73

REFERENCIAS
1. Mtodos cuantitativos para la toma de decisiones en administracin. Autores:
Gallagher A. Charles, Hugh J. Watson. Editorial Mc Graw Hill. Pgs. 612.

PGINAS WEB DE REFERENCIA

1. http://elaboratumonografiapasoapaso.com/blog/variable-dependiente-e-independiente/
2. http://books.google.com.mx/books Estadstica para administracin y economa David Ray
Anderson, Dennis J. Sweeney. Pgs. 190-191, 196-197. Consultado el 25 de mayo de 2013.
3. http://dieumsnh.qfb.umich.mx/diferencial/funciones.htm#VARIABLESDEPENDIENTES.
4. http://www.ingenieria.unam.mx/~jkuri/Apunt_Planeacion_internet/TEMAV.4.pdf
Consultado el 24 de mayo de 2013
5. http://es.scribd.com/doc/142515143/Analisis-de-Sensibilidad-Financiera. Consultado el
24 de mayo de 2013.