Cómo realizar un análisis de riesgo cuantitativo para el examen de certificación PMP
Como usted debe saber para el examen de certificación PMP, el primer paso para la cuantificación de la incertidumbre es obtener más información. Esto se hace generalmente a través de la investigación y entrevistar expertos en la materia. Debido a que el análisis de riesgo cuantitativo se asocia con los objetivos de programación y de costos, se centran en estas estimaciones. Suponga que usted está recogiendo las estimaciones de costos para determinar si un presupuesto de $ 2.5 millones es suficiente para un centro de cuidado de niños.
Estos son los pasos que tomaría:
Revisar sus estimaciones de gastos y obtener un optimista, un pesimista, y una estimación más probable para cada elemento PEP.
Sume las estimaciones optimistas, pesimistas, y más probables para el proyecto en su conjunto.
Documente sus suposiciones, base de estimaciones y justificación para cada conjunto de estimaciones.
Aplicar la ecuación PERT a las estimaciones.
Esto le da un costo esperado para cada elemento y el proyecto en su conjunto.
Utilice el software para crear una distribución de probabilidad de los valores.
Comparación de la suma de las estimaciones más probables con la suma de la estimación esperada valor.
El examen de PMP utilizará el PERT (Evaluación y Revisión de Programas Técnica) ecuación de la duración y la estimación de costos. Esa ecuación es
(optimista + 4 (lo más probable) + pesimista) / 6
Así, casi siempre hallar la suma de los más propensos a ser significativamente menor que la suma del valor esperado. Y debido a que el valor esperado es la cifra del 50% de probabilidad, usted descubrirá que su " lo más probable " estimación no es muy probable en absoluto!
Las tres curvas representan tres escenarios diferentes. La curva A indica que las estimaciones optimistas y muy probablemente están muy juntas y que la estimación pesimista es significativamente mayor. La curva B indica que todos los tres valores se distribuyen uniformemente. La curva C indica que el valor optimista es significativamente menor que los valores más probables y pesimistas, que están cerca juntos.
La curva A es una ocurrencia común, porque en general, el mejor de los casos y muy probablemente no están tan lejos. Sin embargo, si realmente las cosas van mal, el peor de los casos puede ser muy malo! En la curva A, su valor esperado será más alto que su valor más probable.