Seleccionando una distribución adecuada para @RISK

Mostramos cómo crear una distribución Bernoulli que cuantifique una función discreta binaria.

Mostramos cómo crear una distibución Binomial que cuantifique varias funciones discretas binarias simultáneamente.

Mostramos cómo crear una distribución Poisson para contar eventos discretos con un solo parámetro.

Introducimos el mundo de un mundo mucho más amplio de funciones de distribución: las continuas.

Con la disponibilidad de datos relevantes, mostramos cómo usar la herramienta de @RISK para buscar distribuciones apropiadas.

Ejercicio práctico con datos de conducción para que @RISK seleccione la mejor distribución ajustada a los mismos.

Con datos no disponibles, podemos utilizar la opinión de un experto para deducir una distribución adecuada.

Mostramos cómo crear una distribución uniforme que generalmente tipifica la incertidumbre máxima.

Aquí se explica una discusión común entre los profesionales del riesgo para comprender tanto las diferencias de distribución como los puntos en común.

Mostramos cómo crear una comparación tanto de la PERT como de la distribución triangular.

Mostramos cómo crear una distribución triangular, muy popular en la gestión de proyectos.

Mostramos cómo crear distribuciones alternativas enfocadas en sus colas para crear una mejor distribución.

Dependiendo de la industria, muchas distribuciones especializadas se vuelven populares en base a sus supuestos matemáticos.

Siempre que un experto puede proponer los parámetros de una distribución específica de la industria, su creación y uso se vuelve sencillo y directo.

Un ejemplo de la industria del petróleo y el gas que comúnmente utiliza distribuciones logarítmicas normales, en este caso con parámetros de percentiles.

Introducimos metodologías generales para combinar varias distribuciones para crear distribuciones sintetizadas de forma creativa.

Introducimos el uso de kernel o distribuciones sintetizadas y ajustadas.

Mostramos cómo crear una distribución de kernel sintetizada y ajustada usando 4 distribuciones juntas.

Introducimos la convolución, un tema importante sobre la cuantificación del riesgo al considerar las partes de frecuencia y severidad de un modelo de riesgo.

Mostramos un segundo método manual que permite una mejor representación de las colas de una distribución al considerar modelos de severidad de frecuencia.

Mostramos un segundo método manual que permite una mejor representación de las colas de una distribución al considerar modelos de severidad de frecuencia.

Finalmente presentamos la función COMPOUND, una poderosa función @RISK que maneja adecuadamente la convolución.

Cuando hay datos limitados, presentamos la funcionalidad de esta distribución que permite la interesante elicitación de una distribución continua.

Con la funcionalidad del Artista de @RISK puedes ser realmente creativo produciendo tus propias distribuciones.

Una nota final sobre las distribuciones Normal y LogNormal

Mostramos un ejercicio comparativo entre la creación aditiva y multiplicativa de distribuciones normales y lognormales.