Universidad Autónoma de Nuevo León

Facultad de Ingeniería Mecánica y

Eléctrica

Ingeniería Económica de Proyectos

Resumen Capitulo 15

Nombre Valeria Sinai Sánchez

Torres
Matricula 1986973
Salón 2106
Profesor Dr. Ramón Cantú
Cuellar
Grupo 007
Capítulo 15.
Dos problemas fundamentales están presentes en toda propuesta de inversión. El
primero se refiere a la conversión de los flujos de efectivo futuros de acuerdo a
cualquiera de los criterios económicos más ampliamente utilizados (valor presente,
tasa interna de rendimiento, etc.) y el segundo al entendimiento y evaluación de la
incertidumbre. El segundo problema es a menudo de mayor importancia, pero
desafortunadamente ha recibido menos atención que el primero, por consiguiente,
cuando una propuesta de inversión es analizada, se recomienda, incluir en el
análisis alguna variable o medida que considere el riesgo inherente de la propuesta
evaluada. Lo anterior es muy aconsejable, puesto que una inversión
razonablemente segura con un rendimiento determinado, puede ser preferida a una
inversión más riesgosa con un rendimiento esperado mayor.
La consideración del riesgo en la evaluación de una propuesta de inversión, se
puede definir como el proceso de desarrollar la distribución de probabilidad de
alguno de los criterios económicos o medidas de méritos ya conocidos.
Generalmente, las distribuciones de probabilidad que más comúnmente se obtienen
en una evaluación, corresponden al valor presente, valor anual y tasa interna de
rendimiento. Sin embargo, para determinar las distribuciones de probabilidad de
estas bases de comparación, se requiere conocer las distribuciones de probabilidad
de los elementos inciertos del proyecto como lo son: la vida, los flujos de efectivo,
las tasas de interés, los cambios en la paridad, las tasas de inflación, etc.
Los flujos de efectivo que ocurren en un período determinado son a menudo una
función de un gran número de variables, entre las cuales se pueden mencionar las
siguientes: precios de venta, tamaño del mercado, porción del mercado, razón de
crecimiento del mercado, inversión requerida, tasas de inflación, tasa de impuestos,
gastos de operación, gastos fijos y valores de rescate de los activos. Además, es
posible que los valores de estas variables sean independientes o estén
correlacionados. Consecuentemente, el desarrollo analítico de la distribución de
probabilidad del criterio económico utilizado, generalmente no es fácil de lograrse
en muchas situaciones del mundo real. Para estas situaciones, el enfoque de
simulación es recomendado.
I. DISTRIBUCIONES DE PROBABILIDAD MAS UTILIZADAS EN
ANALISIS DE RIESGO
El análisis de riesgo o probabilístico fue desarrollado para tomar en cuenta la
incertidumbre que generalmente se tiene con respecto a las variables que
determinan los flujos de efectivo neto de un proyecto de inversión. Esta
incertidumbre normalmente es expresada por medio de distribuciones de
probabilidad. Las distribuciones de probabilidad de las variables aleatorias
generalmente se desarrollan en base a probabilidades subjetivas. Típicamente,
entre más alejado del presente esté un evento, más incertidumbre habrá con
·respecto al resultado del evento.
Por consiguiente, si la variancia es una medida de la incertidumbre, es lógico
esperar que las variancias de las distribuciones de probabilidad crezcan con el
tiempo. Entre las distribuciones de probabilidad teóricas más comúnmente
utilizadas en análisis de riesgo se pueden mencionar: la distribución normal y las
distribuciones triangulares. Un resumen escueto de cada distribución es presentado
a continuación.
II. DISTRIBUCIÓN NORMAL
La distribución normal es, en muchos aspectos, la piedra angular de la teoría
estadística. Una variable aleatoria X se dice que tiene una distribución normal con
parámetros (−∞ < 𝜇 < ∞) y 𝜎 2 > 0 si tiene la función densidad dada en la
ecuación (15.1) e ilustrada en la figura. La distribución normal es tan utilizada, que
una notación simplificada 𝑋~𝑁(𝜇, 𝜎 2 ) es comúnmente usada para indicar que una
variable aleatoria X es distribuida normalmente con parámetros 𝜇 𝑦 𝜎 2 .

1 1 𝑥−𝜇 2
𝑓(𝑥) = 𝑒 − ( )
𝜎 √2𝜋 2 𝜎

𝑓(𝑥)

Densidad de probabilidad normal.

Algunas propiedades de la distribución normal son:

a) 𝑓(𝑥) > 0 Para toda 𝑥

𝐿𝑖𝑚 𝐿𝑖𝑚
b) 𝑓(𝑥) = 0, 𝑦 𝑓(𝑥) = 0
𝑥 →∞ 𝑥 → −∞

c) 𝑓 {(𝑥 + 𝜇} = 𝑓{(𝑥 − 𝜇)}

La propiedad a) es requerida por todas las densidades de probabilidad y la

propiedad c) indica que la densidad es simétrica sobre µ.
Por otra parte, la media y la variancia de la distribución normal son:
1(𝑥−𝜇) 2
∞ 𝑥 −
𝐸(𝑥) = 𝑒
∫−∞ 𝜎√2𝜋 2 𝜎 𝑑𝑥 = 𝜇

Y
∞ 1 1 𝑥−𝜇 2
𝑉𝐴𝑅 (𝑥) = ∫−∞(𝑥 − 𝜇)2 𝑒 − ( ) 𝑑𝑥 = 𝜎 2 .
𝜎 √2𝜋 2 𝜎

Puesto que la distribución normal solamente se puede integrar por métodos

numéricos, es conveniente hacer un cambio de variable que facilite los cálculos de
probabilidad. Dicho cambio de variable es:

𝑍 = (𝑋 − 𝜇)/ 𝜎
Esta transformación hace que la evaluación de probabilidades sea independiente
de µ y de 𝜎. Con esta transformación, la distribución normal original se convierte
en:
1
𝜑(𝑧) = 𝑒 − 𝑧 2 /2 , −∞ < 𝑧 < ∞
√2𝜋

la cual tiene una media de 0 y una variancia de 1, esto es, 𝑧~𝑁(0,1) y esta variable
se dice que sigue una distribución normal estándar. La ventaja de esta distribución
es que ha sido tabulada y sus resultados se encuentran disponibles en cualquier
libro de estadística.
III. DISTRIBUCIÓN TRIANGULAR
La distribución triangular al igual que la distribución β son ampliamente utilizadas
al introducir riesgo en proyectos de inversión y caminos críticos (PERT). Ambas
distribuciones se basan en una estimación pesimista, una más probable, y una
optimista. Sin embargo, la distribución triangular por su sencillez es más
fácilmente comprendida por el analista· y por las personas encargadas de
interpretar los resultados del estudio.
2
(𝑥 − 𝑎), 𝑝𝑎𝑟𝑎 𝑎 < 𝑥 < 𝑏
(𝑐 − 𝑎)(𝑏 − 𝑎)
𝑓(𝑥) =
−2
(𝑥 − 𝑐), 𝑝𝑎𝑟𝑎 𝑎 < 𝑥 < 𝑐
{ (𝑐 − 𝑎)(𝑐 − 𝑏)

Puesto que la distribución triangular se va a utilizar ampliamente en los ejemplos

que se presentarán en las secciones subsiguientes, a continuación, se muestra
el procedimiento utilizado para evaluar su media y su varianza.
𝑏 𝑐
2𝑥(𝑥 − 𝑎)𝑑𝑥 −2𝑋(𝑥 − 𝑐)𝑑𝑥 1
𝐸(𝑋) = ∫ + ∫ = (𝑎 + 𝑏 + 𝑐)
𝑎 (𝑐 − 𝑎)(𝑏 − 𝑎) 𝑏 (𝑐 − 𝑎)(𝑐 − 𝑏) 3
Y
𝑏 𝑐
2𝑥 2 (𝑥 − 𝑎)𝑑𝑥 −2𝑥 2 (𝑥 − 𝑐)𝑑𝑥 1
𝑉𝐴𝑅 (𝑥) = ∫ + ∫ − { (𝑎 + 𝑏 + 𝑐)}2
𝑎 (𝑐 − 𝑎)(𝑏 − 𝑎) 𝑏 (𝑐 − 𝑎)(𝑐 − 𝑏) 3
 1
= {𝑎2 + 𝑏 2 + 𝑐 2 − 𝑎𝑏 − 𝑎𝑐 − 𝑏𝑐}
18

Es obvio que cuando la distribución triangular es simétrica, es decir, 𝑏 = (𝑎 +

𝑐)/2 las formulas se transforman en:
𝑎+𝑐
𝐸(𝑥) = =𝑏
2

Y
1
𝑉𝐴𝑅 (𝑋) = (𝑐 − 𝑎)2
24

IV. TEOREMA DEL LIMITE CENTRAL

Si una variable aleatoria Y puede ser representada como la suma de n variables
aleatorias independientes que satisfacen ciertas condiciones, entonces para una
n suficientemente grande, Y sigue aproximadamente una distribución normal. Lo
anterior expresado en forma de teorema sería: 𝑆𝑖 𝑋0 , 𝑋1,… 𝑋𝑛 es una secuencia
de n variables aleatorias independientes con 𝐸(𝑋𝑗 ) = 𝜇𝑗 𝑦 𝑉𝐴𝑅(𝑋𝑗 ) = 𝜎 2
(ambas infinitas) y 𝑌 = 𝐶0 𝑋0 + 𝐶1 𝑋1 + ⋯ 𝐶𝑛 𝑋𝑛 entonces bajo ciertas
condiciones generales:

𝑌− ∑𝑛
𝑗=0 𝐶𝑗 𝜇𝑗
𝑧=
√∑𝑛 2 2
𝑗=0 𝐶𝑗 𝜎𝑗

tiene una distribución 𝑁(0,1) a medida que n se aproxima a infinito. La

demostración de este teorema, así como la discusión rigurosa de las
suposiciones que soportan este teorema, están más allá del alcance de esta
presentación. Lo importante es el hecho de que, Y sigue aproximadamente una
distribución normal, independientemente del tipo de distribuciones que tengan
cada una de las 𝑋𝑗1 𝑠 .

𝜎
Puesto que el teorema establece que Y está normalmente distribuida cuando n
se aproxima a infinito, la pregunta que surge en la práctica sería: "¿Qué tan
grande debe ser n de modo que la distribución obtenida para Y sea bastante
parecida a la distribución normal?". La respuesta a esta pregunta no es tan
sencilla puesto que la respuesta dependerá de las características de las
distribuciones de las 𝑋𝑗1 𝑠 así como del significado de "resultados razonables".
 Desde un punto de vista práctico, se puede decir que el valor de n depende del
tipo de distribución de las 𝑋𝑗1 𝑠. Por ejemplo. si las 𝑋𝑗1 𝑠 siguen distribuciones
simétricas el valor de n debe ser mayor o igual a 4. Por el contrario, si las 𝑋𝑗1 𝑠
siguen distribuciones uniformes, el valor de n debe ser mayor o igual a 12.
Finalmente, se recomienda que 𝑛 > 100 si las distribuciones de las 𝑋𝑗1 𝑠 son
irregulares.

V. DISTRIBUCIÓN DE PROBABILIDAD DEL VALOR

PRESENTE NETO
El valor presente neto de una propuesta de inversión, sin considerar inflación,
se calcula de acuerdo a la siguiente expresión:
𝑥𝑗
𝑉𝑃𝑁 = ∑𝑛𝑗=0
(1+𝑖)𝑗

Donde 𝑋𝑗 ahora es una variable aleatoria que representa el flujo de efectivo neto del
periodo j y cuya media y varianza son 𝜇𝑗 𝑦 𝜎𝑗2 respectivamente.

La expresión anterior también puede ser expresada como:

1 1 1
𝑉𝑃𝑁 = −𝑋0 + (1+𝑖) 𝑋1 + 𝑋2 + ⋯ 𝑋𝑛
(1+𝑖)2 (1+𝑖)𝑛

Pero si
−1 Si j = 0
𝐶𝑗 = { 1
(1+𝑖)𝑗 Si j = 1,2, … n
𝑉𝑃𝑁 = 𝐶0 𝑋1 + 𝐶1 𝑋1 + ⋯ 𝐶𝑛 𝑋𝑛 = ∑𝑛𝑗=0 𝐶𝑗 𝑋𝑗
De acuerdo a las ecuaciones (15.12) y (15.14) es obvio que el valor presente neto
en lugar de ser una constante, es una variable aleatoria. Por consiguiente, para
propósitos de evaluar un proyecto, el procedimiento usual sería determinar la media
y la variancia del valor presente. Puesto que el valor esperado de una suma de
variables aleatorias es dado por la suma de valores esperados de cada variable,
entonces, el valor esperado del valor presente vendría dado por:
𝐸(𝑉𝑃𝑁) = ∑𝑛𝑗=0 𝐶𝑗 𝐸(𝑋𝑗 ) = ∑𝑛𝑗=0 𝐶𝑗 𝜇𝑗

A la expresión anterior generalmente se le considera como el valor presente neto.

Sin embargo, es necesario aclarar que aun cuando el valor esperado del valor
presente neto sea positivo, existe cierta probabilidad de que el valor presente sea
negativo. Por consiguiente, es posible que ciertos proyectos sean rechazados,
aunque los valores esperados de sus valores presentes sean positivos. Por otra
parte, es conveniente mencionar que generalmente al comparar alternativas
mutuamente exclusivas, se tiende a seleccionar aquellas alternativas para la cual el
valor esperado del valor presente es máximo. Sin embargo, este criterio de decisión
no es válido universalmente, es decir, no todos los tomadores de decisiones tienen
el mismo comportamiento hacia el riesgo. Algunas personas prefieren sacrificar
utilidades a cambio de reducir el riesgo del proyecto.
Para determinar la variancia del valor presente, es necesario considerar primero
que 𝑋0 , 𝑋1 , … , 𝑋𝑛 son variables aleatorias independientes. Por consiguiente, bajo
este supuesto y de acuerdo al teorema del límite central, el VPN está normalmente
distribuido, donde la media está dada por la ecuación anterior y la variancia por:

𝑉𝐴𝑅(𝑉𝑃𝑁) = ∑𝑛𝑗=0 𝐶𝑗2 𝜎𝑗2 + 2 ∑𝑛−1 𝑛

𝑗=0 ∑𝑙=𝑗+1 𝐶𝑗 𝐶𝑘 𝐶𝑜𝑣(𝑋𝑗 𝑋𝑘 )

y el valor esperado del valor presente sigue siendo dado por la ecuación
Desafortunadamente, esta nueva situación no es muy utilizada en la práctica. Las
razones son dos:
1) La falta de información histórica de las variables aleatorias (flujos de efectivo)
dificulta significativamente el cálculo de los coeficientes de correlación (p) y por ende
la evaluación de la matriz de covariancias.
2) No se puede determinar con precisión la distribución de probabilidad del valor
presente, por lo que evaluaciones de probabilidades en forma exacta no pueden ser
hechas. Para estos casos, la única alternativa de evaluar un proyecto o comparar
varios, es usar la desigualdad de Tchebycheff.
Finalmente, puesto que las fórmulas fueron obtenidas sin tomar en cuenta la
inflación, conviene señalar que si una tasa de inflación 𝑖𝑖 es introducida, las siguen
siendo válidas, sólo que el factor 𝐶𝑗 vendría dado por.

−1 Si j = 0
𝐶𝑗∗ = { 1
(1+𝑖)2 (1+𝑖𝑖 )𝑗 Si j = 1, 2, …, n
Para comprender y asimilar la teoría hasta ahora presentada, una serie de ejemplos
son resueltos.
Ejemplo 1.
Suponga que cierta empresa desea analizar un proyecto de inversión que promete
generar los flujos de efectivo probabilísticos mostrados en la tabla siguiente.
También, considere que los flujos de efectivo de un período a otro son
independientes. Finalmente, considere que esta empresa utiliza una TREMA de
20% para evaluar sus proyectos de inversión.
*Para el cálculo de este factor, se considera que 𝑥𝑗 es el flujo de efectivo después
de impuestos a pesos corrientes.
Tabla 1 Flujos de efectivos triangulares
Año Estimación Estimación más Estimación
pesimista probable optimista
0 -140 -100 -80
1 30 40 60
2 35 40 45
3 30 40 50
4 25 35 45
5 20 40 60

Para la información mostrada en la tabla 1, primeramente, se obtienen la media y la

variancia de los flujos de efectivo de cada período. Para este propósito, se utilizan
las ecuaciones presentadas anteriormente. En seguida, aplicando la ecuación se
obtiene el valor esperado y la variancia del valor presente. Los resultados de estos
cálculos aparecen en la tabla 2.
Tabla 2. Valor esperado y variancia del valor presente.
Año 𝑪𝒋 𝝁𝒋 E(VPN) 𝑪𝟐𝒋 𝝈𝟐𝒋 VAR(VPN)
0 -1.00 107 -107 1.00 156 156
1 0.83 43 36 0.69 39 27
2 0.69 40 27 0.48 4 2
3 0.57 40 23 0.33 17 5
4 0.48 35 17 0.23 17 4
5 0.40 40 16 0.16 67 10

Como se puede observar en la tabla 2, el valor esperado del valor presente es 12 y

su variancia es 204. Para analizar la aceptación o rechazo de este proyecto,
suponga qué la empresa ha manifestado en repetidas ocasiones que un proyecto
es aceptado solamente si la probabilidad de que el valor presente sea mayor que
cero, es de al menos 90%. Para determinar si el proyecto satisface el criterio de
decisión establecido por la empresa, a continuación, se evalúa la probabilidad de
que el valor presente sea mayor que cero.
 0−12
𝑃 {𝑉𝑃𝑁 > 0} = 𝑃{𝑍 >
14.28

= 𝑃{𝑍 > −0.84}

= 0.79954
y puesto que esta probabilidad es menor que 90%, el proyecto deberá ser
rechazado.

Distribución normal y normal estándar del valor presente neto.

VI. CONCLUSIONES
Diferentes enfoques descriptivos fueron presentados en este capítulo para
considerar en forma objetiva la incertidumbre inherente que todo proyecto de
inversión implica.
En particular, se discutió la distribución de probabilidad de los tres criterios
económicos más ampliamente utilizados que son: valor presente neto, valor anual
equivalente y tasa interna de rendimiento. Sin embargo, es conveniente señalar que
la presentación de estos temas fue un tanto simplificada, por considerar que ciertas
situacion.es del mundo real son bastantes difíciles de modelar analíticamente. No
obstante, la gran dificultad de modelar analíticamente estas situaciones, existen
otras técnicas como simulación, la cual se considera muy apropiada y muy simple
de aplicar en estos casos.
Finalmente, es necesario enfatizar que el enfoque probabilístico es recomendable
que se use cuando
1) Las técnicas tradicionales no establecen claramente la deseabilidad económica
del proyecto, o no establecen claramente cuál de los proyectos analizados es el
mejor.
2) La magnitud de la inversión inicial es significativa.