Anlisis de sensibilidad financiera

CertidumbreLa certidumbre es la condicin en que los individuos son plenamente informados sobre un problema, las soluciones alternativas son obvias, y son claros los posibles resultados de cada decisin. En condiciones de certidumbre, la gente puede al menos prever (si no es que controlar) los hechos y sus resultados. Esta condicin significa el debido conocimiento y clara definicin tanto del problema como de las soluciones alternativas. Una vez que un individuo identifica soluciones alternativas y sus resultados esperados, la toma de la decisin es relativamente fcil. El responsable de tomar la decisin sencillamente elige la solucin con el mejor resultado potencial. Por ejemplo, de un agente de compras de una imprenta se espera que ordene papel de calidad estndar al proveedor que ofrezca el menor precio y mejor servicio. Por supuesto que generalmente el proceso de toma de decisiones no es tan simple. Un problema puede tener muchas posibles soluciones, y calcular los resultados esperados de todas ellas puede ser extremadamente lento y costos.La toma de decisiones en condiciones de incertidumbre es la excepcin para la mayora de los administradores y otros profesionales. Sin embargo, los administradores de primera lnea toman decisiones diariamente en condiciones de certidumbre, o casi. Por ejemplo, un apretado programa de produccin puede obligar a un administrador de primera lnea a pedir a 10 empleados que trabajen cuatro horas de tiempo extra. El administrador puede determinar el costo de las horas extras con toda certidumbre. Tambin puede prever con alto grado de certidumbre el nmero de las unidades adicionales pueden calcularse con casi absoluta certeza antes de programar las horas extras.

La IncertidumbreExiste un ambiente de incertidumbre cuando falta el conocimiento seguro y claro respecto del desenlace o consecuencias futuras de alguna accin, situacin o elemento patrimonial, lo que puede derivar en riesgo cuando se aprecia la perspectiva de una contingencia con posibilidad de generar prdidas o la proximidad de un dao. La incertidumbre supone cuantificar hechos mediante estimaciones para reducir riesgos futuros, y aunque su estimacin sea difcil no justificar su falta de informacin. Respecto de los hechos medioambientales esta dificultad de clculo se debe a:-La tecnologa implicada en los trabajos de restitucin.-Continuos cambios en las exigencias normativas.-Experiencia acumulada en lugares similares.-Existencia y calidad de los registros relativos a las cantidades y clases de vertidos realizados.-Importancia de la contribucin de la empresa en la generacin o vertido de residuos.Para su clculo se ha de acudir a expertos, (ingenieros en los casos de limpieza y a los abogados para el caso de multas y sanciones). Si las responsabilidades no se van a saldar en un futuro prximo se puede calcular el valor actual, con tcnicas de descuento cuando el importe de los pagos y su calendario se puedan fijar de manera fiable, siempre y cuando el valor temporal del dinero sea elevado. El mtodo escogido se ha de mencionar en la Memoria.

El RiesgoEl riesgo supone un hecho externo al sujeto econmico, que puede acontecer o no en algn momento determinado. Por lo que el riesgo puede ser contemplado como elemento de incertidumbre que puede afectar a la actividad empresarial, pudiendo ser motivado por causas externas o internas a la empresa. Los casos ms frecuentes que pueden darse en la gestin medioambiental de la empresa seran:1) En las causas externas que son difcilmente controlables por sta, estaran:-Losriesgos de mercado.Posibilidad de prdidas por fluctuaciones de precios en los mercados que puedan experimentar las inversionesque poseadebido a las contingencias medioambientales que presentan stas, las prdidas de mercado por las actividades contaminantes y publicidad negativa, dificultades en la obtencin de recursos financieros para acometer las inversiones obligatorias segn la legislacin medioambiental, o lasasociadas a operaciones en moneda extranjera, o tipos de inters variables.-Riesgos jurdicos. Surgen como consecuencia desanciones derivadas de incumplimiento de la normativa legal en materia medioambiental, por riesgos ecolgicos no asegurados, o accidentes no cubiertos por seguros o por costes futuros asociados a las tendencias legales en materia de medio ambiente, como puede ser la instalacin de mecanismos costosos para adaptarse a la normativa vigente en materia medioambiental, los motivados por litigios y demandas por motivos medioambientales o por exigencias laborales.2) Causas internasque son consecuencia de la propia actividad desarrollada por la empresa y como ejemplos de estos riesgos estaran los:-Riesgos de crditos. Aparecen como consecuencia de que los deudores no paguen sus deudas por comportamiento medioambiental incorrecto.-Riesgo postventa. Por las garantas otorgadas por la empresa respecto del uso correcto y libre de averas, durante un cierto tiempo, de los bienes que vende, entre ellos su comportamiento medioambiental.-Riesgos operativos. Son los que se derivan de las propias carencias de la entidad respeto de su organizacin, personal capacitado, medios logsticos para retirada de residuos, falta de financiacin suficiente para afrontar inversiones medioambientales necesarias, etc.-Riesgos por responsabilidades. Son los que se derivan de todo tipo de actuaciones o situaciones en las que se puedan causar daos a terceros que la empresa est obligada a reparar por un incorrecto comportamiento medioambiental.-Otros riesgos. Como pueden ser la obsolescencia de equipos motivada por la adaptacin a nueva reglamentacin medioambiental, por prdidas de valor en terrenos por contaminacin, costes de abandono o reconversin de actividades, obsolescencia medioambiental de materias primas o productos terminados ante nueva legislacin, etc.

El valor esperado

En teora de la probabilidad, el valor esperado de una variable aleatoria es el promedio ponderado de todos los posibles valores que esta variable aleatoria puede asumir. Los coeficientes de ponderacin utilizados en el clculo de este promedio son probabilidades en el caso de una variable aleatoria discreta, o valores de una funcin de densidad de probabilidad en el caso de una variable aleatoria continua. Desde un punto de vista terico riguroso, el valor esperado es la integral de la variable aleatoria con respecto a su medida de probabilidad.El valor esperado puede ser entendido intuitivamente por la ley de los grandes nmeros: el valor esperado, cuando existe, es casi seguro que el lmite de la media de la muestra, el tamao de la muestra crece hasta el infinito. Ms informal, se puede interpretar como la media a largo plazo de los resultados de muchas repeticiones independientes de un experimento. El valor no se puede esperar en el sentido comn-el "valor esperado" s puede ser difcil o incluso imposible, como es tambin el caso de la media de la muestra.El valor esperado no existe para variables aleatorias que tienen algunas distribuciones con grandes "colas", tales como la distribucin de Cauchy.El valor esperado es un aspecto clave de cmo se caracteriza a una distribucin de probabilidad, es un tipo de parmetro de localizacin. Por el contrario, la varianza es una medida de la dispersin de los valores posibles de la variable aleatoria alrededor del valor esperado. La diferencia s se define en trminos de dos expectativas: es el valor esperado de la desviacin al cuadrado del valor de la variable de valor esperado de la variable.El valor esperado juega un papel importante en una variedad de contextos. En el anlisis de regresin, uno desea una frmula en trminos de los datos observados que le darn una "buena" estimacin del parmetro que da el efecto de una variable explicativa sobre una variable dependiente. La frmula le dar diferentes estimaciones utilizando diferentes muestras de datos, por lo que la estimacin que da es en s misma una variable aleatoria. Una frmula tpicamente se considera buena en este contexto si se trata de un imparcial es, si el valor esperado de la estimacin se puede demostrar que ser igual al valor verdadero del parmetro deseado estimador-que.En la teora de la decisin, y en particular en la eleccin en condiciones de incertidumbre, un agente se describe como hacer una eleccin ptima en el contexto de informacin incompleta. Para los agentes neutrales al riesgo, la eleccin implica el uso de los valores esperados de cantidades inciertas, mientras que para los agentes aversos al riesgo que implica maximizar el valor esperado de una funcin objetiva, como una funcin de utilidad von Neumann-Morgenstern.DefinicinVariable aleatoria discreta, caso finitoSupongamos variable aleatoria X puede tomar el valor p1 x1 con probabilidad, el valor de x2 con probabilidad p2, y as sucesivamente, hasta el valor xk con pk probabilidad. A continuacin, la expectativa de esta variable aleatoria X se define comoDado que todas las probabilidades pi aadir hasta uno, el valor esperado puede ser visto como la media ponderada, con pis siendo los pesos:Si todos los resultados xi son igualmente probables, a continuacin, la media ponderada se convierte en el promedio simple. Esto es intuitivo: el valor esperado de una variable aleatoria es el promedio de todos los valores que puede tomar, por lo que el valor esperado es lo que uno espera que suceda en promedio. Si los resultados xi no son igualmente probables, entonces el promedio simple debe ser reemplazado con el promedio ponderado, que tiene en cuenta el hecho de que algunos resultados son ms propensos que los otros. La intuicin, sin embargo sigue siendo el mismo: el valor esperado de X es lo que uno espera que suceda en promedio.Ejemplo 1. Sea x el resultado de una tirada de un dado de seis caras. Ms especficamente, X ser el nmero de pips que muestran en la cara superior de la matriz despus del lanzamiento. Los valores posibles para X son 1, 2, 3, 4, 5, y 6, la misma probabilidad. La expectativa de X esSi uno tira el dado n veces y calcula el promedio de los resultados, a continuacin, a medida que n crece, la media es casi seguro que convergen al valor esperado, un hecho conocido como la ley fuerte de los grandes nmeros. Un ejemplo de secuencia de diez rollos de la matriz es 2, 3, 1, 2, 5, 6, 2, 2, 2, 6, que tiene la media de 3,1, con la distancia de 0,4 a partir del valor esperado de 3,5 - La convergencia es relativamente lento: la probabilidad de que la media cae dentro de la gama de 3,5 0,1 es 21,6% durante diez rollos, 46,1% para un centenar de rollos y 93,7% por mil rollos. Vase la figura para una ilustracin de los promedios de las secuencias ms largas de rollos de la matriz y la forma en que convergen para el valor esperado de 3,5 - Ms en general, la velocidad de convergencia se puede cuantificar por ejemplo, ms o menos La desigualdad de Chebyshev y el teorema de Berry-Esseen.Ejemplo 2. El juego de la ruleta se compone de una pequea bola y una rueda con 38 casillas numeradas en todo el borde. Como se hace girar la rueda, la pelota rebota al azar hasta que se establece en uno de los bolsillos. Supongamos variable aleatoria X representa el resultado de una apuesta de $ 1 en un solo nmero. Si la apuesta gana, el pago es de $ 35, de lo contrario el jugador pierde la apuesta.

Variables dependientes

Este es el factor manipulado por el investigador y produce uno o ms resultados, conocidos comovariables dependientes. Generalmente, en un experimento no hay ms de una o dos variables independientes a prueba, de lo contrario, sera difcil determinar la influencia de cada una sobre los resultados finales.Puede haber muchas variables dependientes, ya que la manipulacin de la variable independiente puede influir en muchas cosas.Por ejemplo, un experimento para probar los efectos de un fertilizante sobre el crecimiento de una planta podra medir la altura y el nmero y peso promedio de la fruta producida. Todos estos son factores analizables vlidos, derivados de la manipulacin de una variable independiente, es decir, la cantidad de fertilizante.Complejidades posibles de la variable independiente

Variable independiente

El trminovariable independientees a veces una fuente de confusin, ya que muchos suponen que su nombre deriva de que la variable es independiente de cualquier manipulacin.El nombre se debe a que la variable es aislada de cualquier otro factor, lo que permite la manipulacin experimental para establecerresultadosanalizables.Algunosartculos de investigacinparecen aportar resultados por medio de la manipulacin de ms de una variable experimental, pero esto suele estar errado.Es probable que cada variable manipulada sea un experimento en s mismo, una zona en donde las palabras "experimento" e "investigacin" difieren. Simplemente es ms conveniente para el investigador unirlos en un solo artculo y discutir los resultados generales.El investigador botnico tambin podra estudiar los efectos de la temperatura o de la cantidad de agua sobre el crecimiento, pero estos estudios deberan ser realizados como experimentos separados y la conclusin y discusin se uniran al final.Ejemplos de variables independientesUn buen ejemplo de un experimento con variables experimentales fcilmente definidas es el famosoExperimento de la planta de guisantede Mendel.El monje austriaco realiz una polinizacin cruzada de plantas de guisantes para establecer qu caractersticas eran pasadas de generacin en generacin. En este caso, la caracterstica hereditaria de la planta madre fue la variable independiente. Por ejemplo, cuando las plantas con vainas verdes se cruzaron con plantas con vainas amarillas, el color de la vaina era la variable independiente.En elExperimento del mueco Bobo de Bandura, si los nios estaban expuestos a un adulto agresivo o a un adulto pasivo era la variable independiente.Este experimento es un ejemplo perfecto de cmo el concepto de variables experimentales puede llegar a ser un poco ms complejo. Tambin estudi las diferencias entre nios y nias, con el gnero como la variable independiente. Sin duda, aqu se rompi la regla de tener una sola variable manipulada.De hecho, este es un excelente ejemplo de la realizacin de muchos experimentos al mismo tiempo. Si estudias detenidamente la estructura deldiseo de investigacin, vers que el Experimento del mueco Bobo se debera haber llamado los Experimentos del mueco Bobo.En realidad se trata de cuatro experimentos, cada uno con su propiahiptesisy variables, ejecutados simultneamente. Hubiera sido costoso, y posiblementepoco tico, poner a prueba a los nios cuatro veces y si se hubieran utilizado los mismos nios cada vez, su comportamiento podra haber cambiado con la repeticin.Un diseo cuidadoso permiti a Banduraprobar diferentes hiptesisen el marco de la misma investigacin.En cualquier experimento real, un investigador manipula una variable independiente para influir en una o varias variables dependientes.Unexperimento bien diseadonormalmente incluye una o dosvariables independientesy todos los dems factores posibles son eliminados ocontrolados. En cualquier experimento puede haber ms de dosvariables dependientes.Por ejemplo, un investigador podra desean establecer el efecto de la temperatura sobre la tasa de crecimiento de una planta. La temperatura es la variable independiente. Se podra considerar el crecimiento como la altura, el peso, el nmero de frutas producidas o todos ellos. A partir de una variable independiente surge una amplia gama de variables dependientes.En cualquierdiseo experimental, el investigador debe determinar que existe una clararelacin de causalidadentre la variable independiente y la dependiente.Esto reduce el riesgo de "errores decorrelacin y causalidad". Lasvariables controladasson utilizadas para reducir la posibilidad de que otros factores produzcan cambios en la variable dependiente, conocidos comovariables de confusin.En el ejemplo anterior, todas las plantas deben recibir la misma cantidad de agua. De lo contrario, este factor podra esconder cualquier vnculo entre la temperatura y el crecimiento.La relacin entre la variable independiente y la variable dependiente es la base de la mayora de laspruebas estadsticas, que establecen si existe una verdadera correlacinentre las dos. Losresultadosde estas pruebas permitirn al investigador aceptar o rechazar lahiptesis nulaysacar conclusiones.En cualquier experimento real, un investigador manipula una variable independiente para influir en una o varias variables dependientes.Unexperimento bien diseadonormalmente incluye una o dosvariables independientesy todos los dems factores posibles son eliminados ocontrolados. En cualquier experimento puede haber ms de dosvariables dependientes.Por ejemplo, un investigador podra desean establecer el efecto de la temperatura sobre la tasa de crecimiento de una planta. La temperatura es la variable independiente. Se podra considerar el crecimiento como la altura, el peso, el nmero de frutas producidas o todos ellos. A partir de una variable independiente surge una amplia gama de variables dependientes.En cualquierdiseo experimental, el investigador debe determinar que existe una clararelacin de causalidadentre la variable independiente y la dependiente.Esto reduce el riesgo de "errores decorrelacin y causalidad". Lasvariables controladasson utilizadas para reducir la posibilidad de que otros factores produzcan cambios en la variable dependiente, conocidos comovariables de confusin.En el ejemplo anterior, todas las plantas deben recibir la misma cantidad de agua. De lo contrario, este factor podra esconder cualquier vnculo entre la temperatura y el crecimiento.La relacin entre la variable independiente y la variable dependiente es la base de la mayora de laspruebas estadsticas, que establecen si existe una verdadera correlacinentre las dos. Losresultadosde estas pruebas permitirn al investigador aceptar o rechazar lahiptesis nulaysacar conclusiones.

rbol de decisin

Unrbol de decisines un modelo de prediccin utilizado en el mbito de lainteligencia artificial. Dada unabase de datosse construyen diagramas de construcciones lgicas, muy similares a los sistemas de prediccin basados en reglas, que sirven para representar y categorizar una serie de condiciones que ocurren de forma sucesiva, para la resolucin de un problema.Un rbol de decisin tiene unas entradas las cuales pueden ser un objeto o una situacin descrita por medio de un conjunto de atributos y a partir de esto devuelve una respuesta la cual en ltimas es una decisin que es tomada a partir de las entradas. Los valores que pueden tomar las entradas y las salidas pueden ser valoresdiscretoso continuos. Se utilizan ms los valores discretos por simplicidad, cuando se utilizan valores discretos en las funciones de una aplicacin se denomina clasificacin y cuando se utilizan los continuos se denomina regresin.Un rbol de decisin lleva a cabo un test a medida que este se recorre hacia las hojas para alcanzar as una decisin. El rbol de decisin suele contener nodos internos, nodos de probabilidad, nodos hojas y arcos. Un nodo interno contiene un test sobre algn valor de una de las propiedades. Un nodo de probabilidad indica que debe ocurrir un evento aleatorio de acuerdo a la naturaleza del problema, este tipo de nodos es redondo, los dems son cuadrados. Un nodo hoja representa el valor que devolver el rbol de decisin y finalmente las ramas brindan los posibles caminos que se tienen de acuerdo a la decisin tomada.En eldiseo de aplicaciones informticas, un rbol de decisin indica las acciones a realizar en funcin del valor de una o varias variables. Es una representacin en forma de rbol cuyas ramas se bifurcan en funcin de los valores tomados por las variables y que terminan en una accin concreta. Se suele utilizar cuando el nmero de condiciones no es muy grande (en tal caso, es mejor utilizar una tabla de decisin).

rbol de decisinDe forma ms concreta, refirindonos al mbito empresarial, podemos decir que los rboles de decisin son diagramas de decisiones secuenciales nos muestran sus posibles resultados. stos ayudan a las empresas a determinar cules son sus opciones al mostrarles las distintas decisiones y sus resultados. La opcin que evita una prdida o produce un beneficio extra tiene un valor. La habilidad de crear una opcin, por lo tanto, tiene un valor que puede ser comprado o vendido. El riesgo supone un hecho externo al sujeto econmico, que puede acontecer o no en algn momento determinado. Por lo que el riesgo puede ser contemplado como elemento de incertidumbre que puede afectar a la actividad empresarial, pudiendo ser motivado por causas externas o internas a la empresa.

Conclusin En el anlisis de sensibilidad financiera se ocupan diferentes conceptos la incertidumbre vara para cada sujeto y para cada actividad a desarrollar. Esta diferencia cualitativa y cuantitativa de intensidad de la incertidumbre se encuentra relacionada con el grado de informacin e identificacin del problema. La nica forma de reducir el riesgo o al menos sus consecuencias, se consigue mediante su identificacin lo ms clara posible, lo que permite poner en marcha todas aquellas acciones necesarias para intentar anularlos o minimizarlos con el uso de los conocimientos y de las tcnicas que han servido para convertir, en algn grado, los riesgos en previsibles. Por lo que riesgo tambin se puede definir comola valoracin econmica de la incertidumbre.De forma ms concreta, refirindonos al mbito empresarial, podemos decir que los rboles de decisin son diagramas de decisiones secuenciales nos muestran sus posibles resultados. stos ayudan a las empresas a determinar cules son sus opciones al mostrarles las distintas decisiones y sus resultados

Bibliografa [1]Pellerejo Castillo, M Pilar. (1996).Hechos futuros: Un estudio de su registro y valoracin contable.Tcnica Contable. n 568, abril. Pag. 234-235.[2]AECA. (1988).Provisiones, contingencias y acontecimiento posteriores al cierre de los estados financieros.Pag. 27.

[3]Martnez Churiaque, Jos Ignacio. (1985).Contabilidad y contingencias empresariales. Revista Espaola de Financiacin y Contabilidad. N 46, enero/abril. Pag. 159.http://centrodeartigo.com/articulos-noticias-consejos/article_138319.html

https://explorable.com/es/variable-independiente