Audiencia del curso

Cualquier persona trabajando en el ambiente privado, público o científico que tenga interés en el análisis de riesgo cuantitativo. Algunos ejemplos de participantes incluyen profesionales que necesiten realizar análisis de riesgo en finanzas o en operaciones, ingeniería, análisis de riesgo en proyectos o investigadores que quieran utilizar análisis de riesgo en sus proyectos.

Inicio

Laptops

Se requiere que los participantes traigan sus computadores personales a la clase y que tengan la capacidad de leer documentos de Microsoft Word, Power Point, y que tengan instalados Excel y Crystal Ball versión 7. Es posible descargar copias de prueba gratis de Crystal Ball y @Risk desde los sitios web de Decisioneering y Palisade pero recomendamos que instalen el programa como máximo un par de días previo al curso dado que la licencia gratuita expira en una o dos semanas dependiendo del producto. Si se decide a comprar el software, tenemos convenios con las empresas para darles un descuento.

Inicio

Filosofía de enseñanza

Todos los cursos de Vose Consulting tiene como objetivo ayudar a que los participantes comprendan (en vez de memorizar) el análisis de riesgo. Creemos que este objetivo solo se puede lograr en un ambiente informal e interactivo, usando una miríada de ejemplos y ejercicios aplicados en los cuales los estudiantes puedan aplicar y adaptar lo que aprendieron durante la clase. Nuestro principio es:

Inicio

ModelAssist

ModelAssist es un software de entrenamiento y referencia en análisis de riesgo creado por Vose Consulting. ModelAssist contiene explicaciones detalladas de todos los conceptos y métodos de análisis de riesgo que son presentados en este curso, complementando el material del curso. Nuestros previos estudiantes encuentran que ModelAssist es especialmente útil para revisar los materiales del curso una vez que quieren aplicar o revisar los conceptos aprendidos en la clase.

Ofreceremos ModelAssist a un precio especial para los participantes de este curso.

Inicio

Contenido del curso

Día 1

Introducción al análisis de riesgo

• Introducción al análisis y administración de riesgo
• Desarrollando análisis de riesgo con un equipo de trabajo
• Desde los datos, a la información a una herramienta útil de decisión
  • Desarrollando análisis de riesgo cuando el conocimiento del sistema es limitado

Introducción a algunas estadísticas descriptivas

• Promedio, moda, desviación estándar, kurtosis, percentiles

Introducción a la teoría de probabilidad

• Usando distribuciones: incertidumbres, variabilidad y variabilidad entre individuos
• Conceptos de probabilidad
• Representación gráfica de eventos de riesgo : diagramas de Venn, árboles de eventos y fallas
• Identificando algunas distribuciones de probabilidad

Introducción a los modelos de riesgo

• Simulación de Monte Carlo, Crystal Ball/@RISK y Excel
  • Guía rápida de Crystal Ball/@RISK
• ¿Calcular o simular? - ventajas y debilidades del proceso Monte Carlo
• Resultados típicos del análisis de riesgo, su presentación e interpretación
• Desarrollo de problemas prácticos
• Las distribuciones de probabilidad más comunes

Día 2

Procesos estocásticos- la base del análisis de riesgo

• El proceso Binomial
  • Las distribuciones Binomial, Beta, Binomial negativa y Geométrica
  • Pruebas imperfectas, fallas de equipos, eventos de riesgos, etc;
• El proceso Poisson
  • Las distribuciones Poisson, Gamma, y Exponencial
  • Desarrollos de modelos de reclamos de seguros, accidentes, brotes aleatorios de enfermedad, etc.
• El proceso Hypergeométrico
  • Las distribuciones Hypergeométrica e inversa Hypergeométrica
  • Resultados de encuestas/estudios, estimación de prevalencia con pruebas diagnósticas imperfectas, apuestas, etc.
• Desarrollo de problemas prácticos

Día 3

Buenas prácticas en desarrollo de modelos de riesgo

Errores comunes en análisis de riesgo y como evitarlos

Introducción al análisis de datos que serán utilizados en análisis de riesgo

• Métodos estadísticos
• Por que el análisis de riesgo requiere el uso de distribuciones de incertidumbre y no de intervalos de confianza
• Creando distribuciones de incertidumbre con pruebas estadísticas tradicionales
  • Prueba de t, prueba de z, Ji cuadrado
  • Ejemplos de estimación de promedios y desviación estándar en poblaciones
• El método Bootstrap para incluir incertidumbre
• Usando estadísticas Bayesianas en análisis de riesgo

Ejemplos de análisis de riesgo (incluiremos también un amplio rango de ejemplos durante el curso).

Revisión del material del curso.

Inicio