9i EVALUACION DEL RIESGO EN PROYECTOS MINEROS

.
1 INTRODUCCION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351
2. VARIABLES QUE APORTAN RIESGO E INCERTIDUMBRE A
LOS PROYECTOS MINEROS . . . . . . . . . . . . . . . . . . . . . . . . 352
2.1. Variables vinculadas al yacimiento . . . . . . . . . . . . . . . . . . 353
2.2. Variables vinculadas a la operación minera . . . . . . . . . . . . 354
2.3. Variables vinculadas al mercado y al contexto exterior . . . . . 354
.
3 ANALlSlS DE SENSIBILIDAD . . . . . . . . . . . . . . . . . . . . . . . . 358
4. ELEMENTOS DE ANALlSlS DE DECISIONES . . . . . . . . . . . . . . 361
4.1. Conceptos básicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
4.2. Situaciones de riesgo . . . . . . . . . . . . . . . . . . . . . . . . . . 362
4.3. Función de utilidad o preferencia . . . . . . . . . . . . . . . . . . 363
4.4. Estimación de probabilidades . . . . . . . . . . . . . . . . . . . . . 366
5 . ANALISIS DE VALOR ESPERADO . . . . . . . . . . . . . . . . . . . . 366
5.1. Proceso de cálculo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366
5.2. Arboles de decisión . . . . . . . . . . . . . . . . . . . . . . . . . . . 367
5.3. Crítica del análisis de valor esperado . . . . . . . . . . . . . . . . 371
.
6 ANALlSlS DE SUPERVIVENCIA . . . . . . . . . . . . . . . . . . . . . . 372
7 . ANALlSlS DE RIESGO . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.1. Variables aleatorias . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.2. Método de Montecarlo . . . . . . . . . . . . . . . . . . . . . . . . .
7.3. Muestreo aleatorio . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.4. Determinaciór! de las funciones de distribución . . . . . . . . . .
7.5. Explotación de los resultados . . . . . . . . . . . . . . . . . . . . .
7.6. Método R.S.C. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.6.1. Definición de las variables aleatorias . . . . . . . . . . . .
7.6.2. Cálculo de las desviaciones de TRI . . . . . . . . . . . . . .
7.6.3. Composición de efectos . . . . . . . . . . . . . . . . . . . .
7.6.4. Determinación de la distribución de TRI . . . . . . . . . .
.
8 BIBLIOGRAFIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 391
Evaluación del riesgo en proyecto mineros

1. Introducción embargo, esta TRI se producirá realmente sólo en el

caso en que dichos seis datos básicos tomen efecti-
En el tratamiento del análisis económico se vamente los valores estimados. Si cada una de las
suponía que los valores de todas las cantidades se estimaciones tiene una probabilidad del 70 por 100
conocían con certeza. Los factores de riesgo e de aproximarse suficientemente a la realidad, la
incertidumbre quedaban, pues, fuera del estudio. probabilidad de que la TRI sea, en efecto, el 32 por
100 es (0,7)6 = 0,12, es decir sólo el 12 por 100,
Evidentemente, nunca existe certeza total y es supuesto que dichos datos sean mutuamente inde-
frecuente que la incertidumbre sea bastante conside- pendientes. Este cálculo simplista pone de manifiesto
rable, como ocurre, por ejemplo en los proyectos que el logro de la TRI calculada depende en realidad
mineros. Es una práctica frecuente realizar un análisis de una coincidencia de circunstancias bastante poco
económico exclusivamente determinístico - e s t o es probable. Se puede concluir que, en general, una
en condiciones de certeza supuesta- y tomar en cifra única de rentabilidad no es información
consideración el riesgo y la incertidumbre de una suficiente para decidir.
forma intuitiva, no cuantificada, confiando en la En el análisis de todo proyecto existen siempre unos
experiencia, la formación y el criterio del decisor. elementos de incertidumbre y riesgo, que pueden ser
Es posible otra forma más rigurosa de proceder, esenciales en el proceso de la toma de decisión. Es
consistente en cuantificar los factores de incerti- indispensable, por tanto, aplicarles un tratamiento
dumbre y riesgo e introducirlos en el análisis formal, cuantitativo tan riguroso, si fuera posible, como el
que se convierte así en un análisis probabilíctico. utilizado en la evaluación económica.
Esto no excluye la influencia decisiva de las aprecia- En este capítulo se van a exponer los métodos
ciones subjetivas del decisor, pero hace actuar a éste más aceptados para analizar las decisiones de
con más rigor, aportándole una valoración cuantita- inversión en situaciones de riesgo. Estos métodos
tiva de los aspectos probabilísticos del problema. pueden clasificarse en las siguientes familias:
La aplicación de modelos probabilísticos proporcio- A. Análisis de sensibilidad. Trata de responder a la
na, en consecuencia, una base mucho más segura pregunta "¿que sucedería si...?, estudiando el efecto
para la toma de decisiones. Algunos ejemplos de alteraciones en datos que determinan el valor
simples contribuirán a ilustrarlo. económico del proyecto. Su fundamento y manejo
Supóngase que hay que decidir entre dos proyectos son extraordinariamente simples y su aplicación es
que requieren una misma inversión, cuyas TRI muy útil. Es el más utilizado, muchas veces junto con
respectivas son el 20 por 100 y el 15 por 100. En alguno de los que van a mencionar a continuación.
condiciones de certeza se preferiría el proyecto A, B. Análisis de valor esperado. Busca una media
que es el de mayor TRI. Ahora bien, jestaría justifica- ponderada del valor económico del proyecto,
da esta decisión si se supiera que la probabilidad de según los acontecimientos que puedan producirse
éxito del proyecto A es el 60 por 100 y la del B el y sus probabilidades respectivas.. Proporciona una
90 por 100?. Por tanto, es esencial para la toma información muy valiosa para la toma de decisio-
de decisiones conocer, no sólo la rentabilidad nes. Es, por ejemplo, una herramienta tradicional
de las diversas opciones, sino también el riesgo de las compañías de seguros, cuyo negocio tiene
asociado con cada una de ellas. su base en la gestión adecuada del riesgo.
Considerese en segundo lugar un proyecto cuyo C. Análisis de supervivencia. Investiga el riesgo de
valor económico queda determinado por seis pérdida del capital invertido en proyectos. En cierto
datos básicos. Se han estimado los valores más modo complementa al anterior, ya que un proyecto
probables de dichos datos con una precisión puede tener un VAN esperado ositivo, pero puede
suficiente y, realizado el análisis económico, se P
existir una probabilidad de que racase y ocasione un
quebranto económico inaceptable.
obtiene una atractiva TRI del 32 por 100. Sin
D. Análisis de riesgo. La disponibilidad de or- que puede tomar una variable o parámetro caracte-
denadores ha permitido la aplicación de nlétodos rístico del proyecto. La incertidumbre percibida en
de simulación aleatoria, que requieren la repeti- el momento de tomar la decisión de inversión,
ción de un mismo proceso de cálculo cientos o generalmente, aumenta conforme lo hace el hori-
miles de veces sobre un modelo matemático zonte temporal considerado para las estimaciones
adecuado. Proporciona una imagen muy completa futuras, tal como se muestra en la figura 2, para una
del valor económico y del riesgo de un proyecto. componente " X " del flujo de fondos.
Permite un manejo sistemático del riesgo, bien
para reducirlo en lo posible o para valorar y
comparar con rigor los riesgos que se aceptan.
A lo largo del capítulo se irán intercalando repa-
sos breves de las nociones de Análisis de Decisio-
nes, Cálculo de Probabilidades y Estadística que
son indispensables para la comprensión y aplica-
ción de los diversos métodos expuestos.

2. Variables que aportan riesgo

e incertidumbre a los proyec- TIEMPO

tos mineros Figura 2.- Incertidumbre percibida para una componente del
flujo de fondos en el instante de decisión de la
El primer paso en el análisis de riesgo de un proyec- inversión.
to minero de inversión consiste en identificar las
fuentes de incertidumbre, que son aquéllas que
intervienen realmente como variables aleatorias.
Atendiendo a su origen, es posible subdividirlas en
tres grupos:
- Vinculadas al yacimiento.
- Vinculadas a la operación minera.
- Vinculadas al mercado y contexto exterior. ,/ m
Los dos primeros grupos pueden calificarse como IN8TANTT DE COYICNZO DI! F I N A L DL LA WM
fuentes internas de incertidumbre y el tercero DECIaION DE
UI N V C ~ N
L A CRODUCCION DE L A MINA

como una fuente externa.

Figura 3.- Resolución de la incertidumbre de una variable en
diferentes etapas de desarrollo del proyecto.

Por el contrario, una vez puesto en marcha el

proyecto y conforme se progresa a lo largo de la
vida de este se mejorará el conocimiento de
algunas variables, fundamentalmente las relaciona-
das con el yacimiento y la operación minera,
consiguiendo disminuir la incertidumbre aportada
por algunas de esas componentes.
Las causas principales de los cambios fortuitos en
la economía de las explotaciones mineras se
encuentran, básicamente, en:
- La falta de información suficiente.
- La falta de control sobre determinadas varia-
bles.
Aunque no se llegue a incurrir en pérdidas,
pueden provocar que no se alcancen los objetivos
previstos y que ello se traduzca en una merma de
la rentabilidad global del proyecto.

Las actuaciones para disminuir tal riesgo pasan por:

Figura 1 .- Fuentes de incertidumbre en un negocio minero.
- Una estimación más detallada de los paráme-
Tal como se verá seguidamente, la incertidumbre tros que intervienen en la economía del pro-
puede visualizarse mediante una función de yecto y la identificación de los que aportan
densidad de probabilidad de los posibles valores mayor incertidumbre.
- La elaboración de un sistema de gestión que Entre las variables ligadas al yacimiento que
permita establecer la estrategia de actuación aportan incertidumbre se encuentran.
frente a diferentes acontecimientos o escenarios.
- Los recursos totales y las reservas explotables.
A continuación, se describen las variables que por
su mayor aleatoriedad, individual o conjuntamen- - Las leyes o calidades de los minerales a benefi-
te, originan la aparición de inseguridad en los ciar.
resultados económicos de un negocio minero. - Las características mineralógicas de la mena.
- La disposición y variabilidad espacial de las
masas mineralizadas.
2.1. Variables vinculadas al yacimiento - Las propiedades geomecánicas e hidrogeoló-
Dejando a un lado el riesgo económico de las gicas de los macizos rocosos, etc.
actividades de investigación minera, en las que las La cantidad de reservas explotables condiciona
posibilidades medias de éxito, es decir de llegar a la vida de las minas y, consecuentemente, las
una mina rentable, son extremadamente pequeñas
frente a los trabajos infructuosas, incluso con la capacidades anuales de extracción. Por lo general,
los horizontes temporales de los proyectos rnine-
mejor gestión del equipo investigador; por parte del ros suelen ser mayores que los planificados, ya
yacimiento la incertidumbre económica proviene de que estos últimos se establecen, por lo común, a
que en el proceso de evaluación se llega a un partir de los recursos mejor conocidos, (figura 4),
solución de compromiso entre el conocimiento del y en el transcurrir del tiempo recursos de otras
depósito y el coste de los trabajos de investigación categorías pasan a transformarse en reservas
y evaluación. explotables.
El empresario minero a la hora de evaluar el interés
económico de un depósito va a disponer de un Aunque siempre es posible efectuar inversiones
conocimiento de este limitado. A partir de unos adicionales para ampliar la capacidad de las
pocos datos de muestras obtenidas en la investiga- instalaciones, estas pueden resultar muy costosas,
ción se ha inferido toda una globalidad, mediante y en algunos casos hasta inviables, si no se han
técnicas de interpolación, hasta crear el modelo de contemplado desde los primeros momentos. Si,
yacimiento. Estas técnicas implican siempre errores, por el contrario, se comprueba una disminución
que dependen de la variabilidad de las diferentes de las reservas explotables, los resultados previsibles
características de muestre0 y de la propia técnica de del proyecto se modificarán desfavorablemente: si
estimación. La geostadística, como ya se ha indicado se mantiene el ritmo de producción la vida operati-
en el Capítulo 3, permite efectuar las evaluaciones y va se acortará, y si se reduce la capacidad de
calcular la distribución de probabilidad de los errores extracción. para mantener la vida prevista los
que afectan a las reservas y a las leyes. ingresos anuales disminuirán, la amortización se

CATEGORIA DE
PROYECTO RESERVAS NECESARIAS ( Y t ) LAS RESERVAS
m 1 ' m
iMedidas
i Indicados a

10 IS 20 25 30 35 40 45 n Inferidas

Figura 4.- Cambio de la vida y rentabilidad de una mina al considerar recursos de varias categorías.
mantendrá y los gastos de explotación se altera- Por último, indicar que en determinados emplaza-
r6n en la medida que sus componentes fijas y mientos puede existir un riesgo natural o de fuerza
variables tengan mayor o menor peso en la mayor como es el caso de zonas de intensa actividad
estructura del coste. sísmica, de frecuentes inundaciones, avalanchas, etc.
Las leyes de los minerales y sus características
mineralúrgicas son factores clave en la consecución 2.2. Variables vinculadas a la
a
de los in resos previstos, tanto por la producción
consegui a como por la calidad de ésta. Un desco-
nocimiento de esas variables puede conducir a un
operación .minera
Las fases de construcción y puesta en marcha de
cambio en los procesos de tratamiento, afectando las operaciones mineras constituyen una etapa crítica
no sólo a los costes de operación, sino incluso a las y un factor de riesgo muy importante, ya que
propias recuperaciones mineralúrgicas. marcarán la fecha de comienzo de la producción y,
La ley de los minerales interviene directamente en por consiguiente, el momento en que se generarán
las fórmulas de valoración de los productos a co- los ingresos previstos en el proyecto. A ese período
mercializar , y en el caso de los metales nunca se de construcción y arranque, hay que sumar el
deberá olvidar la posible presencia de impurezas o dedicado a la localización, investigación y evaluación
contaminantes en los concentrados, susceptibles de del yacimiento, y el tiempo necesario para efectuar
penalizar el valor de dichos productos. los estudios técnicos pertinentes, buscar la financia-
ción, etc. Con todo ello, los plazos de maduración,
La morfología del yacimiento y las irregularidades superiores casi siempre a los 5 ó 10 años, son
de este influyen sobre: el diseño e infraestructura de mucho más dilatados que en otras industrias, y
las explotaciones, los sistemas de arranque, el grado mientras transcurre el tiempo aumentan los riesgos
de aprovechamiento de los recursos existentes, los potenciales del mercado, tendencias de consumo,
porcenta'es de dilución, etc. En algunas situaciones
d
la falta e información ha obligado a un cambio de
método o sistema con importantes consecuencias
alternativas de sustitución, etc.
En lo referente a la propia operación minera. ésta
económicas. se caracteriza por su rigidez, que es incoparablemten
De igual manera actúan las características geo- mayor que en otas actividades industriales, y dentro
mecánicas e hidrogeológicas, tanto en el diseño del sector minero superior en las labores subterrá-
geométrico de las minas como en los propios costes neas que en las de cielo abierto. Esto impide reaccio-
de explotación, de drenaje, etc. En la fi ura 5 se nar con la velocidad necesaria ante cambios bruscos
presenta un ejemplo de los niveles de con lanza que
corresponden a los factores de seguridad de diferen-
9 del entorno económico que las rodea.
Por otro lado, a pesar del mayor grado de meca-
tes ángulos de talud en una mina a cielo abierto. nización a que se han visto sometidas las opera-
ciones mineras, la componente de la mano de
F A C T O R DE SEGURIDAD
obra sigue siendo aún muy elevada, y ésta se
d, encuentra sometida a una mayor probabilidad de
accidnetes por las condiciones en que se llevan a
cabo los trabajos. La necesidad de mano de obra
especializada constituye, en explotaciones con una
implantación geográfica aislada, un serio proble-
ma, con una incidencia que se refleja, a corto
plazo, enlos rendimientos, la productividad y la
accidentabilidad dentro de las minas.
Por último, existe un riesgo tecnológico derivado
del hecho de que al no existir yacimientos iguales,
cada operación precisa equipos y sistemas que
tienen que tantearse y probarse, con lo cual se
A N G U L O DE TALUD ( O )
inicia una cadena de actividades con un grado de
acierto final difícol de predecir.
Figura 5.- Resultados probabilísticos de un análisis de
estabilidad realizado en una mina a cielo abierto.

Cualquier variación negativa de la pendiente estable 2.3. Variables vinculadas al mercado y

de los taludes se traduce en sobreexcavaciones con al contexto exterior
un aumento del ratio estéril a mineral o en un Entre las variables que pueden hacer más vulnera-
sobrecoste de las labores de sostenimiento, que ble la estabilidad económica de un proyecto
pueden resultar prohibitvos para la economía del minero destaca la cotización de las materias
proyecto. Paralelamente, puede aumentar el riesgo
de deslizamientos con repercusiones directas sobre primas. Estimar los precios de venta de las sus-
la seguridad del personal y productividades previstas. tancias a producir, bastantes años antes de la
puesta en marcha de las minas y durante el
La presencia de agua implica cuantiosas inversiones período operativo de éstas, resulta una de las
en obras de drenaje y desagüe, así com elevados tareas más difíciles, si no la que más, en la etapa
costes de bombeo durante la explotación. de estudio de viabilidad de una explotación.
La mayoría de las materias primas minerales presen- progresivo de los yacimientos ricos, pues se hace
tan evoluciones de los precios extremadamente necesario ir a mayores ritmos de producción para
irregulares, con fuertes altibajos que repercuten aprovechar el efecto de economías de escala para
negativamente en la marcha económica de cualuqier disminuir los costes de explotación; al desarrollo
empresa, figura 6. La tendencia de los precios, en de minas en áreas inaccesibles o remotas que
moneda constante, de un gran número de sustan- requieren la construcción de un gran número de
cias, superior a cincuenta, ha sido ligeramente obras de infraestructuras; a la complejidad de las
decreciente durante el último cuarto de siglo, con instalaciones mineras y mineralúrgicas para el
una irregularidad media en torno al + 30 por 100. beneficio de minerales cada vez más difíciles; al
En el caso de España, los precios medios en mayor grado de mecanización con vistas a reducir
pesetas constantes, desde 1973, revelan que los los costes de extracción, etc.
minerales energeticos y los no metálicos se han El hecho de tener que acudir a los mercados
revalorizado, aunque estos últimos con unas financieros exteeriores para obtener los recursos
oscilaciones individuales mucho más brucas. Los económicos necesarios, superiores en algunos
minerales metálicos han sufrido una notable casos al 50 por 100 de la inversión total, introdu-
depreciación, sobre todo si se prescinde del oro y ce una componente de riesgo debido a las varia-
la plata, y las rocas industriales y ornamentales ciones en eltipo de cambio y tipos de interés. La
muestran una aparente estabilidad, tal vez debido previsión de estas variaciones no resulta fácil, ya
a que en muchos casos se confunden los precios que influyen numerosos factores: balanza de
de venta con los costes de explotación dentro de pagos, inflación, política fiscal, política monetaria,
las empresas autoabastecidas. intervención de los bancos centrales, movimientos
de los precios del petróleo, conflictos bélicos, etc.
Si se observa la evolución, a lo largo de los cinco
últimos años, de las fluctuaciones en el tipo de
cambio de las seis divisas importantes en relación a
la peseta se puede constatar la volatilidad del yen y
el dolar USA, la evolución paralela de los tipos de
cambios del ecu y el marco respecto a la peseta y la
menor apreciación del ecu frente a la pesetas, con
respecto al marco y al yen, figura 7.
El análisis sucinto de las curvas de tipo de interés
refleja también la importante volatilidad de los
tipos del dólar USA y el yen, así como la progresi-
va acomodación de tipos de interés del ecu con
la del marco, figura 8.
Considerando estos factores determinantes, se
Figura 6.- Evolución de las cotizaciones del cobre yel
puede efectuar el cálculo del coste efectivo que
aluminio. para un prestatario español supondría obtener
financiación en diferentes divisas y evaluar el
La evolución de los precios de las sustancias riesgo de acudir a un determinado mercado.
minerales puede ser descompuesta, de una forma
general, según tres horizontes: Además de la financiación exterior que es necesaria
para los grandes proyectos, es preciso, por otro lado,
- A corto plazo. Las oscilaciones de las cotizacio- tener en cuenta que parte de los equipos mineros y
nes son fruto de los movimientos especulativos algunos servicios van a tener que importarse de
originados por las espectativas de los agentes países industrializados (Estados Unidos, Alemania,
de bolsa y movimientos de los stocks. Gran Bretaña, etc.) y que los precios de las materias
- A medio plazo. Se manifiesta la evolución cíclica primas minerales se fijan, normalmente, en bolsas
de los precios, que suele estar relacionada con los internacionales con cotización expresadas en la divisa
ajustes entre producción y consumo y con la del país anfitrión.
coyuntura económica de los países industrializa-
dos. Todo esto hace que en algunos proyectos inter-
vengan hasta tres divisas diferentes y que sea
- A largo plazo. Depende de la existencia de necesario contemplar las correspondientes partidas
fenómenos de sustitución en el consumo de monetarias.
la sustancia considerada y de la evolución del
coste marginal de la producción. El régimen fiscal minero constituye otro factor de
riesgo, ya que se utiliza por algunos gobiernos
Otra fuente de incertidumbre es la procedente de para incentivar o influir en el comportamiento de
la financiación del proyecto. La industria minera las compañías mineras, por ejemplo, en la investi-
se caracteriza por su elevada intensidad de capi- gación de determinadas sustancias o áreas decla-
tal, debido a las mayores dimensiones de los radas prioritarias, en el aprovechamiento más
proyectos como consecuencia del agotamiento racional de los recursos, etc.
 Figura 7.- Variaciones de los tipos de cambio. PTAfdivisas. Medias mensuales desde
Enero de 1984 a Diciembre de 1988.

Figura 8.- Interés del Euromercado a tres meses. Medias mensuales desde Enero de
1984 a Diciembre de 1988.

Las clases de impuestos son muy variadas, tal de la evolución seguida por las cotizaciones de las
como se expone en el Capítulo 11, y su aplica- materias primas y, por otro, si la actividad minera
ción no siempre está sometida a un esquema implica la participación de varios países existen
rígido, sobre todo si se tiene en cuenta la posibili- desequilibrios inflacionistas que aportan una
dad de algún cambio durante los período pro- mayor incertidumbre a las evaluaciones.
ductivos y de actividad económica de las
minas. Los factores políticos pueden inducir efectos impre-
decibles sobre la industria minera y condicionar, por
La inflación es un fenómeno al que la industria tanto, el desarrollo de nuevos proyectos o la marcha
minera no ha escapado y ue su incorporación al de los ya iniciados, especialmente cuando las invers-
9
análisis de los proyectos di iculta la realización de
los mismos. Por un lado, los índices de precios de
iones se realizan fuera del país de la empresa pro-
motora. Entre las fuentes de incertidumbre política
los componentes principales de los costes difieren caben destacar las siguientes:
- La estabilidad o el régimen del partido en el - Las restricciones en la repatriación de capital o
poder. beneficios, etc.
- La situación laboral y la política salarial en el
país. Son varias las técnicas utilizadas para identificar y
ponderar los factores políticos de riesgo dentro de
- Las relaciones internacionales con otros países un país, pero su estudio se escapa del alcance de
suministardores de equipos, compradores de esta obra. Una primera aproximación puede
materias primas, etc. consistir en el empleo de los índices de riesgo
- Las limitaciones de participación de capital estandarizados que se publican periódicamente
extranjero. por instituciones o tratadistas para cada país,
según la sustancia explotada y el nivel de produc-
- Las posibles nacionalizaciones en sectores ción global del mismo. En las tablas 1 a 4, puede
básicos. verse el nivel de riesgo para el caso del cobre, el
plomo, el cinc y el oro.
- Los requerimientos para usar productos nacio-
nales o locales. Un breve análisis de estas tablas pone de mani-
fiesto que más del 80 por 100 de la bauxita, el
- La aplicación de medidas ambientales restrictivas. oro, el níquel, la plata y el estaño se producen en
- Las medidas económicas que afecten a las países con un riesgo político entre medio y alto;
paridades de las monedas. y que más del 20 por 100 de la bauxita, el
estaño y el cinc se obtienen de países con un
- Las discriminaciones fiscales. riesgo político muy alto.

Tabla 1
COBRE: Nivel de producción (miles de toneladas)
Muy Bajo Bajo Medio Alto Producción
(0-1,5) (1,5-32.0) (32,O-185.0) (185,O-1.300,O) (%)

Bajo Alemania Federal Irlanda Finlandia Estados Unidos 21,5

Taiwán Noruega
Italia
Medio Ecuador Malasia México Chile 72,6
Corea del Sur Turquía lndonesia Canadá
Francia India España Zambia
Israel Marruecos Japón Za ire
Portugal Suecia Perú
Filipinas
Australia
Sudáfrica
Alto Argelia Zimbabwe China 5,9
Argentina Bolivia Yugoslavia
Irán Rumanía

Tabla 2
ORO: Nivel de producción (miles de toneladas)

Muy Bajo Bajo Medio Alto Producción

(0-15,O) (15,O-70,O) (70,O-250,O) (250.0-22.000,O) (%)

Bajo Taiwán Finlandia Estados Unidos 3,5

Alemania Federal
Medio Portugal lndonesia México Sudáfrica 87,7
Zambia Francia Perú Canadá
Nueva Zelanda Corea del Sur Chile Filipinas
Malasia Venezuela Japón Australia
Ecuador Costa Rica España Colombia
lndia
Za ire
Suecia
Alto Ar entina Nicaragua China Brasil 83
El talvador Rumanía Yugoslavia Zimbabwe-
Bolivia Rep. Dominicana
 Tabla 3
PLOMO: Nivel de producción (miles de toneladas)

Muy Bajo Bajo Medio Alto Producción

(0-5,O) (5,O-20,O) (20,O-90,O) (90,O-650,O) (%)

Bajo Austraia Italia Irlanda Estados Unidos 27,4

Noruega Alemania Fed.
Gran Bretaña
Finlandia
Medio Filipinas Tailandia España Australia 57,4
Chile Zambia Suecia Canadá
Ecuador Corea del Sur Japón Perú
Colombia India Francia México
Túnez Grecia Marruecos
Turquía Sudáfrica

Alto Argelia Bolivia Rumanía China 15,2

Irán Argentina Yugoslavia
Brasil

Tabla 4
CINC: Nivel de producción (miles de toneladas)

Muy Bajo Bajo Medio Alto Producción

(O-21,O) (21,O-55,O) (55,O-175,O) (175,O-1.200,O) (%)

Bajo Australia Noruega Alemania Fed. Estados Unidos 24,O

Italia Irlanda
Finlandia
Medio Marruecos Francia Za ire Canadá 65,O
Filipinas Turquía Sudáfrica Perú
Túnez Grecia Corea del Sur Australia
Chile India México
Tailandia Zambia Japón
Ecuador España
Colombia Suecia
Alto Argelia Rumanía China 11,0
Argelia Yugoslavia
Irán Brasil
Bolivia
A

Fuentes: FROST & SULLIVAN WORLD POLITICAL RlSK FORECAST, Agosto 1982. ANUARIO ESTADISTICO DEL INSTITUTO
AMERICANO DE METALES, 1980.

3. Análisis de sensibilidad o algunos de los parámetros o variables (inversio-

nes, costes de operación, ingresos, vida, etc.)
sobre los diferentes índices que miden la rentabili-
Los valores de las variables que se utilizan para dad del proyecto (VAN, TRI, etc.).
llevar a cabo las evaluaciones económicas de los
proyectos pueden presentar desviaciones, con Estos análisis permiten también identificar aquellas
efectos nefastos en los resultados futuros. Los variables ue tienen un mayor impacto en el
análisis de sensibilidad sirven para investigar la
influencia de una variación en el valor de alguno
?
resultado, rente a distintos grados de error en su
estimación, ayudando a decidir acerca de la
conveniencia de realizar estudios más profundos económico no tiene por qué ser lineal, y por ello
de esas variables críticas, con el objeto de mejorar se aconseja que se estudie más de una hipótesis
las estimaciones, reducir el grado de riesgo por de cambio intermedia en cada sentido y para
error, o buscar otra estrategia de actuación. cada una de las variables.
La repercusión que un error en una variable tiene
sobre el resultado de la evaluación varía, depen-
diendo del momento de la vida del proyecto en
que ese error se cometa. El valor temporal del
dinero explica qué errores de los flujos de caja en
los períodos finales tengan menor influencia que
aquéllos que se producen al comienzo de los
proyectos. Sin embargo, son más frecuentes las
equivocaciones en las estimaciones futuras,por lo
incierta que resulta la previsión de cualquier
variable incontrolable, como, por ejemplo, las
cotizaciones de un determinado metal o producto.
e-...... :::\
--*-.: CASO BIS L42:.or

Dependiendo del número de variables que se modifi- 2&4 %

"".4c.ty4',z4c,
v.*.-.?.-
quen simultáneamente, los análisis de sensibilidad se
clasifican en unidimensionales o multidimensionales.
En el análisis unidimensional, que es el que más se ./.
'*+
%.%:3?c,A
aplica, se modifica una sola variable, manteniendo
las demás constantes; mientras que en el multidi-
mensional se examinan los efectos que sobre un
criterio económico tiene el cambio simultáneo de
dos o más variables significativas.
La forma habitual de llevar a cabo los análisis de
sensibilidad unidimensionales consiste en establecer 1 /,
-15
I
-10
I
-5
1
5 10
1 1
15
I
unos cambios arbitrarios, por ejemplo del -20 por O h DE VARIACION EN LOS PARAME-
100, - 10 por 100, + 10 por 100 y + 20 por 100, TROS DEL PROYECTO
para cada una de las variables que se consideran
importantes en el proyecto y evaluar para cada Figura 9.- Gráfico d e análisis de sensibilidad.
hipótesis la variación que sufre el criterio económico
empleado. Generalmente, la magnitud en que se
altera cada variable se suele mantener constante a lo Otra aplicación de los análisis de sensibilidad
largo de la vida del proyecto, pero es posible ajustar unidimensionales es la de determinar la magnitud
los coeficientes de variación a los niveles de confian- del cambio que tendría que sufrir una variable
za de las estimaciones, ya que, como se ha indicado, para invertir la decisión del promotor minero o, lo
estos serán mayores en los primeros años de opera- que puede ser equivalente, para que el proyecto
ción del proyecto y menores en los últimos períodos dejara de ser rentable.
de explotación. La relación entre los porcentajes de
cambio del criterio de evaluación y de la variables El análisis de sensibilidad multidimensional trata de
investigada medirá la sensibilidad de cada una de investigar como varían los criterios económicos
ellas. empleados frente a cambios simultáneos de los
valores de dos o más variables. En la figura 10, se
Es conveniente representar en un gráfico la observa el caso de un proyecto de cobre en el que
colección completa de los resultados del análisis se estudia la influencia sobre la TRI de dos variables,
de sensibilidad. La figura 9, corresponde a un la ley del mineral y la cotización del metal.
proyecto minero en el que las variables estudiadas
son: los ingresos por ventas, los costes de capital, Si se consideraran todos los cambios de las principa-
los costes de operación y las reservas explotables, les variables de un proyecto, el número de hipótesis
suponiendo el ritmo de extracción fijado. El de cálculo sería muy elevado. Por ejemplo, si se
criterio económico empleado es la TRI, con un contemplan 5 variables y cada una de ellas con cinco
valor de 25.4 para el caso base. valores posibles, el número total de combinaciones
El grado de sensibilidad es directamente propor- que resultaría de 3.125, lo que implicaría un mayor
cional a la pendiente de cada recta o segmento, tiempo de cálculo y mayor coste del análisis.
por lo que la variable que más influye es la de
ingresos, como suele ser frecuente en los proyec- Un método de análisis multidimensional, poco
tos mineros, y que dependerá del volumen de las aplicado pero de gran interés técnico, es el
ventas y del precio del producto .en el momento conocido como "método multifactorial ", que
de efectuar éstas. En el análisis de muchos yaci- consiste en: una vez efectuado los cálculos de los
mientos se ha demostrado que después de los criterios económicos para ocho grupos de variacio-
ingresos, los costes de operación inciden de nes -en el caso de tres variables en estudio-,
manera muy significativa en la rentabilidad de la ajustar una ecuación polinómica mediante una
inversión. La tendencia de variación del criterio regresión lineal múltiple.
 Tras efectuar el ajuste de esta ecuación, se pres-
cinde de los términos que estadísticamente no son
significativos. Así, para los valores indicados en la
Tabla 5, que pertenecen al proyecto de una mina
de oro, resultan las siguientes ecuaciones para el
VAN y la TRI:

,,Y, = 0,644 + 2.495 X, - 0,617 X, - 1,231 X3, y

Y,, = 4,379 + 1,562 X, - 0,377 X, - 1,390 X, +

+ 0,001 X, . X, - 0,012 X, . X, + 0,0025 X, . X,

donde ,,Y! y YTRlindican la variación porcentual

de los criterios económicos respectivos.
1 I I L
0,s 0,4 0,5 OP Estos modelos predicen muy bien la respuesta del
LEY DEL MINERAL ('/O)
proyecto frente a un cambio en una sola variable o
un cambio simultáneo de dos o más variables,
Figura 10.- Sensibilidad de la TRI a cambios simultáneos de considerando que entre estas no existe interde-
la ley del mineral y precio del metal vendible. pendencia. Asimismo, permiten identificar aquellas
variables cuya modificación tienen una mayor reper-
cusión económica y clasificarlas según su influencia.
Y=a,+a, .X,+a,.X,+a,.X,+a,,.X, .X,+ En el ejemplo indicado en la Tabla 5, la variable que
tiene un mayor peso es el precio del oro, seguida de
+ a,, . X, . X, + a, . X, . X, + a,, . X, . X, . X, los costes de capital y costes de operación.

Tabla 5
Análisis de sensibilidad de un proyecto por el método multifactorial

Variables VAN TRI (%) Experimental

Caso
No X1 X2 X3 Experimental Estimado Experimental Estimado PR PR

1 - - - 19.867.070 19.888.684 45,lO 45,14 l,88 2,89

2 + - - 42.691.463 42.670.672 75,77 75,75 2,90 2,67
3 - + - 14.382.754 14.360.966 37,46 37,43 1.64 2,94
4 + + - 37.039.683 37.060.145 68.72 68,76 2,65 2,70
5 - - + 8.794.614 8.773.643 24,55 24,52 1,26 3,08
6 + - + 31.451.543 31.472.823 46,84 46,87 1,93 2,86
7 - + + 3.142.834 3.163.116 18,52 18,55 1,09 3,13
8 + + + 25.799.763 25.799.032 41,64 41,62 1,77 2,89

Donde: Variables Cambio negativo Cambio ositivo

(-) <+Y
X1 = Precio del oro -20% +20%
X2 = Costes de operación -20% +20%
X3 = Inversión de capital -20% +20%

( ) +/- % Cambio con respecto a la situación del proyecto base.

PR = Período de Retorno.
PRA = Período de Retorno Actualizado.
 Figura 11.- Análisis de sensibilidad de la TRI con el método multifactorial

Aunque los modelos matemáticos tienen numero- conveniente disponer de más información acerca
sas ventajas, las representaciones gráficas pueden de la probabilidad de ocurrencia de las circunstan-
esclarecer muy bien los resultados obtenidos, tal cias pesimistas.
como se muestra en la figura 1 1.
En resumen, los análisis de sensibilidad propor-
Otra variante del análisis de sensibilidad es la que cionan una información útil en los estudios de
se elabora para un número restringido de escena- evaluación y constituyen un importante puente
rios o hipótesis excluyentes, la más probable, la entre el análisis convencional en condiciones de
optimista y la pesimista, de estimación de cada certeza supuesta y el análisis de riesgo.
variable. Se obtienen tres niveles para el índice de
rentabilidad utilizado en la evaluación económica;
si los tres son aceptables, aún en el caso pesimis-
ta, la decisión económica es obvia, ocurriendo lo
mismo cuando resulta rechazable en el escenario 4. Elementos de análisis de
optimista. decisiones
Ejemplo Antes de iniciar el tratamiento cuantitativo de las
situaciones de riesgo, es preciso realizar una
En proyecto de de una cantera de revisión sumaria de algunos conceptos y m&dos
arena silícea se considera que las hipótesis opti- del Análisis de Decisiones, de que se hará uso en
mista y pesimista corresponden a desviaciones del el análisis probabilístico de proyectos.
20 por 100 en más o menos, según el caso, con
una vida de 10 años y una RMA del 20 por 100.
4.1. Conceptos básicos

Tabla 6 El Análisis de Decisiones proporciona la metodo-

logía sistemática para estructurar un problema,
valorar los cursos de acción alternativos y cuan-
Hipótesis tificar sus resultados según los objetivos, cuando
existe incertidumbre en cuanto a los acon-
Optimista Probable Pesimista tecimientos que puedan afectar a los resultados.
I

Inversión (MPTA) 360 450 540 Opción, o alternativa, es todo curso de acción
F.F. Neto anual (MPTA) 120 1O0 80
Valor residual (MPTA) 108 90 72 potencial para la asignación de recursos en una
Vida (Años) 15 15 15 situacióndada para alcanzar los objetivos desea-
TRI (%) 33.0 21,2 12.6 dos. Cuando una opción está completamente
definida, de modo que pueda llevarse a la prácti-
Los resultados obtenidos indican que el proyecto ca, se denomina estrategia.
es atractivo económicamente en las hipótesis
probable y optimista, pero no en la pesimista. El decisor, o unidad decisora, tiene unas escalas
Para tomar una decisión bien fundada, sería de valores, o criterios, a los que refiere sus
objetivos o fines, expresados cuantitativamente. Hay que advertir aquí el doble singificado de la
Con dichos criterios se valoran los resultados, o palabra riesgo. En general, es la probabilidad de
pagos, de las diversas estrategias. no lograr un objetivo. Aplicado para calificar una
situación de decisión, denota que se conocen las
Pueden producirse sucesos futuros,sobre los que probabilidades de los diversos acontecimientos
el decisor ejerce un control nulo o pequeño, que que pueden afectar a los resultados.
pueden afectar a los resultados que se obtengan
con una misma estrategia. Para realizar el análisis
de decisiones, es preciso estructurar tales sucesos 4.2. Situaciones de riesgo
de modo que sean mutuamente excluyentes y
colectivamente exhaustivos. Estos acontecimientos, Supóngase una situación en la que pueden darse
que no dependen de la voluntad del decisor, se n estados de naturaleza E,, E, ... E,, ... E,, cuyas
denominan estados de naturaleza. respectivas probabilidades son p,, p,, ... p,, ... p,,
tales que
La situación de decisión se representa matemática-
mente para su análisis por un modelo, que relaciona
los resultados con las estrategias que se adopten y
los estados de naturaleza que se produzcan. Se
puede estructurar en forma de matriz de pagos,
que es una representación tabular de los resultados a consecuencia de la condición de que sean
de cada estrategia para cada estado de naturaleza. colectivamente exhaustivas.
Cuando pueden tomarse decisiones futuras, según
los estados de naturaleza que se produzcan en su Son posibles las estrategias DI, D, ... D,, ... D,
momento (decisiones secuenciales), se utiliza la cuyos resultados o pagos dependerán de los
representación en &bol de decisión. estados de naturaleza que se produzca. Se repre-
sentará genéricamente por R,, el pago de la
estrategia Di con el estado de naturaleza E,. La
Existe incertidumbre en cuanto a la producción
matriz [R,] es la matriz de pagos de la situación
de los acontecimientos futuros, o estados de
naturaleza. Por tanto existe un riesgo, que es la considerada.
probabilidad de que no se alcance un objetivo. El valor esperado de los pagos de una estrategia,
En general, son posibles cuatro tipos de situacio- o media ponderada por sus respectivas probabili-
nes de toma de decisiones: dades, se denomina valor esperado de la estra-
- De certeza: A cada estrategia corresponde
tegia en cuestión. De acuerdo con esta definidión,
sólo un pago sin incertidumbre alguna. Es el el valor esperado E(D,) de la estrategia DI será:
tipo de situaciones que se tratan con métodos ,=n
de programación, que no se considerarán en E(D,) = C p, R,.
lo sucesivo. 1=1

- De competencia o conflicto: Existe un compe- Se denomina estrategia bayesiana a la de mayor

tidor que elige en cada caso la estrategia que valor esperado. Existen decisores, llamados indife-
más perjudique al decisor, según el estado de rentes o neutros ante el riesgo, que siguen este
naturaleza que se produzca. Se estudian criterio del valor esperado, o de Bayes, y prefie-
mediante la Teoría de Juegos y tampoco ren, por tanto, la est~tegiade mayor valor espera-
serán objeto de estudio. do. Suponiendo sea esa la DI, hay que tener presen-
te que, entre sus n resultados R,, R,, ... R,, ... R,,
- De incertidumbre: (total). A cada estrategia le posibles, puede haber alguno o algunos desfavora-
pueden corresponder diversos pagos, según el bles. Al ele ir la estrategia D,, se afronta el riesgo de
estado de naturaleza que se produzca, pero
se desconoce completamente la probabilidad
3
que se pro uzca uno de dichos resultados. El decisor
suele experimentar una aversión al riesgo, y esto
de aparición de cada estado. puede llevarle a no seguir, en general, el criterio del
- De riesgo: Como en el caso anterior, a cada valor esperado.
estrategia le pueden corresponder diversos pagos,
según el estado de naturaleza que se produzca, Se ilustrará todo esto con un ejemplo muy simple.
pero ahora se conoce la probabilidad de apari- Una empresa se presenta a una subasta para el
ción de cada uno de los posibles estados. suministro de un determinado equipo,a la que se
sabe que concurrirá sólo un competidor. El coste
del equipo es 80 MPTA. Se someten al análisis las
Las situaciones de incertidumbre total son muy dos estrategias siguientes, que difieren sólo en el
raras en el mundo de la empresa. Generalmente precio cotizado, Tabla 7.
se dispone de elementos objetivos o subjetivos
para calcular o estimar las probabilidades de los Se estima que existe una probabilidad del 60 por
diversos acontecimientos posibles. Más adelante 100 de que el único competidor cotice a más de
se verá la forma de realizar estas determinaciones. 100 MPTA v una ~robabilidaddel 40 Dor 100 de
Por ello, en este capítulo sólo se van a considerar que lo hagá a un 'precio comprendido' entre 9 0 y
las situaciones de riesgo. 100 MPTA.
 Tabla 7 a) Para obtener el coste.
b) Para estimar las probabilidades de las diversas
Estrategia Precio ofrecido ofertas de la competencia.

A 100 MPTA c) Para calcular los pagos de cada estrategia.

B 90 MPTA d) Para pronosticar la conducta del cliente.

En general, para analizar una situación de este Los modelos a, b y d son triviales en este caso.
tipo serían necesarios los cuatro modelos matemá- En cuanto al c, se puede resumir en la matriz de
ticos siguientes: pagos siguiente, Tabla 8:

Tabla 8

Estados de naturaleza

Oferta del
competidor > 100 MPTA > 90 MPTA y 100 MPTA
Probabilidad 0,60 0,40

Estrategias
A: 100 MPTA R,, = 100 - 80 = 20 MPTA R,, = O (Gana el competidor)

B: 90 MPTA R,, = 9 0 - 8 0 = IOMPTA R,,=90-80= 10MPTA

Los valores esperados de las dos estrategias son: Las reflexiones anteriores ponen en relieve que la
actitud del decisor entre el riesgo es un elemento
muy importante en el proceso de toma de decisión.
E(A) = 0,6 x 20 + 0,4 x O = 12 MPTA A continuación se va a exponer brevemente un
tratamiento cuantitativo posible de este factor
E(B) = 0,6 x 10 + 0,4 x 10 = 10 MPTA subjetivo.

La estrategia A es la de mayor valor esperado. Si

el decisor es neutro ante el riesgo, será ésa la 4.3. Función de utilidad o preferencia
preferida. Sin embargo, es también lo más arries-
gada, ya que tiene una probabilidad del 40 por Es posible cuantificar la satisfacción o utilidad que
100 de obtener un pago nulo. La estrategia B, en proporcionan los ingresos dinerario5 a un decisor.
cambio, obtiene siempre un pago de 10 MPTA. El En principio, pueden aceptarse los dos postulados
decisor tiene que valorar estos resultados. Puede siguientes:
juzgar aceptable el mayor riesgo y preferir la
estrategia A. Por lo contrario, puede parecerle a) La satisfacción aumenta con el valor
que el mayor valor esperado no justifica aceptar monetario, esto es la función de utilidad es
el riesgo y prefiera la B, que le asegura un pago monótona creciente, tiene derivada primera
cierto, aunque menor. Ahora bien si se adopta la positiva.
estrategia B se renuncia al resultado de 20 MPTA
que, con una probabilidad del 60 por 100, podría b) La satisfacción marginal proporcionada por
haberse obtenido con la estrategia A. Se incurre, una unidad monetaria adicional decrece al
por tanto, en un coste condicional de oportuni- aumentar el importe. La derivada segunda de
dad, que es la diferencia entre el pago ob- la función de utilidad ha de ser, por tanto, nega-
tenido con la estrategia adoptada y el que tiva.
se habría obtenido si se hubiera elegido la más
adecuada para el estado de naturaleza en cues- En la figura 12 se representa una función de utilidad
tión. típica, que se supondrá corresponde al decisor del
 3 M PTA

Figura 12.- Función de utilidad o preferencia

ejemplo anterior. Sobre el eje de abscisas se Tabla 9

representan los valores monetarios y sobre el de
t
ordenadas los de la utilidad o preferencia, que se
miden con una unidad arbitraria que renresentare- Importe (MPTA) Utilidad (u)
mos por " u " . En este ejemplo se ha asignado una
preferencia de 30 u a 30 MPTA. que es la canti- o 0,o
dad monetaria máxima que va a manejarse. A
consecuencia de las dos propiedades enunciadas, 1O 15,O
la curva vuelve su concavidad hacia el eje de
abscisas. La curva puede extenderse hacia valores 20 23,5
negativos, con pendientes cada vez mayores. En
consecuencia, la utilidad de - 5 MPTA. por
ejemplo, es negativa y tiene un valor absolu-
to sensiblemente superior a la de + 5 MPTA
(- 11,5 u frente a 8,8 u).

Ahora se aplicará esta función de utilidad al Las utilidades esperadas de las estrategias serán:
ejemplo anterior. Sobre la figura 12 se obtienen
los valores de las utilidades correspondientes a los
importes monetarios que interesan, Tabla 9. Con E(U,) = 0,6 x 23,5 + 0,4 x O = 14,1 u
estos valores se puede reproducir la matriz de
pagos, pero con estos expresados por sus utilida-
des, formando la matriz de utilidades, Tabla 10. E(UB)= 0,6 x 15,O + 0,4 x 15,O = 15,O u.
 Tabla 10

Estados de naturaleza

Oferta del
competidor > 100 MPTA > 90 MPTA y c 100 MPTA
Probabilidad 0,60 0,40

Estrategias
A: 100 MPTA U,, = U(20 MPTA) = 23,5 u U,, = U(0 MPTA) = 0,O u
B: 90 MPTA U, = U(10 MPTA) = 15,O u U, = U(10 MPTA) = 15,O u

Resulta que la estrategia B es la de mayor utilidad Para determinar un nuevo punto, se puede plantear
esperada. Por lo tanto, si el decisor se rige por la al decisor la siguiente propuesta: Puede elegir entre
función de utilidad dibujada, aplicará el criterio de percibir una cantidad segura o participar en una
Bayes a las utilidades esperadas en lugar de los operación que tiene una probabilidad del 50 por 100
valores monetarios esperados. Esto le llevará a de proporcionarle 30 MPTA y del 50 por 100 de
preferir la estrategia B. Su sentimiento de aver- resultar en O MPTA. Se tantean varias cantidades
sión al riesgo, reflejado por la forma de su hasta llegar a un importe cierto que le atraiga lo
función de utilidad, le hace preferir una estrategia mismo que la operación citada. Supóngase que ese
de menor valor monetario esperado, pero también importe es 10 MPTA. Esto significa que, para el
de menor riesgo. decisor en cuestión, 10 MPTA es el equivalente
cierto de la operación ofrecida. La utilidad o prefe-
Sobre la curva de la figura 12 puede apreciarse rencia de 10 MPTA ha de ser igual a la utilidad
cuantitativamente la aversión al riesgo. A la esperada de la operación:
utilidad esperada 14,1 u de la estrategia A le
corresponde un valor monetario de 9,2 MPTA, 0,s x U(0 MPTA) + 0,5 x U(30 MPTA) =
que es el llamado equivalente cierto de dicha
estrategia. La diferencia entre su valor monetario
esperado y su equivalente cierto (12 - 9,2 = 2,8
MPTA) es la prima de riesgo, o cantidad a que Por lo tanto:
el decisor está dispuesto a renunciar para no
afrontar el riesgo de no ganar nada (probabilidad U(10 MPTA) = 15 u,
0,4). Como la estrategia B tiene, evidentemente,
un equivalente cierto de 10 MPTA, mayor que el tal como se indica en la figura 12, (punto M). La
de A, será B la preferida. prima de riesgo es en este caso 15 - 10 = 5
MPTA.
Cuanto mayor sea la aversión del decisor al
riesgo, tanto mayor será la concavidad de su El proceso se puede repetir con operaciones
curva de utilidad. El decisor neutro o indiferente parecidas hasta obtener un número de puntos
al riesgo tendrá una función de utilidad lineal suficientes para trazar a estima, una curva conti-
(recta de trazo y punto de la figura 12); este nua que se ajuste a ellos lo mejor posible. Por
decisor se regirá por los valores monetarios ejemplo, para O y 10 MPTA resulta un equivalente
esperados. Finalmente, si la curva volviera su cierto de 4,25 MPTA, luego:
concavidad hacia arriba, denotaría propensión al
riesgo; se da, por ejemplo, en los jugadores, que U(4,25 MPTA) = 0,5 x U(0 MPTA) + 0,5 x
están dispuestos a pagar por contraer un riesgo.
x U(10 MPTA) = ... = 0,5 x O + 0,5 x 15 = 7,5 U,
Queda ver, por último, cómo puede determinarse la
curva de utilidad o preferencia de un decisor. Usual- con lo que se determina el punto N.
mente se precisa conocer la evolución de la prefe-
rencia en un cierto intervalo de valores monetarios. Análogamente para 10 y 30 MPTA el equivalente
Supóngase por ejemplo, que los límites del intervalo cierto es 18,50 MPTA, luego:
sean O y 30 MPTA (figura 12). La escala de preferen-
cias es arbitraria, así que asignamos O u a O MPTA U(18,5 MPTA) = 0,5 x U(10 MPTA) +
y 30 u a 30 MPTA. De este modo quedan determi-
nados dos puntos de la curva:
U(0 MPTA) = O u
U(30 MPTA) = 30 u. que determina el punto P.
Una vez trazada la curva, conviene plantear probabilidades se perfecciona y gana coherencia
cuestiones de comprobación y retocarla, si fuera al ejercitarse sistemáticamente en su utilización.
preciso, hasta lograr que represente razonable- Resulta muy alentador que, enlos casos susceptibles
mente la actitud del decisor ante el riego. de un análisis matemático o estadístico, suele ser
notable la concordancia entre los resultados de tales
análisis y los de la asignación de probabilidades
4.4. Estimación de probabilidades subjetivas.
En el análisis de valor esperado y, en general, en En la práctica, mediante el empleo combinado de la
el estudio de situaciones de riesgo, es necesario Estadística, el Cálculo de Probabilidades y las proba-
conocer las probabilidades de los acontecimientos bilidades subjetivas, se logra una determinación
que puedan producirse y afecten a los resultados satisfactoria para el Análisis de Decisiones. A lo largo
de las decisiones. Se plantea, en consecuencia, el de este capítulo se irá ilustrando como se procede
problema de su estimación o determinación. en la evaluación de proyectos en stiuaciones de
riesgo.
Se recuerdan en primer lugar, las tres interpreta-
ciones posibles de la probabilidad:
A.- Clásica (a priori o deductiva): Si un 5. Análisis de valor esperado
fenómeno puede ocurrir de N formas y N,
de ellas poseen un atributo A, la probabili- Una vez que se han desarrollado sus elementos
dad P(A) se define como N,/N. Esta interpreta- fundamentales, pueden verse como se aplica el
ción es la adecuada cuando es posible predecir Análisis de Valor Esperado a la evaluación de proyec-
P(A) matemáticamente con los métodos del tos.
Cálculo de Probabilidades.
B.- Empírica (inductiva o de frecuencia): Si 5.1. Proceso de cálculo
un experimento se realiza N veces y conduce
N, veces a un tipo de resultado A, se define: Los flujos de fondos anuales originados por un
proyecto de inversión dependerán, en general, de
P(A) = lim (NdN). los estados de naturaleza que se produzcan. Si se
N 4 m
estructuran adecuadamente los estados de natura-
Se utiliza cuando existe información experimental leza posibles y se les asignan probabilidades,
suficiente, con la ayuda de la Estadística. pueden determinarse los flujos de fondos
esperados, que se toman como base para el
C.- Subjetiva (o proyectiva): Existen situacio- análisis económico, aplicando el criterio o criterios
nes en que no puede aplicarse ninguna de las dos que se deseen. El criterio más utilizado suele ser
interpretaciones anteriores, generalmente por falta el VAN, que en este caso se denomina VAN
de información suficiente, o de los elementos esperado, que se puede interpretar como el valor
necesarios para establecer un modelo matemático medio del VAN que resultaría si se realizasen
idóneo. En tales casos P(A) es una medida del muchos proyectos idénticos. Es evidente que, si se
"grado de creencia" en una cierta proposi- seleccionan sistemáticamente proyectos con VAN
ción A. Esta es la probabilidad que, como se verá esperado positivo y se dispone de capital
hay que manejar corrientemente en análisis de suficiente, se producirá un enriquecimiento
decisiones. progresivo de la empresa a largo plazo.
A pesar de que un proyecto tenga un VAN
Toda persona suele tener una idea bastante clara esperado fuertemente positivo, puede que sea
del significado que atribuye a "seguro", "casi arriesgado, esto es que exista una probabilidad
seguro", "muy probable", "probable", etc ..., aun- apreciable de que resulte en un quebranto impor-
que le resulte sumamente difícil transmitirla con rigor tante. La repetición de tales fallos podría ser fatal
y precisión a los demás. En el mundo de la empresa, para la empresa. Por ello, además del valor
es indispensable la transmisión y comprensión de las esperado, hay que apreciar siempre el riesgo. La
ideas acerca de la probabilidad estimada de aconte- condición de VAN esperado positivo es
cimientos futuros, ya que el manejo racional y necesaria, pero no suficiente para que un
coherente de estas apreciaciones es necesario en proyecto sea satisfactorio. Esto no menoscaba
todo proceso de toma de decisiones. en absoluto este criterio, que es uno de los más
útiles de la evaluación de proyectos.
Es posible convertir las impresiones personales,
basadas en la formación y la experiencia, en Para poner de manifiesto los rasgos esenciales del
probabilidades subjetivas, no deducible5 matemáti- análisis, se va a estudiar un primer ejemplo
camente. Es más, ante una misma situación sumamente simplificado, en el que no se realiza
de riesgo, las personas con formación, experien- actualización. Se considera la inversión de 500
cia y madurez similares suelen asignar proba- MPTA en un proyecto de exploración petrolera
bilidades subjetivas muy parecidas. Por otra que se estima tiene una probabilidad 0,6 de ser
parte, la capacidad individual de asignación de improductivo, una probabilidad 0,3 de descubrir
unas reservas tales que podrían venderse inmedia- 5.2. Arboles de decisión
tamente en 2.000 MPTA y una probabilidad 0,1
de un descubrimiento menor, que podría venderse Muchas situaciones plantean un problema de
en 1.O00 MPTA. Como elemento para la decisión, decisiones secuenciales o decisiones condicio-
se desea conocer el valor esperado (simple, sin nales, que vendrán determinadas por la aparición
actualizar) de este proyecto. de estados de naturaleza en el futuro. Tales
situaciones no se prestan a una visualización clara
El cálculo es inmediato: medi~ntematrices de pagos. Afortunadamente, su
representación y análisis se pueden realizar cómo-
damente con la ayuda de los árboles de decisión.
+ 0,1 x (1.O00 - 500) = 200 MPTA. El árbol de decisión está constituido por una suce-
sión progresiva de ramificaciones. Cada una de éstas
Resulta un valor positivo, luego el proyecto puede puede deberse a una de las siguientes causas:
ser interesante. A la larga, la e'eci~ciónrepetida
1
de proyectos como éste será avorable para la
empresa. Hay que notar que la probabilidad de
- Elección de estrategia entre varias opcio-
nes. Se distingue mediante un cuadrado y se
fracaso es bastante elevada y la empresa debe denomina punto de decisión.
juzgar si puede permitirse un riesgo del 60 por
100 de perder 500 MPTA. - Aparición de un estado de naturaleza
entre varios posibles. Se representa median-
Se plantea finalmente otro ejemplo, también muy te un círculo y recibe el nombre de punto de
simple, que requiere el empleo de actualización. El riesgo.
desarrollo de un nuevo proceso de concentración de
menas requiere una inversión de 360 MPTA y tiene En el análisis de decisiones de inversión en condi-
una probabilidad 0,4 de producir un flujo de fondos ciones de riesgo, el árbol de decisión es una
neto anual de 200 MPTA por cesión de tecnología herramienta siempre útil, pero singularmente
durante cinco años. Su valor residual es nulo y la adecuada cuando se hayan de tomar decisiones
RMA de la empresa el 10 por 100. ¿Es aceptable escalonadas en el tiempo, conforme se produzcan
económicamente el proyecto?. unos u otros acontecimientos. con su ayuda se
consigue representar gráficamente:
En la fi ura 13-a se dibuja el diagrama de flujos
de fonc?os de este proyecto. El VAN esperado se - La estructura global del problema.
calcula muy fácilmente:
- La sucesión de decisiones necesarias.
E(VAN)= 0.4 x 200 x PIA,,, - 360 = - 56,72 MPTA
- Las situaciones de riesgo que con éstas se en-
Como se llega a un VAN esperado negativo, el cuentran.
proyecto no es aceptable. '

Esta representación gráfica constituye, además, un

A partir de los valores esperados de inversión excelente medio de comunicación entre los diver-
(360 MPTA) y de flujos de fondos anual (0,4 x sos implicados en el proceso de la toma de
200 = 80 MPTA) puede calcularse la TRI corresp- decisión, al facilitar la percepción y comprensión
ondiente al diagrama de flujos de fondos espera- de la estructura lógica del problema y el consenso
dos de la figura 13-b. Se obtiene una TRI de 3,61 sobre su alcance y significado.
por 100, menor que la RMA, resultado que
confirma que el proyecto no es aceptable. Como elemento cuantitativo de análisis, con este
modelo se pueden emplear indistintamente valores
+ZW M PTA +24) M PTA monetarios actualizados o sin actualizar, así como
utilidades o preferencias, según se considere conve-
niente en cada circunstancia. Por otra parte, gracias
a un sencillo algoritmo de cálculo de valores espera-
dos, permite identificar la estrategia óptima.
Para facilitar la comprensión de este método de
análisis, se desarrollará sobre dos ejemplos. En
primer lugar se va a estudiar un problema de
decisión de un fabricante que suministra bajo
contrato un componente especial a un constructor
de bienes de equipo. Tiene que decidir si lanza
un proyecto de reducción de costes de dicho
componente. Su fabricación se realiza para aten-
der un contrato de ventas de 3 años, al que le
queda un año para expirar. El proyecto requeriría
un desembolso de 100 MPTA y se estima que
Figura 13.- Flujos de fondos esperados. existe una probabilidad del 60 por 100 de que el
contrato se renueve por 3 años más, sin posibili- adopta la estrategia "reducir costes", se llega al
dad de ulterior renovación,debido a la evolución punto de riesgo A, en el que puede producirse o
tecnológica del equipo a que está destinado el no la renovación del contrato. Si se adoptó la
componente en cuestión. La producción contrata- estrategia B y no se renueva el contrato, se llega
da es de 5.000 unidadeslaño, a un precio unitario al punto 3, en el que se obvio que se descarta el
de 100.000 PTA. El coste unitario actual es proyecto de reducción de costes.
80.000 PTA y el proyecto considerado ocasionaría
una reducción de 15.000 PTA. Una vez completado el árbol de decisión, se.
dispone de la estructura de decisiones y aconteci-
El proceso de análisis consta, en general, de las mientos del problema. El paso siguiente consiste
siguientes etapas: en complementarla con los datos cuantitativos, de
carácter económico y probabilístico, necesarios
1) ldentificar los puntos de decisión y las opciones para el análisis. En la tabla 11 se resumen los
disponibles en cada uno de ellos. cálculos de flujos de fondos incrementales anuales
esperados.
2) ldentificar los puntos de riesgo y los estados de
naturaleza que pueden darse en cada uno de A continuación hay que calcular los flujos de
ellos. fondos acumulados. Aunque, en general, este
cálculo se hace con actualización, se realizará una
3) Estimar los datos necesarios, especialmente las primera determinación sin ella, para simplificar al
probabilidades de los diversos estados de naturale- máximo las operaciones. De esta manera, median-
za y los flujos de fondos motivados por las deci- te simples sumas algebraicas sobre cada rama del
siones y estados de naturaleza. árbol de decisión, se llega a los flujos de fondos
acumulados que se indican en los recuadros de la
4) Valorar los cursos de acción posibles y seleccio- derecha de la figura 14 en los seis terminales
nar el óptimo. del árbol. El valor esperado de la estrategia A se
determina inmediatamente y resulta ser E,(A) =
En la figura 14 se desarrolla el árbol de decisión 110 MPTA, que se anota en un óvalo sobre el
representativo de la situación planteada. En el punto A.
punto 1 hay que decidir entre dos estrategias:
El cálculo del valor esperado de la estrategia B no
A) Reducir costes. es tan simple, ya que dicho valor dependerá de
las decisiones futuras que se tomen en los puntos
B) No reducir costes. 2 y 3. Para realizar el cálculo, se procede de
derecha a izquierda, a partir de los terminales a
A esto se reduce la situación de decisión inicial. que pueda conducir cada decisión, mediante el
Ahora bien, si se decide no reducir costes y al algoritmo que se llama "de marcha atrás" o "roll-
cabo de un año se renueva el contrato, nos back". En el punto de decisión 2, la estrategia
encontaríamos en el punto 2, en el que de nuevo preferible es la de reducir costes, ya que su flujo
se podría decidir si reducen o no los costes. Si se de fondos acumulado es mayor (125 MPTA) que el

Nuevo contrato ( P=O,

No más ventas (P=0,40)

Figura 14.- Arbol de decisión

 Tabla 11

Años
o 1 2 3 4

Estrategia A: Reducir costes

Contrato renovado (P = 60%)
Unidades vendidas - 5.000 5.000 5.000 5.000
Red. coste unit., KPTA - 15 15 15 15
Desembolso, KPTA 100.000 - - - -
F.F. neto, KPTA (1) - 100.000 + 75.000 + 75.000 + 75.000 + 75.000
Contrato no renovado (P = 40%)
Unidades vendidas - 5.000 O O O
Red. coste unit., KPTA - 15 - -
Desembolso, KPTA 100.000 - - - -
F.F. neto, KPTA (2) -100.000 + 75.000 O O O

F.F. neto esperado, KPTA (3)

(3) = 0,6 x (1) + 0,4 x (2) - 100.000 + 75.000 + 45.000 + 45.000 + 45.000
Estrategia B: No reducir costes
Contrato renovado (P = 60%)
Unidades vendidas - 5.000 5.000 5.000 5.000
Red. coste unit., KPTA - O 15 15 15
Desembolso, KPTA O 100.000 - - -
F.F. neto,KPTA (1) O - 100.000 + 75.000 + 75.000 + 75.000
Contrato no renovado (P = 40%)
Unidades vendidas - 5.000 O O o
Red. coste unit., KPTA - O - - -
Desembolso, KPTA O O - - -
F.F. neto, KPTA (2) O O O O O

F.F. neto esperado, KPTA (3)

(3) = 0,6 x (1) + 0,4 x (2) O - 60.000 + 45.000 + 45.000 + 45.000

de la de no reducirlos (O MPTA). Entonces se Hay que destacar que, en el momento de tomar

descarta esta última opción y se traslada a un la decisión 1, no hay que comprometer ni prejuz-
óvalo sobre el punto 2 el valor de la estrategia gar la 2. En rigor, ni tan siquiera se sabe si se
óptima, cuya rama se regruesa para identificarla presentará la ocasión de planteársela. Ahora bien,
sobre el árbol. Como se ha advertido anterior- si llegáramos a encontrarnos en el punto 2, con
mente, en el punto 3 es evidente que se adopta- los mismos datos de ahora, se elegiría la
ría la decisión de no reducir costes, con un valor estrategia de reducir costes, que sería la óptima
de O MPTA, que se recoge en el óvalo correspon- a la vista de la información existente en este
diente. Ahora se puede calcular, sin más, el valor momento. Por lo tanto, el algoritmo utilizado
esperado de la estrategia B, que es Ec(B) = 75 señala la sucesión de estrategias óptimas desde
MPTA. Como E,(A) > Ec(B), la estrategia preferible cualquier punto de decisión hasta el fin.
es la de reducir costes. Conviene observar que,
sin embargo, si no se renovase el contrato, la Todo el análisis realizado hasta el momento se ha
estrategia A daría un flujo de fondos acumulado hecho sin actu~lizarlos flujos de fondos anuales.
de -25 MPTA, mientras que el de la B habría sido El proceso de actualización no es difícil, ya
O MPTA. En cambio, si se renovase, la A produci- que basta con aplicar los correspondientes
ría 200 MPTA la B 125 MPTA. Una vez más, se coeficientes (1 + i y a los flujos de fondos
y
pone de mani iesto la necesidad de ponderar el
riesgo, además del valor esperado.
anuales esperados, antes obtenidos. Los resul-
tados se representan gráficamente en la figura
15. En ella se observa que, mientras la RMA sea que la RMA, se confirma que la estrategia A es la
inferior al 35 por 100, la estrategia A es la mejor.
preferible. La situación es del mismo tipo que la Con estas últimas consideraciones queda de
representada en la figura 10 del capítulo 8, por lo manifiesto que las determinaciones de VAN y TRI
que le son aplicables las consideraciones que se sobre árboles de decisión no presentan ninguna
hicieron a su respecto en dicho capítulo. La dificultad singular. Por este motivo, en el segundo
estrategia A es más sensible que la B a la tasa de ejemplo que se va a exponer no se hará uso de
actualización, de modo que, si la RMA excediese la actualización, para concentrar la atención
el 35 por 100, se invertiría la decisión. exclusivamente en la estructura del árbol de
decisión y el proceso de cálculo de los valores
esperados.
Una empresa de exploración petrolera está consi-
derando la conveniencia de realizar un sondeo
sobre una estructura favorable, de la que se
dispone de buena información geológica.
Son posibles las tres decisiones siguientes:
A) Ejecutar el sondeo inmediatamente, con la
información geológica disponible.
13) Realizar una prospección sísmica antes de
tomar la decisión de perforar.
C) Abandonar el proyecto.
Los flujos de fondos previstos son los siguientes:
Coste del sondeo 500 MPTA
Coste de la prospección sísmica 13 MPTA
Figura 15.- Curvas de VAN en función de la t a s a de Ingresos en caso de éxito 2.200 MPTA
actualización.
Gracias a la información geológica disponible, se
estima que la probabilidad de éxito es el 50 por
uede realizarse análisis de TRI sin
También cf
mayores ificultades, basándose en los mismos
flujos de fondos anuales esperados. Como se trata
100. Si la prospección sísmica confirmase el
tamaño de la estructura estimado por el estudio
geológico, la probabilidad de éxito se elevaría
de opciones mutuamente excluyentes, hay que hasta un 85 por 100. Por el contrario, si la
realizar análisis incremental. La estrategia que sísmica delimitase una estructura menor, dicha
requiere menor inversión es la B. cuya TRI es el probabilidad descendería hasta un 10 por 100. La
54,7 por 100. Si se sigue suponiendo que, como experiencia previa existente en la zona indica que
es normal, la RMA es menor que el 35 por 100, la sísmica ha confirmado las predicciones geológi-
esta estrategia es aceptable. Ahora hay que cas en un 60 por 100 de los casos.
investigar si merece la pena pasar al nivel de
inversión superior, requerido por la estrategia A. En la figura 16 se ha dibujado el árbol de decisión
Para ello es preciso hallar la TRI del proyecto correspondiente a este caso. La estrategia A puede
ficticio A-B, cuyos flujos de fondos esperados se tener dos resultados igualmente probables, según
determinan a continuación, Tabla 12. que el sondeo tenga o no éxito, reflejados en los
dos primeros terminales. La estrategia B también
puede tener dos resultados, en correspondencia con
Tabla 12 el tamaño de estructura indicado por la prospección
sísmica. Cualquiera que sea éste, se plantea la
Años decisión de perforar o abandonar (puntos de deci-
Proyecto sión 2 y 3). Si se decide perforar, se llega a los
o 1 2 3 4 puntos de riesgo M o N, en los que pueden darse
dos estados de naturaleza (sondeo seco o producti-
A - 100.000 75.000 45.000 45.000 45.000 vo) con probabilidades conocidas. Se determinan
mu fácilmente los flujos de fondos acumulados de
B O - 60.000 45.000 45.000 45.000 ¿'
ca a terminal.
A-B - 100.000 +135.000 O O O El valor esperado de la estrategia A es, evidente-
mente, 0,5 x (-500) + 0,s x 1.700 = 600 MPTA.
A continuación se determinan los valores espera-
La TRI de A-B resulta ser el 35 por 100, como era dos de la estrategia "perforar", que lleva de los
de esperar, ya que ha de corresponder a la puntos de decisión 2 y 3 a los de riesgo M y N.
intersección de las curvas de VAN de los proyec- El valor esperado en M es 0,15 x (- 630) + 0,85
tos A y B. Dado que la TRI incremental es mayor x 1.S70 = 1.240 MPTA.
 Seco ( P=0,50)
- 5 0 0 MPTA

Exito ( P=0,50)
t 1700 M PTA

2 2 0 0 MPTA

Figura 16.- Arbol de decisión.

Análogamente se obtiene el valor - 410 MPTA. - El hecho de construir la matriz de pagos o el

De las dos estrategias posibles en el punto de árbol decisión obliga a realizar un análisis
decisión 2, la de perforar es la de mayor valor profundo y cuidadoso del problema.
esperado. En el 3, en cambio, lo es la de abando- - En situaciones de decisiones secuenciales, el
nar. Se trasladan, por tanto, los valores esperados árbol de decisión se establece antes de tomar la
de M a 2 y de N a 3, con lo que se dispone de decisión inicial. Si posteriormente cambian las cir-
los datos necesarios para calcular el valor espera- cunstancias, puede ponerse al día y revisar las
do de la estrategia B, que resulta ser 692 MPTA. decisiones ulteriores.
Con estos resultados a la vista, si se aplica el - Pueden realizarse cómodamente análisis de
criterio del valor esperado, la estrategia óptima es sensibilidad para apreciar el efecto de los
la B, consistente en realizar una prospección cambios, tanto de factores económicos como
sísmica antes de tomar la decisión de perforar. probabilísticos.

También existen limitaciones o inconvenientes:

5.3. Crítica del análisis de valor espe- - Los resultados se expresan en forma de valores
rado esperados, sin resaltar suficientemente los diver-
sos resultados posibles y sus probabilidades
Los métodos de análisis de valor esperado consti- respectivas. Por tanto, puede preferirse una
tuyen un elemento valiosísimo de ayuda a la toma estrategia de riesgo elevado y alto valor esperado,
de decisiones en situaciones de riesgo. Se ha visto frente a otra menos arriesgada y de menor valor
que los problemas pueden representarse en forma esperado.
de matriz de pagos o de árbol de decisión.
Conviene reparar en que, si se desea, toda matriz - Los cálculos pueden complicarse mucho al
de pagos se puede sustituir por un árbol de aumentar el número de puntos de decisión y de
decisión equivalente, con sólo un punto de riesgo, ya que el número total de terminales se
decisión y tantos de riesgo como estrategias eleva extraordinariamente. Esto puede invitar a
posibles, tal como se indica en la figura 17. reducir el número de ramas originadas en los
puntos de riesgo, lo que resultaría en una repre-
Se pueden destacar las siguientes cualidades: sentación deficiente del problema.
 b) ARBOL DE DEClSlON

a) MATRIZ DE PAGOS

Estados de naturaleza
2 3
v> A Rii
.-
O
CT
a8
t
8 R2i R23 R24
O
L
C

m C
u R33 R3,

Figura 17.- Matriz de pagos y árbol de decisión equivalente

6. Análisis de supervivencia coste unitario medio de 60 MPTA y con una

probabilidad del 20 por 100 de lograr un cash-
Como ya se ha advertido, el valor esperado flow total de 1.500 MPTA en cada uno de ellos.
positivo es una condición necesaria, pero no Si no se tuviera éxito por lo menos en un proyec-
suficiente, para que una inversión sea satis- to, podría provocarse la suspensión de pagos de
factoria. Hay que tener presente que muchas la empresa. Se pretende investigar la probabilidad
veces es posible una pérdida, con una probabili- de que tal situación no se produzca.
dad más o menos pequeña, pero apreciable. Si la
cuantía de la pérdida posible fuera suficiente para Para cada proyecto se verifica
ocasionar la insolvencia de la empresa, podría ser
una temeridad afrontar ese riesgo. Es preciso, por E(V) = 0,2 x 1.500 - 0,8 x 60 = + 252 MPTA.
tanto, investigar dicho riesgo para determinar la
probabilidad de supervivencia. Se trata de un El valor esperado es positivo y se satisface, por
problema típico en la exploración minera o petro- tanto, la condición necesaria de aceptabilidad.
lera, o en I+D, cuando se dispone de un capital
limitado para invertir, como es lo usual. Queda por investigar cuál es la probabilidad de
tener por lo menos un éxito entre los 5 proyec-
Puede enunciarse la siguiente definición: Probabi- tos. Es evidente que
lidad de,supervivencia es la probabilidad de
no perder el capital total invertido en un P(> éxito) = 1 - P(0 éxitos).
conjunto de proyectos con probabilidades de Como es razonable suponer que el éxito o fracaso
éxito conocidas. de un proyecto es independiente de lo que ocurra
Antes de abordar un desarrollo más general, se con los demás, la probabilidad de fracaso total es
aplicarán estas ideas a un caso muy simple. El igual al producto de las probabilidades de fracaso
director técnico de una empresa minera tiene que de los diversos proyectos:
decidir acerca de la conveniencia de invertir 300
MPTA en 5 proyectos de exploración minera, a un P(0 éxitos) = 0,85 = 0,33
y la probabilidad de supervivencia es 1 - 0,33 =
0,67, o sea el 67 por 100.
Este ejemplo constituye un caso particular del tipo
de situaciones que pueden analizarse de un modo hecho del que se hizo uso en el ejemplo anterior.
más completo con el modelo binomial. En la
teoría de probabilidades se investigan, entre otras, Con la ayuda del modelo binomial es posible
aquellas situaciones en que se repite n veces una controlar el riesgo en aquellas situaciones en que
operación, o intento, con las siguientes caracte- sea aplicable el mismo. Supóngase que se desea
rísticas: que la probabilidad P, de no obtener ningún
éxito no exceda de un cierto valor.,,P, Entonces
a) Cada intento puede tener sólo dos resultados, se cumplirá.
que suelen denominarse éxito o fracaso.
b) La probabilidad de éxito es la misma para cada
intento.
c) Los intentos son estadísticamente independien- de la cual se deduce que
tes.
Se trata de obtener la probabilidad P,, de obtener
x éxitos en n intentos, sabiendo que la probabili-
dad de éxito en cada intento es p y la de fraca-
so, por tanto, es q = 1-p. La teoría conduce al
siguiente resultado:
expresión que determina el número mínimo n de
intentos de probabilidad individual de éxito p que
n! han de realizarse para que la probabilidad P,, de
p"1 - p)n-x, fracaso total no supere. , ,P A continuación se
x! (n-x)! resumen los resultados para valores de p com-
prendidos entre el 1 por 100 y el 50 por 100 y
que se denomina ley o distribución binominal. P,, igual al 10 por 100, 5 por 100 y 1 por 100,
En el ejemplo anterior se investigaba precisamente (Tabla 13).
la probabilidad de O éxitos en 5 intentos, o sea n
= 5 y x = O. En la tabla que sigue se consideran
ahora todos los casos posibles. Tabla 13

Modelo binomial para n = 5 y p = 0,2

5.4.3.
3 P, = - .(0,2)3.(0,8)2= Se puede aplicar esta tabla al ejemplo estudiado,
3.2 que corresponde a p = 20°h, para investigar la
forma de elevar la probabilidad de supervivencia al
5.4.3.2. 90 por 100. En ella se observa que, para P,, 5 1O%,
4 P,, = -.(0,2)4.(0,8)1= 0,640
4.3.2. ha de ser n > 11. Por lo tanto, para lograr el 90 por
100 sería preciso disponer de capital suficiente para
financiar 11 proyectos en lugar de 5.
En este hecho tiene uno de sus fundamentos el
Total: 100,000 atractivo de las actuaciones conjuntas en
proyectos de exploración minera o petrolera, o de
Se comprueba que la suma de las probabilidades es desarrollo y aplicación de nuevas tecnologías. Así
el 100 por 100, ya que hay certeza de que, en 5 se dispone de más capital y se puede abordar un
intentos, se producirán 0, 1, 2, 3, 4 ó 5 éxitos. En número suficiente de proyectos para lograr una
consecuencia. probabilidad de supervivencia mayor que la que
podría asegurarse por separado cada una de las
empresas intervinientes. En el ejemplo anterior, si
se dispusiera de 600 MPTA y existieran 10 proyec-
tos análogos, la probabilidad de supervivencia se ya que existe la certeza de que X tomará alguno
elevaría a 1 - 0,81° = 0,89. Con 900 MPTA se de los valores posibles. También se la puede
llegaría a 0,96. Las actuaciones conjuntas pueden caracterizar por su función de distribución Fx
llevar la probabilidad de supervivencia a niveles (x), que se define como la probabilidad de que
aceptables cuando existe un número de proyectos tome un valor menor o igual que x:
suficiente con información geológica y geofísica
previa bastante como para permitir una
estimación fiable de sus probabilidades de
éxito. Fx C px (x,)
(x) = P(X5 x) =VXISX

La función de probabilidad se representa gráfica-

mente mediante un histograma (figura 18-a). La
7. Análisis de riesgo función de distribución toma la forma de una
línea escalonada, tal como se aprecia en la figura
Es un hecho sabido que muchos de los datos que 18-b, que arranca de la ordenada p=O y termina
se manejan en la evaluación de proyectos -sin- en la ordenada p = 1, sin tramo decreciente
gularmente los mineros- son estimaciones o predic- alguno.
ciones afectadas de incertidumbre, en mayor o
menor grado. El Análisis de Riesgo toma en conside-
ración este hecho con el mayor rigor cuantitativo
posible, mediante las distribuciones de probabilidad
estimadas para los datos, para obtener las distribu-
ciones de probabilidad de los indicadores económi-
cos y financieros utilizados en la evaluación.
El Análisis de Riesgo se basa en el empleo del
método de Montecarlo, que es una técnica de
simulación conceptualmente muy simple y fácil de
comprender y aplicar. Requiere, como se verá un
número elevado de cálculos repetitivos, que se
realizan cómodamente mediante ordenador.
Antes de entrar propiamente en el tema, se van
a recordar brevemente algunos conceptos esta-
dísticos indispensables para el planteamiento y
formulación del Análisis de Riesgo.

7.1. Variables aleatorias

En el análisis económico de proyprtos aparecen b) FUNCION DE DlSTRlBUClON
con frecuencia cantidades que pueden tomar
diversos valores, sin que sea posible precisar con Figura 18.- Variable aleatoria discreta.
certeza cuáles de ellos tomarán, sino sólo las
respectivas probabilidades de ocurrencia. Así
ocurre, por ejemplo, con las reservas de un Una variable aleatoria continua se determina
yacimiento, el importe de una inversión, los costes mediante su función de densidad de probabili-
de explotación, el número de máquinas en servi- dad fx (x), tal que fx (x)dx expresa la probabilidad
cio, etc ... Una magnitud de este tipo puede de que X tome un valor del intervalo (x, x + dx],
medirse mediante una variable aleatoria X, que o sea x < X ( x+dx. Por lo tanto, se verifica para
representa un conjunto de valores posibles, con un intervalo (a, b] cualquiera.
las respectivas probabilidades.
Una variable aleatoria puede ser discreta o
continua, según que sus valores posibles formen
un conjunto numerable o puedan tomar cualquier y también, análogamente a (l),
valor real en un cierto intervalo. Toda variable
aleatoria discreta se puede describir mediante su
función de probabilidad p,(x,), que asigna una
probabilidad px (x,) a cada valor x, posible. Se ha
de verificar, evidentemente.
que obliga a que el área subtendida por f,(x) sea distribución. Cuando dichas funciones son expre-
igual a la unidad. La función de distribución de sables analíticamente, la variable aleatoria puede
una variable aleatoria continua se determina definirse mediante los parámetros de sus corres-
inmediatamente si se hace uso de (2) y (3): pondientes expresiones matemáticas. Cuando no
existe expresión analítica, hay que recurrir a
representaciones tabulares o gráficas, sin la
posibilidad de determinar la variable mediante
unos pocos parámetros. A partir de dichas repre-
sentaciones se pueden calcular ciertos valores
En la figura 19, se dibujan las funciones de característicos, o descriptores, que no determi-
densidad de probabilidad y de distribución de una nan completamente la variable aleatoria, pero
variable aleatoria continua típica. La función de proporcionan información muy valiosa sobre sus
distribución es continua y monótona creciente. A rasgos fundamentales. De entre los muchos
consecuencia de (5), posibles, se van a considerar sólo los más impor-
tantes, que se manejarán con frecuencia en lo
sucesivo. Son éstos la media, o valor esperado,
la varianza, la moda y la mediana.
El valor esperado de una variable aleatoria es la
media ponderada de sus valores posibles. Repre-
senta la tendencia central de la variable. En el
Este resultado tiene, entre otras, la consecuencia caso de una variable aleatoria discreta, su expre-
de que la función de distribución presente un sión es inmediata:
punto de inflexión para aquellos valores de X que
hagan máxima o mínima la densidad de probabili-
dad.

Para una variable aleatoria continua, la expresión

precedente se sustituye por

E(X) = j.1 xf, (x)dx

El valor esperado E(X) se suele representar tam-

bién por p,.
Se puede extender el concepto de valor espera-
do a una función cualquiera g(X) de una variable
aleatoria X. Las fórmulas (7) y (8) precedentes
quedan entonces sustituidas por otras más gene-
rales:

El resultado E[g(X)] obtenido se denomina valor

esperado o esperanza matemática de g(X).
Para complementar la información que aporta el
valor esperado, interesa disponer de una medida
de la dispersión de la variable aleatoria respecto
de su tendencia central. Esto se logra con la
varianza, que se define como el valor esperado
Figura 19.- Variable aleatoria continua de los cuadrados de las desviaciones respecto de
la media:

Toda variable aleatoria queda completamente

determinada por su función de probabilidad, o de Se puede operar sobre esta expresión como sigue,
densidad de probabilidad, o por su función de teniendo en cuenta (9) y (10):
 b) Triangular. En la figura 21 se dibuja la función
de densidad de probabilidad correspondiente, que
sigue un perfil triangular en el intervalo (a,b) con el
vértice sobre la abscisa "x,". La función es nula
fuera del intervalo citado. La función de densidad
que suele ser muy útil para el cálculo de la queda completamente determinada por los tres
varianza. valores "a", " b " y "x," . A consecuencia de (4), la
f(x,) = h ha de ser igual 2/(b-a). La función de
La raiz cuadrada de la varianza es también una distribución está compuesta por dos arcos de pará-
buena medida de la dispersión, más conveniente bola de eje vertical, tangentes en el punto de abscisa
desde el punto de vista dimensional. Se denomina "x,", dando lugar así a un punto de inflexión. En la
desviación típica o, y verifica, por definición: Tabla 14 se reproducen las expresiones analíticas de
las funciones de densidad y de distribución. Obsérve-
se que "a", " b u y "x," son los parámetros de
dichas expresiones.

Además del valor esperado, o media, pueden

utilizarse otras cantidades características de la
zona central de una variable aleatoria. Son éstas
la moda y la mediana. La moda x, es el valor
más probable de la variable aleatoria. La mediana
x, es aquel valor por encima o por debajo del
cual es igualmente probable que se encuentre la
variable aleatoria. A consecuencia de (2), se
cumple:

Figura 21 .- Variable aleatoria triangular.

En general, la media, la mediana y la moda de
una misma variable aleatoria son diferentes, pero
si la función de densidad de probabilidad es Tabla 14
simétrica y unimodal, las tres cantidades serán
iguales. Variable aleatoria triangular
Para terminar este repaso, se van a revisar breve-
mente los tipos de variables aleatorias que se x f 00 Fod
manejan más frecuentemente en Análisis de
Riesgo: X<a O O

2 x-a (~-a)~
a) Equiprobable. La función de densidad de a-áx, --
probabilidad es constante en un cierto intervalo b-a ~,-a (b-a) (x, -a)
(a,b) y nula fuera de él (figura 20). Bastan los dos
2 b-x xM-a ( b - ~ -) ~(b-x,)'
valores "a" y " b" para determina1la. El valor de xdXsb -- --
la densidad de probabilidad en el intervalo (a,b) b-a b-x, b-a (b-a)(b-x,)
se determina inmediatamente con la ayuda de la
b<X O 1
condición (4) y resulta ser igual a ll(b-a). La
función de distribución, de acuerdo con (S), tiene 2 x,-a
forma rectilínea entre los puntos (a,O) y (b,l). x=x, - -
b-a b-a

C) Normal, o de Gauss. Es probablemente la

distribución de probabilidad más conocida. Obede-
ce a la Ley de Gauss:

1 1 x-p
f(x) =- exp[---)21, (14)
G0 2 o

en donde los parámetros "p" y "a",que la

determinan por completo, son precisamente la
media y la desviación típica de la variable en
Figura 20.- Variable aleatoria equiprobable cuestión. La variable aleatoria normal de paráme-
 fi
tros "p"y " o " , se representa simbólicamente por
N(p,o). Tiene la forma de campana típica simétri-
ca respecto de x=p, tal como se dibuja en la Al diferenciar resulta:
figura 22. dx = ods,
luego de (14) se infiere que:
1
f(x)dx = - exp (-s2/2)dx = ...
4%

... -
- - exp (-s2/2)ds = f(s)ds ,
&
Gracias a esta relación se puede utilizar @(S)para
calcular, por ejemplo, P(a<Xgb):

en donde "S1 " y "5," son los valores de " S " que
corresponden respectivamente a "a " y " b " . Esta
probabilidad viene representada también por el
área rayada en la figura 22.
Figura 22.- Variable aleatoria normal.
d) Lognormal. Una variable aleatoria es lognor-
mal cuando su logaritmo neperiano sigue una
La distribución N(0,1), con p = O y o = 1, se distribución normal. Dada una variable aleatoria
denomina distribución normal reducida. La normal Y, de 'media "h" y desviación típica "c",
expresión (14) se reduce en este caso a: la variable X = exp(Y) será lognormal. En conse-
cuencia se verifica:
1
f(s) = -exp (- s2/2). (1 5)

La función de distribución F(s) de N(0,1), de

empleo muy frecuente, se representa por @(S)y
está tabulada en muchos textos y manuales. Dado Como
que f(s) es simétrica respecto del eje de ordena- x = exp (Y),
das s=O, se verifica que @(-S) = l-@(s),tal como
se aprecia en la figura 23, por ello basta tabular al diferenciar se obtiene:
@(S)para valores positivos de " S " .

Cuando X está contenida en el intervalo (x, x+dxl,

y lo está en el (y, y+dy]. Por lo tanto, las probabi-
lidades de ambos sucesos han de ser iguales:

dx
fx (x)dx = fy (y)dy = f, (y) -x

luego

Figura 23.- Distribución normal reducida

La función de densidad de probabilidad fy(y) se

Con la ayuda de las tablas de @(S)se pueden escribe fácilmente a partir de (14):
determinar fácilmente valores de probabilidad para
una distribución normal N(p,o) cualquiera. Basta 1 1 y-h
fY(y)= exp [- - (-)2] (-<y<+..)
hacer el cambio de variable. &l, 2 c
y, al aplicar (17) r(z) = (z-l)!. (z natural)

si " q " y " r " son números naturales, se verifica:

que es la función de densidad buscada. En la

figura 24 se da un ejemplo típico, en el que se (q-1) ! (r-l)!
observa que, a consecuencia de (16), X es siem- B(q, r) = (q,r naturales)
(q+r-1 )!
pre positiva y que la distribución no es simétrica.
La forma de la distribución varía con los paráme-
tros q y r. En la figura 25 se dibuja un ejemplo
para a=2, b=12, q=2 y r=6. La curva es tanto
más asimétrica cuanto más diferentes sean " q " y
" r " . Si son iguales resulta simétrica, con x, =
(a+b)/2.

Figura 24.- Variable aleatoria lognormal

Para las determinaciones de probabilidades puede

emplearse también la función @(S)de distribución
normal reducida. Para ello se hace el cambio de
variable
s = (inx- h)/L

y, en consecuencia.
dx = xcds

Por lo tanto, Figura 25.- Variable aleatoria beta.

1
f,(x)dx = exp (-s2/2) dx =
cx,

- 1
-- exp (-s2/2)ds = f(s)ds 7.2. Método de Montecarlo
La incertidumbre que presentan muchos de los
y es aplicable la distribución N(0,l). factores que determinan el valor económico de un
proyecto se puede cuantificar fielmente si se les
e) Beta. Análogamente a la distribución triangu- representa mediante variables aleatorias. El Análi-
lar, la variable aleatoria beta sólo puede tomar sis de Riesgo tiene el objeto de expresar los
valores en el intervalo (a,b). La función de densi- resultados de la evaluación en forma de variables
dad de probabilidad es: aleatorias, conocidas las funciones de distribución
de las que figuran entre los datos. En lugar de
proceder de una forma puramente analítica, en
busca de la formulación matemática de los indica-
dores económicos como funciones de las variables
en donde " q " y " r " son dos parámetros que aleatorias y otros datos, se recurre al método de
determinan su forma y B(q,r) es la función beta, Montecarlo, que permite determinar dichos
que suele estar tabulada o puede determinarse resultados por muestre0 simulado. Este método
como si ue, a partir de la función gamma, que tiene, entre otras, las siguientes cualidades:
?
es más ácil encontrar tabulada:
- Proporciona la información económica y de
riesgo más completa posible.
- Puede manejar datos empíricos, sin necesidad
de formularlos analíticamente.
Como - Conceptualmente es muy simple e intuitivo.

378
Para realizar el Análisis de Riesgo se requieren El resultado X se puede representar mediante su
básicamente los dos elementos siguientes: función de densidad de probabilidad f,(x), o su
función de distribución Fx(x). En el Análisis de
a) Un modelo económico que determine el in- Riesgo se suele utilizar el llamado perfil de
dicador de rentabilidad deseado en función de los riesgo Rx(x), que expresa la probabilidad de que
datos que hagan al caso, unos conocidos con el indicador X supere el valor genérico X:
certeza y otros afectados de incertidumbre.
R, (x) = P(X>x).
b) Las funciones de distribución de todos los
datos sujetos a incertidumbre, los cuales se
representan como variables aleatorias, reflejando A consecuencia de (5), se verifica
además las posibles interdependencia5 y correla-
ciones.
En las simulaciones de Montecarlo, los factores
ciertos tienen el carácter de parámetros constan- que relaciona el perfil de riesgo con la función de
tes, a los que se asignan valores fijos, que sólo se distribución.
modificarán en eventuales análisis de sensibilidad.
El proceso consta de cuatro operaciones básicas: Supóngase que se ha efectuado el análisis de
riesgo de un cierto proyecto, utilizando la TRI
1) Se genera al azar un valor de cada variable como indicador económico X. Se han realizado
aleatoria, de acuerdo con su función de 250 simulaciones, con los resultados que se
distribución, realizando de esta manera un mues- indican en la Tabla 15.
treo simulado.
En la figura 26 se representan ráficamente el histo-
2) Se introduce en el modelo económico el
conjunto de valores así producido, se determina
2
grama de frecuencias y el pe 11 de riesgo de la TRI
del proyecto analizado. Se comprende que, cuanto
el indicador de rentabilidad X y se registra. más a la derecha se encuentre el perfil, tanto más
rentable será el proyecto. Por otra parte, cuanto más
3) Se repiten los pasos 1 y 2 hasta ejecutar el escarpado sea el perfil, tanto menor será la disper-
número de simulaciones deseado. sión de los valores posibles de la rentabilidad y, en
consecuencia, menor es el riesgo.
4) Se clasifican por intervalos los valores del
indicador de rentabilidad X obtenidos en las La velocidad de cálculo de los ordenadores ac-
sucesivas simulaciones, y se calculan, tabulan y tuales permite realizar varios miles de simulaciones
representan gráficamente las frecuencias relativas en tiempos muy breves, incluso al analizar mode-
y las probabilidades acumuladas. Se calculan los bastante complejos. Corrientemente basta con
también el valor medio y la varianza (o la desvia- unos cientos de simulaciones para obtener resulta-
ción típica), así como cualesquiera otros descripto- dos satisfactorios.
res de la distribución de X que se deseen.

Tabla 15
Ejemplo con 250 simulaciones

Intervalo Frecuencia Frecuencia Perfil

% absoluta relativa de riesgo

X<12 o 0,000 P(X212) = 1,000

12<X<13 8 0,032 P(X>12) = 1,000
13<Xc14 16 0,064 P(X>13) = 0,968
14<X< 15 34 O, 136 P(X>14) = 0,904
15<X<16 39 O, 156 P(X>15) = 0,768
16<X<17 46 0,184 P(X>16) = 0,612
17<X<18 53 0,212 P(X>17) = 0,428
18<X<19 38 O, 152 P(X>18) = 0,216
19<X<20 12 0,048 P(X>19) = 0,064
20eXc2 1 4 0,016 P(X>20) = 0,016
21<X O 0,000 P(X>2 1) = 0,000

Totales 250 1,000

 Figura 26.- Perfil de riesgo
Figura 27.- Generación de valores de una variable aleatoria.

7.3. Muestreo aleatorio inversa de F, a cada valor r generado es un valor

x = F-',(r) de la variable aleatoria X.
Para la aplicación práctica del método de Montecarlo
es indispensable poder generar automáticamente En principio se tiende a generar independiente-
valores de una variable aleatoria cualquiera. Con el mente las diversas variables aleatorias que intervie-
ordenador se pueden generar números aleatorios nen en el análisis de riesgo de un proyecto. Así
equiprobables en el intervalo (0, l), que corresponden se simplifica el desarrollo y manejo del modelo y,
a la variable aleatoria equiprobable R. Mediante una además, es frecuente que se obtenga una repre-
simple transformación lineal se pueden obtener sentación razonablemente fiel de la realidad.
valores de una variable aleatoria equiprobable Ahora bien, no es raro que existan correlaciones
cualquiera X, en un intervalo dado (a,b): entre ciertas variables. Dichas correlaciones pue-
den ser difíciles de cuantificar, pero pasarlas por
alto puede conducir a errores graves en las
conclusiones del análisis.
Existe un procedimiento muy simple para generar Puede clasificarse en tres niveles la dependencia
valores de una variable aleatoria cualquiera X, no entre dos variables aleatorias X e Y:
equiprobable, conocida su función de distribución
Fx(x). En la figura 27 se representa la función de a) Nula. Las variables X e Y son mutuamente
distribución de dicha variable aleatoria. Considérese independientes.
un intervalo elemental dx sobre el eje de abscisas, al
que le corresponderá el intervalo dF,(x) sobre el de b) Total. Existe una relación funcional Y = cp (X)
ordenadas. Si se generan valores de la variable entre las variables.
aleatoria equiprobable R en el intervalo (0,l)del eje c) Parcial. Hay una correlación estadística más o
de ordenadas, se verificará: menos marcada entre X e Y.

El caso a es el más frecuente y conduce a la

generación independiente de las variables. En el
pero caso b, si se conoce X, queda determinada Y
automáticamente (o viceversa); por tanto sólo es
dF,(x) = f,(x)dx = P(x < X Ix + dx). preciso generar una de ellas, habitualmente la
más fácil de obtener. Así ocurre, por ejemplo, con
la ley de un mineral y la recuperación mineralúrgi-
Por tanto, los valores de X obtenidos sobre el eje ca, tal como indica la figura 28. Otro ejemplo
de abscisas, en correspondencia con los de R típico de interdependencia entre variables de un
generados sobre el de ordenadas, siguen precisa- proyecto minero es la que existe entre las reservas
mente la función de densidad de probabilidad de mineral y las leyes de éstas. Como se ha
f,(x) deseada. indicado anteriormente, la ley del mineral (para
una ley de corte dada) y las reservas constituyen
El modo de operar es, en consecuencia, muy dos de las componentes principales en el proceso
sencillo: Para obtener valores de una variable iterativo de la evaluación de una inversión minera.
aleatoria X cualquiera, cuya función de distri- Debido a la influencia de esa relación sobre el
bución F,(x) se conoce, se generan valores de una proceso de análisis y toma de decisión, la deter-
variable aleatoria equiprobable R en el interva- minación de la ley de corte ha sido un tema muy
lo (0,l). El resultado de aplicar la función estudiado y debatido en el mundo de la minería.
 En la práctica se empieza por adoptar una F,
normalizada reducida, que se ajuste bien a la
dependencia existente entre X e Y. Se establecen
a partir de ella las funciones condicionales de
densidad de probabilidad, generalmente expresan-
do sus parámetros como funciones sencillas de X.
Supóngase, por ejemplo, que se adopta la distri-
bución equiprobable, que suele ser una de las
preferidas en tales situaciones. La función norma-
lizada será la variable aleatoria equiprobable R en
el intervalo (0,l). Los valores y, e ,,y, se expre-
san en función de x:

= Ymn
l (x)
Ymin

1
~max = ymax (x) 1
LEY M ALIYENTACW ( K p l L I

Figura 28.- Relación entre la ley de alimentación en planta

de varios minerales y las recuperaciones minera- Se pasa de R a Y(x) mediante la transformación
Iúrgicas. lineal que se vio antes:

El caso c, de dependencia parcial, es el que

precisa un tratamiento más complicado. En la El proceso se programa fácilmente.
figura 29 se representa una situación típica. A
cada valor de X le corresponde una distribución Por desgracia, es frecuente que no se disponga
de valores de Y, caracterizada por una función de información suficiente para formular las corre-
condicional de densidad de probabilidad, cuya laciones de una forma precisa. De ser así, son
forma dependerá del valor que tome X. La gene- posibles dos líneas de acción:
ración de valores se realiza de la forma siguien-
te:
a) Pasar por alto la correlación. Puede ocurrir
1) Se genera un valor de X de la forma habitual. que el error introducido no tenga entidad sufi-
ciente para justificar el esfuerzo y coste adiciona-
2) Se establece la función F, que corresponda al les necesarios para determinarla e introducirla en
valor de X obtenido. los cálculos. Hay que ponderar cada caso para no
tomar posturas demasiado simplistas.
3) Se genera un valor de Y utilizando la función
inversa de F.,
b) Planteamiento optimista-pesimista. Si se
sospecha que una posible correlación puede
afectar sensiblemente a los resultados del análisis,
pero es difícil investigarla, puede realizarse un
primer tanteo sin correlación. A continuación se
explora el efecto que podría tener la correlación.
Si éste fuera favorable, no sería preciso introducir-
la, ya que la hipótesis de independencia sería
pesimista. En caso contrario, habría que
considerarla.
A título de ejemplo y con el fin de ilustrar cómo
puede investigarse la correlación entre variables,
en la Tabla 16 se recopilan las cotizaciones
medias anuales de algunos metales no férreos
desde 1933 hasta 1984. Se ha tomado como
referencia el cobre, aunque en cada proyecto
concreto se deberá tomar como variable indepen-
diente la cotización del metal que tenga el mayor
u x valor en el mineral polimetálico. Los ratios medios
l =2 .
3
o coeficientes de correlación que resultan para el
Figura 29.- Correlación entre variables. período indicado son los de la Tabla 17.
 Tabla 16
Cotizaciones anuales de metales y ratios entre ellas

Cobre Plomo Cinc Estaño Mercurio Aluminio Plata PbICu Zn/Cu Sn/Cu AI/Cu
Año C$/Lb C$/Lb C$/Lb C$/Lb $/FRC C$lLb C/Oz

1933 6,71 3.87 4.03 39.1 1 59,23 23,30 34,73 0,58 0,60 5,83 3,47
1934 7.27 3.87 4,16 52,19 73,87 23.30 47,97 0,53 0.57 7,18 3,20
1935 7,54 4,07 4.33 50.42 3 1,99 20,OO 64,27 0,54 0,57 6,69 2,65
1936 9,23 4.71 4.90 46,44 79,92 20,OO 45,09 0,51 0,53 5.03 2,17
1937 13,02 6,Ol 6.52 54.34 90,18 19.92 44,89 0.46 0,50 4,17 1,53
1938 9,70 4,74 4.61 42.30 75,47 20.00 43,23 0,49 0,48 4,36 2,06
1939 10.73 5,05 5.1 1 50,32 103,94 20,03 39,08 0,47 0.48 4,69 1.86
1940 10,77 5.18 6,34 49.83 176.96 18.69 34,77 0.48 0.59 4.63 1,74
1941 10.90 5,79 7.47 52.02 185.02 16.50 34.78 0,53 0,69 4,77 1.51
1942 11,68 6,48 8.25 52.00 196.35 15.00 38.55 0,55 0.71 4,45 1,28
1943 11,70 6,50 8.25 52.00 195,21 15,OO 44,75 0,56 0.71 4,44 1,28
1944 11,70 6,50 8,25 52.00 118,36 15,OO 44.75 0,56 0,71 4.44 1,28
1945 11,70 6,50 8.25 52,OO 134,89 15,OO 59,93 0,56 0.71 4.44 1,28
1946 14,79 8,l 1 8,73 54,54 98,24 1 5,OO 80.1 5 0,55 0.59 3.69 1,Ol
1947 21,62 14,67 10,50 77.95 83,74 15,OO 71,82 0,68 0,49 3,60 0,69
1948 22.35 18,04 13,59 99,25 76,49 15,73 74,36 0,81 0,61 4,44 0,70
1949 19.42 15.36 12.14 99,34 79.46 17,OO 71,93 0.79 0,63 5,l 1 0.88
1950 21.55 13.30 13.87 95.54 81.26 17,71 74,17 0,62 0.64 4.43 0.82
1951 26,26 17,50 18,OO 127.08 210,13 19,OO 89.37 0,67 0.69 4,84 0.72
1952 31.75 16,47 16,22 120.47 199,lO 19,41 84,94 0.52 0,51 3,79 0.61
1953 30.85 13,49 10,86 95,85 193,03 20.93 85,19 0.44 0,35 3,l 1 0,68
1954 29.90 14.05 10.68 91.84 264,39 21,78 85,25 0.47 0.36 3.07 0,73
1955 39,12 15,14 12.30 94.74 290.35 23,67 89,lO 0,39 0.3 1 2,42 0.61
1956 40.43 16,Ol 13.49 101,41 259,92 24,03 90,83 0.40 0,33 2.51 0,59
1957 27,16 14.66 1 1,40 96,26 246,98 25.42 90,82 0,54 0,42 3,54 0,94
1958 24.12 12.11 10,31 95.13 229,06 24,79 89.04 0,50 0,43 3.94 1,03
1959 28.89 12.21 11.45 102,05 227,48 24,74 91.20 0,42 0,40 3,53 0,86
1960 29,89 11,95 12.95 101.44 210,76 26.00 91.38 0,40 0,43 3,39 0.87
1961 27,92 10.87 11,54 113,31 197.61 25.61 92,45 0.39 0,41 4.06 0,91
1962 28,51 9,63 11.63 114,65 191,21 23,87 108,52 0.34 0,41 4,02 0,84
1963 28.41 1 1.14 12.00 1 16.65 189,45 22,62 127.91 0.39 0,42 4,11 0,80
1964 30,99 13.60 13,57 157.60 314,79 23,74 129.30 0.44 0,44 5,09 0.77
1965 35,60 16.00 14,50 178.20 570,75 74,51 129.30 0.45 0,41 5.01 0,69
1966 49,51 15.12 14,50 164,07 441,72 24,50 129.30 0,31 0,29 3,31 0,49
1967 47,19 14.00 13,84 153,43 469.36 24.98 154,97 0.30 0,29 3,25 0,53
1968 50.29 13.21 13.50 148.15 535.56 25,58 214.46 0,26 0,27 2,95 0.51
1969 61,97 14.90 14.60 164.50 505.04 27,19 179,07 0,24 0,24 2.65 0,44
1970 62.75 15.62 15,32 174.21 407.77 28,72 177.08 0.25 0,24 2.78 0,46
1971 47.87 13,80 16.13 167.35 292.41 29,OO 154,56 0.29 0.34 3,50 0,61
1972 46,52 15,03 17.75 177,47 218.28 26,41 168,46 0.32 0,38 3,82 0,57
1973 78,76 16.29 20.66 227.56 286,23 25.00 255.76 0.21 0.26 2,89 0.32
1974 90.41 22.53 35.95 396.27 281.69 34.13 470.80 0,25 0.40 4,38 0.38
1975 53.25 21,53 38,96 339,82 158.12 39.79 441.85 0.40 0,73 6,38 0.75
1976 60.89 23.10 37.01 379.82 121,30 44.34 435.35 0.38 0,61 6,24 0.73
1977 56.70 30.70 34.39 534,60 135.71 51,34 462.30 0,54 0.61 9,43 0.91
1978 59,20 33.65 30.97 629.58 153.32 53,07 540,09 0,57 0.52 10,63 0,90
1979 86.90 52,64 37,30 753.89 281,lO 59,39 . 1.109.42 0.61 0,43 8,68 0,68
1980 95.28 42,56 37.43 846,OO 389.45 69,57 2.063,16 0.45 0.39 8,88 0.73
1981 74,84 35.53 44,56 733.05 413,86 76.00 1 051,84 0.47 0,60 9,80 1,02
1982 62.97 25,54 38,47 653.92 370,93 76,OO 794.73 0,41 0.61 10,38 1,21
1983 58.01 21.67 41.38 654,78 322.44 77.67 1.144.13 0.32 0,61 9,63 1,14
1984 58,30 25.55 48.60 567,80 314.38 61.05 814.07 0.44 0,83 9,74 1,05

0.46 0.50 5,04 1,05

 Tabla 17

RATlO Pb/Cu

Con todos estos datos se han obtenido los histo-

gramas de ratios que se dibujan en la figura 30.
Para realizar una simulación de Montecarlo, se
sigue un proceso parecido al de la figura 29:

o's 0'2s o's o's8 o* 0'4s o's 03s o's o- 0'7 o'm 0'0 0'0s
1) Se genera aleatoriamente la cotización del
metal que se ha tomado como base, de acuerdo RATlO Zn/Cu
con una función de distribución conveniente.

2) Se genera aleatoriamente un ratio "cotización

de metal 2lcotización de metal 1 ", que permite
obtener un valor para la cotización del metal 2.

Por último, se van a realizar unas consideraciones

breves acerca de la correlación de las variables del
proyecto con el tiempo. Es frecuente que los
valores generados de las diversas variables aleato- 0'28 0'5 d 7 8 1'0 1'25 1'6 1'75 2 0 2'25 2'8 2'78 SO 3'25 3'5
rias se consideren los mismos a lo largo de la vida
del proyecto en cada una de las simulaciones, de RATlO AI/Cu
modo que cada variable se muestrea una sola vez
en cada simulación. Esta conducta es a todas
luces poco realista. Un procedimiento más apro-
piado consiste en generar cada año los valores de
las variables aleatorias pertinentes. Suele ser
necesario establecer ciertas restricciones, que
reflejen la posible influencia del valor de una
variable aleatoria en un momento dado sobre los
de etapas ulteriores. Por ejemplo, si los costes de
explotación son muy elevados durante un cierto
período, es poco probable que sean muy bajos en
el período siguiente. Consecuentemente, la
función de distribución de una variable para
un cierto período puede hacerse depender del
valor tomado por dicha variable en el período 2'0 2'8 3'0 3'5 4'0 4'5 6'0 6'8 6'0 6'8 7
'
0 7'8 8'0
precedente. Con este mismo recurso pueden
RATlO Sn/Cu
introducirse tendencias a corto y largo plazo.
Todo esto conduce a modelos razonablemente
realistas. Figura 30.- Histogramas de ratios de cotimjones.
7.4. Determinación de las funciones Pueden presentarse variables aleatorias que no
de distribución tengan por qué obedecer a ninguna distribución
típica. Si se dispone de información estadística
sobre ellas, se podrán construir sus histo ramas y
En el análisis económico de un proyecto minero
hay muchos datos que tienen el carácter de
9
funciones de distribución sin dificultad a guna. Si
no existen datos estadísticos, hay que recurrir a la
variables aleatorias: estimación de probabilidades subjetivas. En gene-
- Reservas. ral, mediante la combinación de datos históricos
- Leyes. y estimaciones de expertos, se puede llegar a una
- Recuperación mineralúrgica. determinación fiable de estas variables aleatorias.
- Costes de explotación. Nunca se insistirá bastante en que es mucho
- Precios de venta. mejor conocer las probabilidades de variación de
- Producción anual. un dato, aunque sea precariamente, que limitarse
- Ventas anuales.
a emplear un único valor estimado.
- Inversión.
- Vida de las instalaciones.
Existen varios métodos para la estimación pura-
- Valores residuales, etc. mente subjetiva de variables aleatorias. En la
práctica del análisis de proyectos mineros esos
métodos tienen muy poca aplicación. La experien-
En muchos casos no es preciso simular aleatoria- cia indica que lo más razonable suele ser adoptar,
mente todas las variables que, en rigor, tengan de acuerdo con los especialistas pertinentes, una
ese carácter, sino sólo aquéllas que un análisis de distribución equiprobable, normal o triangular.
sensibilidad previo haya demostrado que influyen Una vez elegido el tipo de distribución, basta con
significativamente sobre la rentabilidad. Las demás estimar dos o tres parámetros para dejarla com-
variables pueden manejarse como datos ciertos, pletamente definida.
con sus mejores estimaciones.
Para definir la distribución que sigue cada una de 7.5. Explotación de los resultados
las variables aleatorias se pueden dar las siguien-
tes directrices generales: El Análisis de Riesgo permite medir los siguientes
atributos de un proyecto de inversión:
a) Las distribuciones pueden basarse en el conoci-
miento de que ciertas variables siguen un tipo - Rentabilidad esperada.
determinado, en datos estadísticos preexistentes o - Variabilidad de la rentabilidad.
en estimaciones subjetivas. - Riesgo.

b) Las apreciaciones acerca de la ley seguida por Se dispone, pues, de una información mucho más
cada variable deben ser realizadas por el experto rica para la toma de decisiones que la aportada
o expertos idóneos, asistidos por un analista. por una evaluación determinística tradicional.

c) No hay que limitarse, como norma, a elegir Se ilustrará esto sobre un ejemplo, consistente en
entre unos pocos tipos de variables aleatorias. En la comparación de dos proyectos A y B, que
cada caso se utilizará la que resulte más adecua- requieren la misma inversión y tienen vidas igua-
da. Si existen correlaciones significativas, se les. En la figura 31 se dibujan sus perfiles de
reflejarán convenientemente en el modelo. riesgo respectivos. De su examen se despren-
den las siguientes conclusiones:
Es muy frecuente que una variable aleatoria determi-
nada se pueda representar satisfactoriamente con a) El proyecto B tiene una TRI esperada mayor
alguna distribución muy conocida, como las revisadas que el A (el 14,6% frente al 12,5%).
en 7.1. En bastantes casos lo único que puede
hacerse es acotar la variable en un cierto intervalo, b) La rentabilidad del proyecto B es sensiblemente
sin que haya motivos para considerar unos valores más imprecisa que la del A. La TRI del proyecto
más o menos probables dentro del intervalo. En tales B tiene una probabilidad del 31 por 100 de
circunstancias se hace uso de una distribución superar el 20 por 100, pero también tiene una
equiprobable. A veces se puede distinguir un valor probabilidad del 22 por 100 de no rebasar el 5
más probable que los demás, lo cual permite adop- por 100. La rentabilidad del proyecto A, por el
tar una distribución triangular. Muchas variables contrario, tiene una probabilidad del 96 Dor 100
aleatorias siguen una distribución normal, sobre todo de estar comprendida entre el 7.5 por i 0 0 y el
cuando sus fluctuaciones pueden deberse al efecto 17,5 por 100.
combinado de muchas causas diferentes. Hay varia- ,
bles aleatorias inherentemente positivas, que se c) El proyecto B es bastante más arriesgado que
ajustan bastante bien a una ley lognormal. Existen el A, ya que existe certeza de que la TRI de éste
variables aleatorias acotadas asimétricas que siguen no caerá por debajo del 5 por 100, mientras que
mejor la distribución beta que la triangular, aunque el B se ha visto que tiene una probabilidad del 22
en la mayoría de los casos esta última suele propor- por 100 de que le ocurra, e incluso una probabili-
cionar una aproximación suficiente. dad del 10 por 100 de que su TRI sea negativa.
 a) TRI esperada igual o mayor que el 14 por 100.
b) Probabilidad igual o mayor que el 10 por 100
de que la TRI supere el 18 por 100.
c) Probabilidad igual o mayor que el 90 por 100
de que la TRI supere el 7 por 100".
Una vez superado el filtro preliminar, hay que
disponer de reglas para comparar unos proyectos
con otros. Para esta tarea es muy útil utilizar el
VAN, como criterio económico y determinar,
mediante análisis de riesgo, el VAN esperado "p"
y su desviación típica " o " . De esta manera, cada
proyecto queda identificado por un par (p,o), que
puede ser representado por un punto en el
correspondiente diagrama, figura 32. Como " o "
es inherentemente positiva, todos los puntos
representativos de proyectos se encontrarán en el
semiplano superior. Por lo general, sólo suelen
considerarse los proyectos del primer cuadrante,
ya que los del segundo tendrían VAN esperado
negativo y no serían aceptables.
DESVlAClON
NORMAL

Figura 31 .- Comparación de perfiles de riesgo

I (r,d - MAS RENTABILIDAD

El perfil de riesgo despliega ante el decisor toda

la información cuantitativa posible sobre el valor
económico de un proyecto y su variabilidad.
Queda pendiente, no obstante, el desarrollo de
metodologías adecuadas para su manejo. Al ser
una información mucho más amplia, se complican
los criterios y reglas de decisión. En el análisis
determinístico se aplican sólo criterios económicos,
1
O
-
IJ
VAN ESPERADO

Figura 32.- Diagrama ~ , o .

tal como se vio en el capítulo 9. El análisis proba-
bilístico aporta medidas del riesgo, lo cual da
lugar a una familia nueva de criterios para su En el plano p,o pueden realizarse diversas cons-
eventual incorporación a la política de inversiones trucciones muy útiles. Para desarrollarlas, en lo
de la empresa. que sigue se supondrá que el VAN es una varia-
ble aleatoria normal N(p,o), hipótesis que se
En primera instancia, el objeto de toda política de satisface muy frecuentemente con más o menos
inversiones es el filtrado de propuestas, esto es aproximación. En primer lugar se va a investigar
el establecimiento de criterios para decidir si un la probabilidad de que el VAN de un proyecto sea
proyecto es o no aceptable. Al tomar en consi- negativo. Si se representa por X la variable aleato-
deración el riesgo, hay que aplicar al menos dos ria VAN y se hace el cambio de variable s = (x -
criterios, uno económico y otro de riesgo. Es p)/o para aplicar la distribución normal reducida
evidente que un nivel de riesgo suficientemente (1 5), se verifica:
elevado puede hacer inaceptable un proyecto de
alto valor económico esperado. En general se 1
plantea el problema de conjugar rentabilidad y P(X<O) = 13 fX (x)dx = I:? - exp (-s2/2)ds = @(-No)
riesgo. Todo esto conduce a normas de filtrado iz
como, por ejemplo la siguiente:
" 1. Se utilizará la TRI nominal como medida de la Este resultado indica que, si Ci/o es constante, P(Xc0)
rentabilidad, estimando los flujos de fondos netos lo es también (y viceversa). En consecuencia, el lugar
en pesetas corrientes, después de impuestos, y supo- geométrico de los puntos representativos de los
niendo financiación íntegra con capitales propios. proyectos con igual probabilidad de VAN negativo es
una recta que pasa por el origen, figura 33. En la
2. Se aceptarán, en principio, las propuestas que Tabla 18 se reseñan los valores del ángulo 6 para
satisfagan las siguientes condiciones: varios niveles de probabilidad.
 Tabla 18 Otra cuestión que puede plantearse es la siguien-
te: 'de ser negativo el VAN, cuál sería su valor
Rectas de igual probabilidad de VAN<O esperado?. Con la misma notación anterior y
aplicando el resultado obtenido para P(X<O), se
trata de hallar

Al desarrollar el último miembro y operar, resulta

en donde ~ ( s representa
) la función de densi-
dad normal reducida. Dado el par (p,o), esta
Figura 33.- Rectas de igual probabilidad de VANIO. expresión permite calcular Z. Si se fija Z, la misma
fórmula se convierte en la ecuación del lugar
geométrico de los puntos @,o) de igual Z. Resulta
Las rectas de P(X<O) < 0,5 se encuentran en el una curva de la forma dibujada en la figura 35,
primer cuadrante y las de P(X<O) > 0,5 en el que presenta evidentemente la raíz p = Z.
segundo. Eso se debe a que No tiene el mismo
signo que p. así que según que sea p SO es A continuación se ve una forma posible de utilizar
P(X<O)s0,5, figura 34. el diagrama p, o para la toma de decisiones en
relación con proyectos de explotación minera.
En la figura 35 se ha representado la recta P
(VAN<O) = 10 por 100. Si el punto (p, o) repre-
sentativo del proyecto queda por debajo de ella,
la probabilidad de que se produzca pérdida es
inferior al 10 por 100. También se ha representa-
do la curva correspondiente a una esperanza de
pérdida prefijada (igual al segmento 06). Todo
punto (p,o) situado debajo de ella indica que, de
producirse pérdida, su valor esperado sería inferior
a 06.

Figura 34.- Probabilidades de VAN negativo. Figura 35.- Construcciones geométricas en el diagrama.
Si el decisor quiere limitar la pérdida esperada,
con las dos curvas precedentes puede delimitar
una zona en la que la probabilidad de VAN o u#dl use. m
-.
...
. fu(u1 Primo d. riesqo o
negativo no exceda del 10 por 100 y, en el caso u A
en que lo fuera, su valor esperado respetaría un
límite que se señalase. Todo yacimiento cuyo
proyecto de desarrollo estuviera en esa zona sería
explotable, figura 36.

EXPLOTABLES
It MPTA

/
Figura 37.- Determinación de la utilidad de un VAN aleato-
rio.
Figura 36.- Delimitación de la región de proyectos
explotables. Con la ayuda de dichas curvas se conoce inmediata-
mente la utilidad esperada de cualquier proyecto
Las consideraciones precedentes han mostrado representado en el diagrama. Es muy fácil medir
cómo se puede delimitar en el plano p,o una sobre éste el equivalente cierto y la prima de riesgo
región de proyectos aceptables, sin llegar a o penalización del VAN de un proyecto. El equivalen-
establecer todavía una comparación entre proyec- te cierto, por ejemplo, de un proyecto A es la
tos. Para esto último es evidente que habrá que abscisa del punto M, ya que dicho punto correspon-
hacer intervenir la actitud del decisor ante el de al valor monetario cierto de utilidad U.,
riesgo, lo cual puede lo rarse mediante su fun-
9
ción de utilidad o pre erencia. En la figura 37
se representa la función de densidad de probabili-
En la figura 38 se ha marcado la zona de proyectos
aceptables análogamente a la figura 36. Compáren-
dad f, (x) del VAN de un proyecto, que sigue una se por ejemplo dos proyectos mutuamente excluyen-
ley normal N(300, 100), de valor esperado p = tes A y B, ambos aceptables en principio. Aunque el
300 MPTA y desviación típica o = 100 MPTA. VAN esperado del proyecto A es mayor que el del B,
También se dibuja la función de utilidad U(x) del U,<U, y por tanto es preferible el B, cuyo equivalen-
decisor. Como la función de utilidad recoge ya la te cierto es el mayor.
aversión al riesgo, el valor del proyecto para el
decisor vendrá medido por su utilidad esperada.
Con la ayuda de f,(x) y U(x) se obtiene la función
de densidad de probabilidad fu(u), que se ha dibuja-
do referida al eje de ordenadas. Debido a la curvatu-
ra de la función de utilidad, fu(u) resulta asimétrica
y sesgada hacia los valores bajos. Mediante ello se
determina la utilidad esperada E(U), que resulta ser
150, a la cual corresponde un equivalente cierto
de 275 MPTA. La prima de riesgo del proyecto
analizado será, por tanto, 300 - 275 = 25 MPTA.
Puede decirse en otras palabras que debido al riesgo,
el decisor aplica una penalización de 25 MPTA al
VAN esperado del proyecto. Si fuera o = 200 MPTA,
se comprueba por este mismo procedimiento que
E(U) = 136, el equivalente cierto bajaría a 230 MPTA
y la prima de riesgo o penalización del VAN se
elevaría a 70 MPTA.
Con este procedimiento se logra el objetivo de
asignar un valor de utilidad o preferencia a cada
proyecto, resolviendo así el problema de la com-
paración de proyectos. Para facilitar la toma de
decisiones, se puede dibujar un haz de curvas de
igual utilidad esperada sobre el plano p,o como se
indica en la figura 38. Figura 38.- Diagrama p,o con curvas de igual utilidad.
Todas las construcciones que se han descrito no en donde
son más que ejemplos del manejo del Análisis de r = d,/d,
Riesgo en la evaluación de proyectos. Son posibles
otras muchas formas de utilización metódica del
Análisis de Riesgo en la política de inversiones de
una empresa. En ambos casos, como en el argumento de la
exponencial aparece un cociente de logaritmos, es
indiferente la base y pueden ser tanto decimales
7.6. Método R.S.C. -lo que aparece en las fórmulas- como neperia-
nos.
Se puede pretender determinar la función de
densidad de probabilidad de la TRI de un proyec- Cuando d, = d, = d, mediante paso al límite en
to sin recurrir al muestre0 aleatorio, sino de una f+(x) o en f.(x), se llega al mismo resultado si-
forma analítica a partir de ciertas características guiente:
de las variables aleatorias de que dependa. Entre
los diversos métodos existentes destaca el R.S.C.,
o de la raíz cuadrada de la suma de los cuadra-
dos, debido a O'HARA (1982) y desarrollado
precisamente para el análisis de riesgo de proyec-
tos mineros.
El punto de partida de este método es la repre- que corresponde a una distribución normal N(E,d).
sentación de cada variable aleatoria X del proyec- Se ve, por tanto, que las distribuciones asimétricas
to mediante una distribución asimétrica, que se que se han definido constituyen extensiones de la
define por tres parámetros: la moda E y dos normal, con d, y d, en papeles análogos a la
desviaciones características d, y d,, respectivamen- desviación típica d.
te a la izquierda y la derecha de E. Cuando d, =
d,, la distribución se convierte en normal, de En la figura 39 se dibuja una distribución asimétri-
media E y desviación típica d, = d,. ca positiva. En ella se aprecia un sesgo positivo,
tanto más pronunciado cuanto mayor sea d,
Cuando d, cd,, la distribución es asimétrica frente a d,. El valor medio o esperado de X se
positiva y tiene la siguiente función de densidad encuentra a la derecha de la moda E (en el caso
de probabilidad: concreto representado en la figura, muy próximo

1
1[
log 1+- ( X - : ~ T " ~ ] ~
a E+d,). La función de densidad presenta una raíz
a la izquierda de E-d, y tiende asintóticamente a
cero cuando X += . En las distribuciones asim6-
00

tricas negativas ocurre, natualmente, lo contrario.

en donde
r = d2/dl

Se comprueba fácilmente que, para x=E-d, y

x=E+d,, f+(x) toma un valor igual al máximo f(E)
multiplicado por e-ln = 0,6065. Por lo tanto, Figura 39.- Distribución asimétrica positiva
puede afirmarse que d, y d, representan las
desviaciones de X, por debajo o por encima de E, La distribución asimétrica queda completamente
para las cuales la densidad de probabilidad resulta determinada por E, d, y d,. En las variables
igual a 0,6065 veces la máxima posible. aleatorias que intervienen en el análisis de riesgo,
se asigna a E el valor estimado para el análisis
Análogamente, cuando d,>d,, la distribución es determinístico previo. En cuanto a d, y d,, es
asimétrica negativa tiene la siguiente función preferible obtenerlos indirectamente, a partir de
i
de densidad de proba ilidad: otros parámetros más fáciles de estimar. Son
éstos las desviaciones X, ,y X, que se definen a
[
log 1+ -
(x-;;~I~~
continuación. X, es la desviación inferior que abarca
el 90 por 100 de los valores de XcE. Análogamente,
X, es la desviación superior que comprende el 90
1
por 100 de los valores de X>E. En consecuencia,
iogr entre E-X, y E+X, se encuentra el 90 por 100 de
todos los valores posibles de X. Una vez estimados
X, y X, se pueden determinar los valores de d, y
 d, mediante las siguientes relaciones aproxima- E=15,51 por 100 y desviaciones d, = 15,51 - 14,42
das: = 1,09 por 100 y d, = 16,96 - 15,51 = 1,45 por
1OO.
1 a) Distribución asimétrica positiva:
Se repiten los cálculos para todas las variables, de
manera que se obtienen las variaciones (adversas
o favorables) de la TRI del proyecto, causadas por
las desviaciones d, y d, de cada variable.
l b) Distribución asimétrica negativa:
7.6.3. Composición de efectos
No se pueden sumar simplemente las variaciones
(adversas o favorables) individuales para obtener
la variación resultante de la TRI del proyecto,
porque esto sería equivalente a considerar que los
Se pueden describir ahora los pasos que se dan cambios (adversos o favorables) debidos a todas
al aplicar el método R.S.C. las variables se producen simultáneamente, lo cual
no es realista. Cuando las variaciones individuales
son completamente independientes (no son
7.6.1. Definición de las variables aleato- afectadas por las debidas a las demás variables),
rias se obtiene la variación (adversa o favorable)
resultante de la TRI hallando la raíz cuadrada de
Para cada variable aleatoria que interviene, se la suma de los cuadrados de todas las variaciones
toma como valor más probable E el estimado de cada tipo (adversas o favorables).
para los cálculos determinísticos. De ahí que se le
reconozca como valor estimado de la variable X Sin embargo, en muchos proyectos mineros,
en cuestión. A continuación se estiman las desvia- existen ciertas interdependencias entre variables.
ciones X, y X, que acotan el intervalo que contie- Ahora se van a investigar los tipos de interdepen-
ne el 90 por 100 de los valores posibles de X. dencia posibles entre pares de variables. La figura
40 ilustra el efecto sobre la TRI de las variaciones
Así, por ejemplo, ,si se han estimado unas reservas simultáneas de dos variables A y 0, que son
de mineral de 3,O Mt, con una probabilidad del 90 independientes una de otra. Se observa que el
por 100 de que dichas reservas no sean menores de número de puntos en los cuadrantes W e Y es
2,6 Mt ni mayores que 5,O Mt, se verifica que X, = aproximadamente igual al número de puntos en
3,O - 2,6 = 0,4 Mt y X, = 5,O - 3,O = 2,O Mt. Al los cuadrantes X y Z. Para mayor sencillez, se han
aplicar las fórmulas precedentes, se obtienen los supuesto normales las distribuciones de TRI a que
valores de reservas correspondientes a d, y-d,, que da lugar cada una de las variables (d, = d,).
se denominan, respectivamente, tonelaje inferior
TI y tonelaje superior TS:

La densidad de probabilidad de estos valores es el

60,65 por 100 de la correspondiente al valor
estimado E = 3,O Mt.

7.6.2. Cálculo de las desviaciones de TRI DISMINUYE

_ _ AUMENTA
_ ,
VARIACION DE L A TRI CON A
Con el conjunto de los valores estimados de las
variables se calcula la TRI estimada del proyecto. Figura 40.- Variables aleatorias A y B independientes
A continuación, se repite el cálculo de TRI dando
a cada variable sus valores inferior y superior, Si los valores altos y bajos debidos a las variacio-
mientras que las demás se mantienen en sus nes de A tienden a darse juntos respectivamente
valores estimados. De esta manera se determina con los altos y bajos originados por B, se produci-
el efecto individual de las fluctuaciones de cada rá una cantidad mayor de puntos en los cuadran-
variable sobre la TRI del proyecto. tes X y Z que en Y y W. Este efecto se traduce
en un valor mayor que la unidad para la relación
Supóngase en el ejemplo anterior, que la TRI que se entre los números de puntos en X+Z e Y+W, tal
obtiene con las reservas estimadas de 3,O Mt es el como se aprecia en la figura 41. Se dice entonces
15,51 por 100 que, al repetir el cálculo con 2,67 que las variables A y B tienen efectos acumulati-
i:
y 3,37 Mt, se o tiene respectivamente el 14,42 por
100 y el 16,96 por 100. Se concluirá entonces que,
vos sobre la TRI. Inversamente, si las variaciones
producidas por A y B tienden a compensarse, la
si sólo varían las reservas, la TRI es una variable relación entre los números de puntos en X+Z e
aleatoria asimétrica positiva, con un valor estimado Y+W es menor que la unidad, figura 42.
 acumulan. Esto se hace combinando las variacio-
nes positivas (o negativas) de la TRI originadas por
cada variable y determinando la variación total en
la TRI mediante las siguientes expresiones:

C2 = A 2 + B2 + KAB

para variables acumulativas, y

C2 = + B2 - KAB

para variables compensadas. La constante K será

e,
--
o aproximadamente 1,4, cuando las variables
MSMINUYE AUMENTA
se compensan o acumulan parcialmente, según
que el ángulo entre sus vectores respectivos sea
VARIACION DE L A TRI CON A 45" ó 135". Esto corresponde a ratios de cuadran-
tes (X+Z)/(W+Y) de 0,5 a 2,O. Si la interdependen-
Figura 41 .- Variables aleatorias A y B parcialmente acumula- cia es más o menos marcada, K aumenta hasta
tivas. 1,7 o disminuye hasta 1,O.

a 5 0 1 . VARIACON INDEPENDIENTE DE A y B

-
DISMINUYE AUMENTA

VARIACION DE L A TRI CON A

aSü 2. VARIACION PARCIALMENTE ADITIVA DE A y B

Figura 42.- Variables aleatorias A y B parcialmente compen-

sadas.

En la evaluación de proyectos mineros son fre-

cuentes las siguientes relaciones de compensación
o acumulación (parciales) entre pares de variables: CASO 3 VARIACION PARCIALMENTE CCMPENSAM OE A Y 8

a) Efectos compensados sobre la TRI:

Figura 43.- Composición vectorial de dos variables aleatorias
A y B.
- ReservasILey del mineral.
- Recuperación mineralúrgica1Ley del concentra-
do.
- Precio de ventalcostes de operación.
7.6.4. Determinación de la distribución de
b) Efectos acumulativos sobre la TRI. TRI
- Ley del mineral1Recuperación. Con este objeto hay que determinar los valores
- Coste de explotación por toneladalcoste de resultantes de d, y d, para la TRI del proyecto, las
tratamiento por tonelada. cuales corresponderán respectivamente a la
-Inversión en plantafliempo de construcción. desviación adversa y favorable con densidad de
probabilidad igual al 60,65 por 100 de la relativa
En figura 43 se representa gráficamente una a la TRI estimada. Se sigue el proceso que se
sencilla construcción vectorial para combinar las describe a continuación:
variaciones individuales de la TRI provocadas por
cada par de variables. Mediante la vectorización a) Sumar los cuadrados de las variaciones adversas
puede cuantificarse el grado en que los cambios (o favorables) de la TRI debidas a los cambios de
debidos a un par de variables se compensan o cada variable.
b) Sustraer los productos binarios ponderados de - BROWN, R.V. (1970): "Do Managers Find
las variaciones adversas (o favorables) debidas a Decision Theoty Useful?". Harvard Business Re-
todos los pares de variables cuyos efectos sobre view. Vol 48. no 3. p. 78. Mayo-Junio.
la TRI se compensan en mayor o menor grado.
- CIRUELOS, J. (1984): "Une approche pour la
c) Sumar los productos binarios ponderados de las gestion du risque dans I'analyse des projects
variaciones adversas (o favorables) debidas a todos miniers" . Tesis doctoral. Escuela Nacional
los pares de variables cuyos efectos sobre la TRI se Superior de Minas de París.
acumulan.
- COOPER, D. y CHAPMAN, C. (1987): " Risk
d) Calcular las raíces cuadradas de las variaciones Analysis for Large Projects". Wiley, Nueva
resultantes adversas (o favorables) de la TRI, obteni- York.
das mediante los pasos a), b) y c) precedentes.
- COPLIN, W.D. y O'LEARY, M.K. (1983): "A
Los resultados de la etapa d) son las desviaciones Systematic Approach to Political Risk Analysis
resultantes d, y d, de la TRI del proyecto. Con el for Extractive Industries". CIM Bulletin. Octu-
valor estimado E de la TRI y las desviaciones d, y bre.
d, se dispone de los elementos suficientes para
determinar la función de densidad de probabilidad - COZZOLINO, J. (1979): "A New Method for
de la TRI. Si la desviación inferior d, es mayor que Risk Analysis" . Sloan Management Review. Vol.
la superior d,, la función será asimétrica negativa. 20, no 3, p. 53. Primavera.
Si d, es mayor que d,, será asimétrica positiva.
Aunque las fórmulas correspondientes son compli- - DUCHENE, M. (1979): "Estimations de la
cadas, su cálculo y representación gráfica median- rentabilité previsionelle aux différents stades
te ordenador no presentan dificultad alguna. d'un project minier" . lndustrie Minérale, Enero.

El método R.S.C. ofrece una forma sencilla de - GENTRY, D.W. (1988): "Minerals Project
realizar análisis de riego sin recurrir a simulaciones Evaluation An Overview". The lnstitution of
de Montecarlo. Una vez realizado el análisis Mining and Metallurgy. Januaty.
económico determinístico, es bastante fácil ejecu-
tar un análisis de riesgo sin más que añadir a los - GOMEZ BEZARES, F. (1985): " Métodos cuanti-
valores estimados E de las variables, sus corres- tativos de gestión", Ibérico Europea de Edicio-
pondientes desviaciones X, y X,. En particular, nes, Madrid.
este método identifica inmediatamente las varia-
bles más críticas para la TRI del proyecto, lo cual - GOMEZ BEZARES, F. (1987): "Criterios de
permite un mejor conocimiento del riesgo y selección de inversiones con riesgo". Boletín de
facilita el control de éste. Estudios Económicos. Vol. 42, no 131, p. 287.
Agosto.
En el Capítulo 12 se verá un ejemplo de aplica-
ción de este método de análisis de riesgo. Igual- - HAMMOND, J.S. 111 (1987): " Better Decisions
mente, en el paquete "EVALECO" se incluye el with Preference Theory". Harvard Business
programa R.S.C. que facilita el estudio de proyec- Review. Vol. 45, no 6, p. 123, Noviembre-
tos de inversión mediante este método. Diciembre.
- HERTZ, D.B. (1964): "Risk Analysis in Capital
Investment". Harvard Business Review, Vo. 42,
8. Bibliografía no 1, p. 95. Enero-Febrero.
- HERTZ, D.B. (1964): "Risk Analysis in Capital
- ALBERT, K.J. 1983: "The Strategic Manage- Investment" . Harvard Business Review, Vo. 42,
ment Handbook". McGraw-Hill, Nueva York. no 1, p. 95. Enero-Febrero.
- ANG, A.H.S. y TANG, W.H. (1975): " Probability - HERTZ, D.B. (1968): "lnvestment Policies that
Concepts in Engineering Planning and Design" Pay off". Harvard Business Review. Vol. 46. no
(2 vols.). Wiley, Nueva York. 1, p. 96. Enero-Febrero.
- AZCARATE, J. E. (1988): "Características del - HERTZ, D.B. y THOMAS, H. (1983): " Risk Analysis
Riesgo Económico Actual. en la Explotación y and its Applications". Wiley, Nueva York.
Búsqueda de Minerales Energéticos y No - HERTZ, D.B. y THOMAS, H. (1984): " Practica1
Energéticos". II Congreso Mundial Vasco. Risk Analysis". Wiley, Nueva York.
Gobierno Vasco, Vitoria.
- HOLLOWAY, C.A. (1979): " Decision Making
- BAKER, A.J. (1981): "Business Decision Ma- under Uncertainty: Models and Choices".
king ". Croom Helm. Londres. Prentice-Hall, Englewood Cliffs, N.J.
- BARNES, M.P. (1980): "Computer Assisted - HOWARD, R.A. (1880): "An Assessment of Deci-
Mineral Appraisal and Feasibility". AIME. sion Analysis". Operations Research. Vol. 28, p.4.