Cuales son las aplicaciones prácticas de la simulación de Montecarlo

• ¿Cómo podemos evaluar el impacto de la variabilidad en los costos individuales sobre el presupuesto total?
• Si todos los costos varían al mismo tiempo ¿cuál será el costo final o habrá un rango en el cual puede variar?
• La simulación de Montecarlo me ayudará a utilizar las probabilidades para responder estas preguntas.

La simulación de Montecarlo es útil para:

• Evaluar el efecto combinado de la variabilidad de los costos individuales sobre la estimación total del presupuesto
• Estimar la probabilidad de cumplir un determinado presupuesto
• Estimación de la Contingencia de presupuesto

Modelo de Costo Utilizado: Presupuesto por ítem de costo

• Vamos a utilizar un modelo simplificado con 3 ítems de costos: Ingeniería, compras de equipos y materiales y la construcción. 
• Cada uno de los ítems de costo tiene un costo estimado o determinístico. Además de un rango en el cual cada uno de ellos podría variar. Por ejemplo, la ingeniería fue estimada en 15 millones, con un rango de variación entre 10 y 25 millones.
• A la derecha del modelo tenemos el monto esperado que encontraremos de la aplicación de la simulación de Montecarlo.

Asignación de la distribución de probabilidad

• Paso 1: A cada una de las variables se les asignará una distribución de probabilidad.

• Paso 2: Seleccionaremos la distribución de probabilidad que asignaremos a cada variable, en nuestro ejemplo, seleccionaremos la distribución de probabilidad Beta-Pert.
• Paso 3: Asignaremos el rango de cada una de las variables. Este rango es el valor máximo y mínimo que puede tomar cada variable.
  • Vamos ahora a ver el ejemplo en el Excel.

• Identificaremos la función objetivo para el total de la estimación
•  
• • Definiremos la función objetivo, es decir la celda donde está el total del presupuesto del proyecto, Donde se suman los resultados de las variables. 
  • Vamos a la celda H7 donde está nuestra “Función objetivo”. 
  • Asignamos la función “Define Forecast”.
  • Definimos el nombre para la variable como “Valor Esperado” y definimos la unidad de medida, en este caso los dólares. Ya tenemos nuestro modelo listo para correr los 1,000 escenarios.

Iteraciones

• Una vez que tengamos el modelo listo, podemos iniciar el proceso de iteraciones o simulaciones.
• Para el caso del ejemplo vamos a correr 1,000 iteraciones del modelo.
• Es decir, las variables de costos tomaran 1,000 combinaciones de valores, entregando 1,000 valores del costo del proyecto. Cada resultado tendrá probabilidad de ocurrencia, con lo que podemos construir la curva de distribución de probabilidad.

Curva de distribución

• La curva la parte superar es la curva de distribución de probabilidad acumulada. Determina la probabilidad que tiene el costo de un proyecto de no exceder un presupuesto determinado.
• La curva de abajo es para calcular la probabilidad que el costo total sea exacto. No tiene mucha utilidad.
• Por ejemplo, si buscamos el presupuesto que tiene una probabilidad del 50% de cumplirse podemos buscar el P50 en la curva acumulada. Podemos ver en el cuadro derecho inferior como 289.35
• Por otro lado, podemos calcular la probabilidad de alcanzar un determinado presupuesto, por ejemplo, digamos 300 millones. Debemos mover la flecha del presupuesto que estamos buscando o target, con lo que encontraremos la probabilidad de 83,42% de cumplir ese presupuesto.

Análisis de los resultados

 Otro ejemplo del uso de la simulación de Montecarlo es la estimación de la contingencia.

• Para nuestro ejemplo anterior calculamos la contingencia como:
• La diferencia entre el costo probable para el P(80) y el valor determinístico o valor encontrado en la estimación bruta sin variabilidad.
• En el ejemplo será 298,31M – 285M = 13,31M.