View
9.026
Download
0
Embed Size (px)
DESCRIPTION
Este trabajo fue presentado como parte del curso de Gestión de Proyectos de Tecnología Informática, que ofrece la Fundación Universitaria Konrad Lorenz como parte de la Especialización en Informática y Ciencias de la Computación. Autor: Leonardo Jiménez. Profesor: Armando Rosero
Citation preview
ProspectivaMatrices de Impacto Cruzado
Autor :Leonardo Jiménez
FUNDACIÓN UNIVERSITARIA KONRAD LORENZFACULTAD DE MATEMÁTICAS E INGENIERÍA
ESPECIALIZACIÓN EN INFORMÁTICA Y CIENCIAS DE LA COMPUTACIÓN
GESTIÓN DE PROYECTOS DE TECNOLOGÍA INFORMÁTICA
Prof. Armando Rosero
Bogotá, mayo de 2006http://www.fukl.edu
2
Métodos Prospectivos
Cada método prospectivo permite apreciar diferentes aspectos delos escenarios futuros, desde diferentes perspectivas
Cada método prospectivo permite apreciar diferentes aspectos delos escenarios futuros, desde diferentes perspectivas
Los MÉTODOS DE IMPACTO CRUZADO permiten:
•Observar la probabilidad de aparición de determinados eventos en el futuro
•Observar las interrelaciones que ocurren entre ellos
Los MÉTODOS DE IMPACTO CRUZADO permiten:
•Observar la probabilidad de aparición de determinados eventos en el futuro
•Observar las interrelaciones que ocurren entre ellos
3
SMIC: Etapas
1 Formulación de Hipótesis
2 Determinación de Escenarios Posibles
3 Determinación de Probabilidad de Eventos
4 Ajuste de SMIC
5 Determinación de la Probabilidad de Escenarios Futuros
4
1
Expertos
Seleccionar eventos posibles para estudio
Identificación de Actores
Identificación de Problemas
Identificación de Proyectos
n HIPÓTESIS(eventos posibles)
Formulación de Hipótesis
5
Expertos
2
Determinar ESCENARIOS POSIBLES
Escenarios posibles para n=3 hipótesis
Escenario H1 H2 H31 0 0 02 0 0 13 0 1 04 0 1 15 1 0 06 1 0 17 1 1 08 1 1 1
Evento ocurre: 1Evento no ocurre: 0
Para n hipótesis o eventosse tienen 2n escenarios
posibles
Determinación de Escenarios Posibles
6
3 Determinación de Probabilidad de Eventos
ProbabilidadesSimples
Los expertos asignan probabilidad acada evento i
en horizonte dado
Hipótesis Valor
h1 0.28
h2 0.35
… …
hn 0.32
7
3 Determinación de Probabilidad de Eventos
ProbabilidadesRelativas
El grupo de expertos asigna probabilidad a cada
evento iCon el supuesto que
ocurra el evento j
Conjunto de n2 - n valores
h1 h2 …
h1 0.08 …
h2 0.16 …
… … … …
hn 0.07 0.17
Probabilidad de que ocurra h2 dado que ocurre h1
8
3 Determinación de Probabilidad de Eventos
ProbabilidadesRelativas
El grupo de expertos asigna probabilidad a cada
evento iCon el supuesto que no
ocurra el evento j
Conjunto de n2 - n valores
-h1 -h2 …
h1 0.08 …
h2 0.16 …
… … … …
hn 0.07 0.17
Probabilidad de que ocurra h2 dado que NO ocurre h1
9
4 Ajuste de la SMIC
-h1 -h2 …
h1 0.08 …
h2 0.16 …
… … … …
hn 0.07 0.17
h1 h2 …
h1 0.08 …
h2 …
… … … …
hn 0.07 0.17
MATRIZ SMIC TRANSFORMADAMATRIZ SMIC ORIGINAL
MATRIZ DE IMPACTO CRUZADO
INCONSISTENTE
MATRIZ DE IMPACTO CRUZADO
INCONSISTENTE
MATRIZ DE IMPACTO CRUZADO
CONSISTENTE
MATRIZ DE IMPACTO CRUZADO
CONSISTENTEProcedimientoProcedimiento
Métodos se Examinan en el Ejemplo (adelante)SUPONDREMOS POR AHORA QUE SE DISPONE DE YA DE UNA
MATRIZ CONSISTENTE
Métodos se Examinan en el Ejemplo (adelante)SUPONDREMOS POR AHORA QUE SE DISPONE DE YA DE UNA
MATRIZ CONSISTENTE
10
5
LO QUE INTERESA REALMENTE ES DETERMINAR:
¿CUAL ES EL ESCENARIO MÁS PROBABLE?¿CUAL ES EL ES EL MÁS IMPROBABLE?
¿CUAL ES LA PROBABILIDAD DE QUE EN EL FUTURO SE DE UN CIERTO ESCENARIO?
LO QUE INTERESA REALMENTE ES DETERMINAR:
¿CUAL ES EL ESCENARIO MÁS PROBABLE?¿CUAL ES EL ES EL MÁS IMPROBABLE?
¿CUAL ES LA PROBABILIDAD DE QUE EN EL FUTURO SE DE UN CIERTO ESCENARIO?
Escenario P(h1) P(h2) P(h3) P(h4)ProbabilidadEscenario
1 0.11 0.08 0 0.01 0.77
2 0.23 0.18 0 ... 0.89
3 0.37 0.12 ... ... 0.57
4 0.61 0.05 ... ... 0
… … … … … …
2n 0.52 0.09 ... ... 0.1
Escenario más probable
Escenario imposible
Ejemplo:Si h1= dolar barato, h2= PIB bajo, h3= pobreza > 50%, h4= Políticas modernas de producción, entonces:El escenario más probable (con 89% probabilidad) dentro de X años en Y región se caracteriza por un dólar caro, PIB alto, moderado o bajo nivel de pobreza y buenas políticas de producción
Ejemplo:Si h1= dolar barato, h2= PIB bajo, h3= pobreza > 50%, h4= Políticas modernas de producción, entonces:El escenario más probable (con 89% probabilidad) dentro de X años en Y región se caracteriza por un dólar caro, PIB alto, moderado o bajo nivel de pobreza y buenas políticas de producción
Probabilidad de los Escenarios
11
5
Cómo llenar la columna “Probabilidad Escenario”:Cómo llenar la columna “Probabilidad Escenario”:
Escenario P(h1) P(h2) P(h3) P(h4)ProbabilidadEscenario
1 0.11 0.08 0 0.01 0.77
2 0.23 0.18 0 ... 0.89
3 0.37 0.12 ... ... 0.57
4 0.61 0.05 ... ... 0
… … … … … …
2n P*(k)
P*(k) = normalización de la suma ajustada de las probabilidades de los eventos del escenario k.Por ejemplo:
PASO 1: prob(k) = suma ( p(h1) + p(h2) + ... + p(hn) )
PASO 2: prob’(k) = prob(k) / ( 1 – prob(k) )
PASO 3: P*(k) = prob’(k) / (Sumatoria de prob’(s) ) para todo escenario s
ESTO GARANTIZA QUE LA SUMA DE PROBABILIDADES ASIGNADAS A LOS ESCENARIOS SEA 1. EL VALOR OBTENIDO P*(k) INDICA LA PROBABILIDAD DE ENCONTRAR EL ESCENARIO K DENTRO DEL TOTAL DE LAS POSIBILIDADES.
P*(k) = normalización de la suma ajustada de las probabilidades de los eventos del escenario k.Por ejemplo:
PASO 1: prob(k) = suma ( p(h1) + p(h2) + ... + p(hn) )
PASO 2: prob’(k) = prob(k) / ( 1 – prob(k) )
PASO 3: P*(k) = prob’(k) / (Sumatoria de prob’(s) ) para todo escenario s
ESTO GARANTIZA QUE LA SUMA DE PROBABILIDADES ASIGNADAS A LOS ESCENARIOS SEA 1. EL VALOR OBTENIDO P*(k) INDICA LA PROBABILIDAD DE ENCONTRAR EL ESCENARIO K DENTRO DEL TOTAL DE LAS POSIBILIDADES.
Probabilidad de los Escenarios
12
5 Determinación de las Probabilidades de los Escenarios
¿CÓMO DETERMINARLA PROBABILIDAD DE LOS ESCENARIOS?
¿CÓMO DETERMINARLA PROBABILIDAD DE LOS ESCENARIOS?
Sea:k = número de escenarioP*(k) = Probabilidad de ocurrencia del escenario k
Sea:k = número de escenarioP*(k) = Probabilidad de ocurrencia del escenario k
CLASIFICACIÓN DE ESCENARIOS:CLASIFICACIÓN DE ESCENARIOS:
Escenarios ALTERNOS. Al de mayor probabilidad se le llama ESCENARIO MÁS PROBABLE o REFERENCIAL (escenario más citado por los expertos)
Escenarios ALTERNOS. Al de mayor probabilidad se le llama ESCENARIO MÁS PROBABLE o REFERENCIAL (escenario más citado por los expertos)
P*(k) > 0.80P*(k) > 0.80
No aclaran futuro (50% si, 50% no)No aclaran futuro (50% si, 50% no)P*(k) = 0.50(aprox)
P*(k) = 0.50(aprox)
Escenarios IMPROBABLES: Alto grado de confianza en que NO van a suceder
Escenarios IMPROBABLES: Alto grado de confianza en que NO van a suceder
P*(k) < 0.20P*(k) < 0.20
Escenarios IMPOSIBLES: Certeza de que NO van a suceder (dentro del ejercicio de prospectiva obviamente)
Escenarios IMPOSIBLES: Certeza de que NO van a suceder (dentro del ejercicio de prospectiva obviamente)
P*(k) = 0P*(k) = 0
13
5 Determinación de las Probabilidades de los Escenarios
CON BASE EN LO ANTERIORSE PUEDE DETERMINAR:
¿CUAL ES EL ESCENARIO MÁS PROBABLE?¿CUAL ES EL ES EL MÁS IMPROBABLE?
¿CUAL ES LA PROBABILIDAD DE QUE EN EL FUTURO SE DE UN CIERTO ESCENARIO?
CON BASE EN LO ANTERIORSE PUEDE DETERMINAR:
¿CUAL ES EL ESCENARIO MÁS PROBABLE?¿CUAL ES EL ES EL MÁS IMPROBABLE?
¿CUAL ES LA PROBABILIDAD DE QUE EN EL FUTURO SE DE UN CIERTO ESCENARIO?
Y ADEMÁSAPLICANDO UN ANÁLISIS DE SENSIBILIDAD CLÁSICO
SE PUEDE DETERMINAR:
¿CÓMO PUEDEN A FLUCTUAR LOS ESCENARIOS CON EL CAMBIO DE LOS EVENTOS?¿CÓMO PUEDEN A FLUCTUAR LOS PROPIOS EVENTOS INVOLUCRADOS EN EL SMIC ?
Y ADEMÁSAPLICANDO UN ANÁLISIS DE SENSIBILIDAD CLÁSICO
SE PUEDE DETERMINAR:
¿CÓMO PUEDEN A FLUCTUAR LOS ESCENARIOS CON EL CAMBIO DE LOS EVENTOS?¿CÓMO PUEDEN A FLUCTUAR LOS PROPIOS EVENTOS INVOLUCRADOS EN EL SMIC ?
14
! SMIC: ¿De que sirve esta estructura?
Los eventos simples surgen como resultado de la interacción de diversos antecedentes científicos,
tecnológicos, políticos, sociales, …
-h1 -h2 …
h1 0.08 …
h2 0.16 …
… … … …
hn 0.07 0.17
ProbabilidadesRelativas
Permiten Establecer numéricamente el impacto o la relevancia de los
diversos antecedentes científicos, tecnológicos,
políticos, sociales, … en la ocurrencia de un evento
particular
Establecer numéricamente el impacto o la relevancia de los
diversos antecedentes científicos, tecnológicos,
políticos, sociales, … en la ocurrencia de un evento
particularEstablecer numéricamente el impacto o la relevancia de un
evento particular en otros eventos posibles futuros
Establecer numéricamente el impacto o la relevancia de un
evento particular en otros eventos posibles futuros
MATRIZ DE IMPACTO CRUZADO
MATRIZ DE IMPACTO CRUZADO
15
! Matriz de Valores Inconsistentes
-h1 -h2 …
h1 0.08 …
h2 0.16 …
… … … …
hn 0.07 0.17
h1 h2 …
h1 0.08 …
h2 0.16 …
… … … …
hn 0.07 0.17
P(hi/hj)
P(hi/-hj)
Inconsistencias
Las matrices halladas no son consistentes dentro
de las reglas de la probabilidad
1) 0<P(i)<12) P(i/j)*P(j) = P(j/i)*P(i) =P(i*j)3) P(i/-j)*P(j) = P(i/-j)*P(-j) = P(i)
Sean i, j eventosP(i) la probabilidad de que ocurra el evento iP(i/j) La probabilidad de que ocurra i dado que ocurrió j-i indica que el evento i NO ocurre
16
Ej Ejemplo Simple de Inconsistencia
El ejemplo solo muestra UN procedimiento para obtener
un SMIC CONSISTENTE.
Al final de este procedimiento, se deben calcular las
PROBABILIDADES DE LOS ESCENARIOS
según el método descrito,
ya que estos procedimientos son los que al final interesan
El ejemplo solo muestra UN procedimiento para obtener
un SMIC CONSISTENTE.
Al final de este procedimiento, se deben calcular las
PROBABILIDADES DE LOS ESCENARIOS
según el método descrito,
ya que estos procedimientos son los que al final interesan
17
Ej Ejemplo Simple de Inconsistencia
Ejemplo de Inconsistencia:•Expertos consideran dos hipótesis h1 y h2•Expertos emiten probabilidades simples para cada hipótesis
1- P(h1)=0.452- P(h2)=0.65
•Expertos establecen probabilidades condicionales:3- P(h1/h2)=04- P(h2/h1)=0
Ejemplo de Inconsistencia:•Expertos consideran dos hipótesis h1 y h2•Expertos emiten probabilidades simples para cada hipótesis
1- P(h1)=0.452- P(h2)=0.65
•Expertos establecen probabilidades condicionales:3- P(h1/h2)=04- P(h2/h1)=0
Dado que es Opinión Librede los Expertos,
puede tenerinconsistencias
Formulación de hipótesisFormulación de hipótesis
Determinación de Escenarios POSIBLESDeterminación de Escenarios POSIBLES
Determinación de Probabilidad de EventosDeterminación de Probabilidad de Eventos
18
Ej
h1 h2
h1 0
h2 0
Expertos consideran que:1- P(h1)=0.502- P(h2)=0.60
3- P(h1/h2)=04- P(h2/h1)=0
Expertos consideran que:1- P(h1)=0.502- P(h2)=0.60
3- P(h1/h2)=04- P(h2/h1)=0
El problema radica en que:•El evento h1 tiene probabilidad del 50%•El evento h2 tiene probabilidad del 60%•Luego, examinando las leyes básicas de probabilidad (y algo de sentido común en este ejemplo sencillo), se espera que haya un escenario donde exista el evento h1 y simultáneamente el evento h2: entonces, los valores P(h1/h2) y P(h2/h1) no son consistentes.
El problema radica en que:•El evento h1 tiene probabilidad del 50%•El evento h2 tiene probabilidad del 60%•Luego, examinando las leyes básicas de probabilidad (y algo de sentido común en este ejemplo sencillo), se espera que haya un escenario donde exista el evento h1 y simultáneamente el evento h2: entonces, los valores P(h1/h2) y P(h2/h1) no son consistentes.
h1 h2
Intersección de h1 y h2 no puede ser vacío en
este caso
Evento Prob.
h1 0.5
h2 0.6
Ejemplo Simple de Inconsistencia
19
Ej Ejemplo Simple de Inconsistencia
•P(h1) = p(h2) * p((h1/h2) + p(-h2) * p(h1/-h2)
•P(h1/h2)={p(h1) - p(-h2) * p(h1/-h2)} / p(h2)
•P(h1/h2) <= p(h1) / p(h2)
•P(h1/h2) <= {p(h1) – 1 + p(h2)} / p(h2)
•{p(h1) – 1 + p(h2)} / p(h2) <= p(h1/h2) <= p(h1) / p(h2)
•P(h1) = p(h2) * p((h1/h2) + p(-h2) * p(h1/-h2)
•P(h1/h2)={p(h1) - p(-h2) * p(h1/-h2)} / p(h2)
•P(h1/h2) <= p(h1) / p(h2)
•P(h1/h2) <= {p(h1) – 1 + p(h2)} / p(h2)
•{p(h1) – 1 + p(h2)} / p(h2) <= p(h1/h2) <= p(h1) / p(h2)
Reemplazando por los valores reales en la última ecuación se tiene:
{p(h1) – 1 + p(h2)} / p(h2) = 0.17
p(h1) / p(h2) = 0.83
Entonces:
El rango de valores aceptables para p(h1/h2) está entre 0.17 y 0.83
Reemplazando por los valores reales en la última ecuación se tiene:
{p(h1) – 1 + p(h2)} / p(h2) = 0.17
p(h1) / p(h2) = 0.83
Entonces:
El rango de valores aceptables para p(h1/h2) está entre 0.17 y 0.83
Planteamiento Matemático Teórico:
Solución de nuestro problema particular:
ESTIMAR RANGO VALORES PARA TODA LA MATRIZ C.
20
Ej Ejemplo Simple de Inconsistencia
Para escoger los mejores valores:
Se seleccionan aleatoriamente eventos para prueba, comparando su
probabilidad con un valor aleatorio con el fin de decidir la ocurrencia
o no ocurrencia del evento seleccionado, y calculando el impacto en
los demás eventos dada su ocurrencia o no ocurrencia. Por lo
dispendioso, se utiliza generalmente un programa de computador.
Para escoger los mejores valores:
Se seleccionan aleatoriamente eventos para prueba, comparando su
probabilidad con un valor aleatorio con el fin de decidir la ocurrencia
o no ocurrencia del evento seleccionado, y calculando el impacto en
los demás eventos dada su ocurrencia o no ocurrencia. Por lo
dispendioso, se utiliza generalmente un programa de computador.
Calibración de la Matriz:
Es una técnica para ponderar numéricamente el impacto de los
eventos entre sí, de acuerdo con las estimaciones iniciales de los
expertos.
Utiliza dos pasos que se describen en el siguiente ejemplo:
Es una técnica para ponderar numéricamente el impacto de los
eventos entre sí, de acuerdo con las estimaciones iniciales de los
expertos.
Utiliza dos pasos que se describen en el siguiente ejemplo:
Técnica de las Razones Impares (Odds Ratios) para calcular los IMPACTOS:
21
Ej
Imparidad = Probabilidad (hm) / (1 – Probabilidad(hm) )Imparidad = Probabilidad (hm) / (1 – Probabilidad(hm) )
PASO 1:PASO 1:
Dado queOcurraEvento
ProbabilidadInicial h1 h2 h3 H4
h1 0.25 0.50 0.85 0.40
h2 0.40 0.60 0.60 0.55
h3 0.75 0.15 0.50 0.60
h4 0.50 0.25 0.70 0.55
Dado queOcurraEvento
ImparidadInicial h1 h2 H3 h4
h1 0.33 1.00 5.67 0.67
h2 0.67 1.50 1.50 1.22
h3 3.00 0.18 1.00 1.22
h4 1.00 0.33 2.33 1.22
Imparidad = 0.25 / (1 – 0.25) = 0.33
…Y así hasta completar todas las casillas de la Matriz 2…
Matriz 1 Matriz 2
SUPONGAMOS QUE SE TIENE LA MATRIZ 1 (YA AJUSTADA PARA CONSISTENCIA)
Técnica de las Razones Impares para calculo de Impactos
22
Ej
Impacto de evento hm= (Imparidad de hm dado hn) / (Imparidad Inicial de hm) Impacto de evento hm= (Imparidad de hm dado hn) / (Imparidad Inicial de hm)
Dado queOcurraEvento
ProbabilidadInicial h1 h2 h3 h4
h1 0.25 0.50 0.85 0.40
h2 0.40 0.60 0.60 0.55
h3 0.75 0.15 0.50 0.60
h4 0.50 0.25 0.70 0.55
Dado queOcurraEvento
ImparidadInicial h1 h2 h3 h4
h1 0.33 1.00 5.67 0.67
h2 0.67 1.50 1.50 1.22
h3 3.00 0.18 1.00 1.22
h4 1.00 0.33 2.33 1.22
Impacto= Imparidad (h2 dado h3) / Imparidad h3
Impacto= 1.50 / 3.00 = 0.50
…Y así hasta completar todas las casillas de la Matriz 3…
Matriz 2 Matriz 3
PASO 2:PASO 2:
Técnica de las Razones Impares para calculo de Impactos
23
Ej Técnica de las Razones Impares para calculo de Impactos
ESTOS PASOS DE DEBEN REPETIR PARA LA SMIC DEFINIDA COMO P(hi/-hj)
ESTO ES:
LA MATRIZ DE IMPACTO CRUZADO QUE CONSIDERA LA PROBABILIDAD DE OCURRENCIA DE HIPÓTESEIS hi DADO QUE NO OCURRE hj
24
Ej
PASO 3:PASO 3:
Se selecciona aleatoriamente un evento hiSe selecciona aleatoriamente un evento hi
Se selecciona aleatoriamente un número r entre 0 y 1Se selecciona aleatoriamente un número r entre 0 y 1
hi ocurrehi ocurre
r < = P(hi)
Se ajustan las Imparidades de los demás
eventos:
Nueva Imparidad de hi = (imparidad inicial
de hi) * (Imparidad inicial de hi dado hi)
Se ajustan las Imparidades de los demás
eventos:
Nueva Imparidad de hi = (imparidad inicial
de hi) * (Imparidad inicial de hi dado hi)
hi no ocurrehi no ocurre
Se repiten los pasos anteriores hasta
probar todos los eventos para ocurrencia
Se repiten los pasos anteriores hasta
probar todos los eventos para ocurrencia
1
2
3
4
Se repiten los pasos 1 a 4 muchas vecesSe repiten los pasos 1 a 4 muchas veces5
La frecuencia de ocurrencia de cada
evento para todas las corridas determina
la nueva probabilidad para cada evento
La frecuencia de ocurrencia de cada
evento para todas las corridas determina
la nueva probabilidad para cada evento
6
Hallando finalmente los valores del SMIC
25
Ej Hallando Finalmente los Valores de los SMIC
Las metodologías de procesamiento de los SMIC utilizan en generaleste procedimiento de optimización
para buscar sus valores:
•Toman las probabilidades simples promedio emitidas por la totalidad de los
expertos
•Calculan las probabilidades condicionales que las satisfacen (siguiendo
leyes clásicas de la probabilidad).
•Se compara este resultado con las probabilidades condicionales promedio
obtenidas de los expertos.
•Se trazar una función que minimiza las diferencias entre estas dos, la cual va
a estar conformada por la probabilidad de ocurrencia de cada una de las
combinaciones de eventos planteados.
Las metodologías de procesamiento de los SMIC utilizan en generaleste procedimiento de optimización
para buscar sus valores:
•Toman las probabilidades simples promedio emitidas por la totalidad de los
expertos
•Calculan las probabilidades condicionales que las satisfacen (siguiendo
leyes clásicas de la probabilidad).
•Se compara este resultado con las probabilidades condicionales promedio
obtenidas de los expertos.
•Se trazar una función que minimiza las diferencias entre estas dos, la cual va
a estar conformada por la probabilidad de ocurrencia de cada una de las
combinaciones de eventos planteados.
26
Ej Analizar las Probabilidades de los Escenarios
SE ESTABLECEN LAS PROBABILIDADES DE LOS ESCENARIOS
(PROCEDIMIENTO )
PANEL DE EXPERTOS ANALIZA ESTOS ESCENARIOS:
PROBABILIDADESSENSIBILIDAD
IMPACTO SOCIALECONÓMICO,
...
DEFINICIÓN DE POLÍTICAS DE ACCIÓNDEFINICIÓN DE POLÍTICAS DE ACCIÓN
5