Herramientas avanzadas

Lo primero: abrir el modelo

GRÁFICO BOOTSTRAP

Gráfico Bootstrap  Bootstrap es una técnica que estima la confiabilidad o la precisión de los estadísticos de estimación o de otro tipo de datos.  Analizar la estadística de la muestra en forma empírica, muestreando repetidamente los datos y creando distribuciones de los diferentes estadísticos para cada muestra.  Esta técnica asume que la distribución de una muestra estadística se aproxima a una Distribución Normal haciendo el cálculo de los estadísticos como el Error Estándar y Los Intervalos de Confianza de forma relativamente fácil.  Sin embargo, cuando los datos estadísticos no están normalmente distribuidos, este método funciona incorrectamente o no es valido.

Gráfico Bootstrap  Hay dos métodos disponibles para esta herramienta:  Método de una simulación: Simula los datos una sola vez y luego repetidamente remuestrea las iteraciones de la simulación. Este método asume que la solo la simulación original refleja la verdadera distribución estimada.  Este método no es tan preciso, pero toma menos tiempo.  Hay dos métodos disponibles para esta herramienta:  Método de múltiples simulaciones: Simula repetidas veces el modelo y luego crea una distribución con los estadísticos de cada simulación.  Este método es más preciso que el anterior, pero toma demasiado tiempo.

Gráfico Bootstrap

ANÁLISIS DE ESCENARIOS

Análisis de escenarios  El Análisis de Escenario corre una simulación y luego ordena y empareja todos los valores resultantes de la variable objetivo con los valores de las variables supuestas.  Esto permite averiguar de valores supuestos da un resultado en particular.  La tabla resultante muestra todos los valores para la variable objetivo en un rango determinado y ordenado en correspondencia a los valores de las variables supuestos.

Análisis de escenarios

SIMULACIÓN EN DOS DIMENSIONES

Simulación en dos dimensiones  Todas las herramientas vistas hasta ahora, están relacionadas con cálculos estadísticos en los que solo se toma en cuenta la variabilidad, sin considerar la incertidumbre.  Esto quiere decir que en todos los cálculos hechos hasta ahora se ha considerado posible la cuantificación de la certeza estadística.  No siempre es posible asegurar que las variables con las que se alimenta el modelo están libres de incertidumbre, la cual tiene su origen en muchos otros aspectos.  La variabilidad no se puede eliminar: por ello obedece a una distribución de frecuencias, la cual permite calcular probabilidades.  Esta herramienta permite la separación de ambos componentes y le brinda al analista la posibilidad de verificar con mucho detalle los efectos de la incertidumbre.  Genera tantos muestreos repetitivos de tamaño N como desea el analista, lo cual permite obtener N respuestas representativas de la combinación de variables ciertas y variables inciertas.

Simulación en dos dimensiones  Al analizar el riesgo es importante considerar dos conceptos:  Incertidumbre: Las variables son inciertas por que no se conoce suficiente información sobre el verdadero valor.  Es posible eliminar la incertidumbre consiguiendo más información.  Variabilidad: Las variables cambian porque ellas describen un población con diferentes valores.  La variabilidad es inherente al sistema y no es posible eliminarla consiguiendo más información.  Esta herramienta corre un bucle exterior para simular los valores inciertos y luego congelar los valores inciertos mientras se corre un bucle interior para simular la variabilidad.  Este proceso repite para números pequeños de simulaciones externas, proveyendo un retrato de cómo la distribución estimada varia debido a la incertidumbre.  La salida primaria de este proceso es un pictograma de las distribuciones de frecuencias acumuladas.  Este gráfico se puede interpretar como el rango de curvas de riesgo asociadas con una población.

TABLA DE DECISIÓN

Tabla de Decisión  Las variables de decisión son valores que se pueden controlar.  Pero en situaciones de incertidumbre, no siempre es tan obvio el efecto que pueda tener la variable de decisión sobre la variable estimada.  La herramienta “Decision Table” corre múltiples simulaciones para testear diferentes valores para una o dos variables.  Testea valores dentro del rango de la variable de decisión y coloca el resultado en una tabla que se la puede analizar usando las herramientas GRÁFICO DE SOBREPUESTO O GRÁFICO DE TENDENCIAS.  Esta herramienta es útil para investigar como el cambio en unas cuantas variables de decisión, afecta al resultado final.  Para modelos que contienen más de una variable de decisión o donde se este tratando de optimizar el resultado final, use Optquest.

Tabla de Decisión

Funciones especiales