Integracin por el mtodo de Monte Carlo

Patricia Kisbye
FaMAF

25 de marzo, 2010

El mtodo de Monte Carlo

El mtodo de Monte Carlo es un procedimiento general para seleccionar muestras aleatorias de una poblacin utilizando nmeros aleatorios. La denominacin Monte Carlo fue popularizado por los cientcos Stanislaw Ulam, Enrico Fermi, John von Neumann, y Nicholas Metropolis, entre otros, quienes ya trabajaban sobre muestreo estadstico. Hace referencia al Casino de Montecarlo en Mnaco.

Aplicacin en clculos matemticos

Este mtodo se utiliza para calcular numricamente expresiones matemticamente complejas y difciles de evaluar con exactitud, o que no pueden resolverse analticamente. Algunos ejemplos son: Clculo de integrales denidas Aproximaciones al valor de .

Clculo de integrales denidas

Se tienen en cuenta los siguientes resultados: Si X es una variable aleatoria con densidad f y g : R R es una funcin, entonces el valor esperado de la v. a. g(X ) es

E[g(X )] =

g(x) f (x) dx.

Ley Fuerte de los Grandes Nmeros: Si X1 , X2 , . . . es una sucesin de v. a. i. i. d., todas con media , entonces limn X1 + X2 + Xn = . n

Integracin sobre (0, 1)

Ejemplo
1

Calcular

=
0

g(x) dx. = E[g(X )].

Si X U(0, 1), entonces

Si U1 , U2 , . . . v.a.i.i.d., uniformes en (0, 1), entonces g(U1 ), g(U2 ), . . . son v.a.i.i.d., con media . Luego
n

limn
i=1

g(Ui ) = . n

g(x) = (1 x 2)3/2

n = 20, rea=0.5019617835

g(x) = (1 x 2)3/2

n = 100, rea= 0.4946866190

g(x) = (1 x 2)3/2

n = 300, rea=0.6067846103

g(x) = (1 x 2)3/2
Analticamente:
1

g(x) dx =
0

3 0.5890486226 16

Por Monte Carlo n 20 100 300 1000 10000 Aproximacin 0.5019617835 0.4946866190 0.6067846103 0.5959810476 0.5895682376

Integracin sobre (a, b)

Ejemplo
b

Calcular

=
a

g(x) dx, con a < b.

Realizamos el cambio de variables y=

b

x a , ba
1

dy =

1 dx ba
1

g(x) dx =
a 0

g(a + (b a)y )(b a) dy =

0

h(y ) dy .

Integracin en (a, b)
g(x) = ex+x en (1, 1)
2

Integracin en (a, b)
g(x) = sen(x) en (0, 2)

Integracin en (a, b)
g(x) = cos(x) en (, 3)

Integracin sobre (0, )

Ejemplo
Calcular =
0

g(x) dx .

Realizamos el cambio de variables y= 1 , x +1

1

dy =

1 dx = y 2 dx 2 (x + 1)
1

g(x) dx =
0 0

1 g( y 1)

y2

dy =
0

h(y ) dy .

Integracin sobre (0, )

g(x) = ex

Integracin sobre (0, )

g(x) =

1 (2 + x 2 )

Integracin sobre (0, )

g(x) =

x (1 + x 2 )2

Integracin sobre (0, )

Si usamos el siguiente cambio de variables y =1 1 , x +1 dy = (y 1)2 ,

entonces la transformacin est dada por una funcin creciente y : [0, ] [0, 1). Se tienen entonces los siguientes grcos:

Integracin sobre (0, )

g(x) = ex

Integracin sobre (0, )

g(x) =

1 (2 + x 2 )

Integrales mltiples
El mtodo de Monte Carlo para el clculo de integrales en una variable no es muy eciente, comparado con otros mtodos numricos que convergen ms rpidamente al valor de la integral. Pero s cobra importancia en el caso del clculo numrico de integrales mltiples:
1 1

...
0 0

g(x1 , . . . , xl ) dx1 . . . dxl

Integrales mltiples

Para calcular la cantidad

1 1

=
0

...
0

g(x1 , . . . , xl ) dx1 . . . dxl

utilizamos el hecho que = E[g(U1 , . . . , Ul )] con U1 , . . . , Ul independientes y uniformes en (0, 1).

Si
1 U1 , . . . , Ul1 2 U1 , . . . , Ul2 . . . n U1 , . . . , Uln

son n muestras independientes de estas l variables, podemos estimar

n

i=1

i g(U1 , . . . , Uli ) n

g(x, y ) = e(x+y ) en (0, 1) (0, 1)

Clculo aproximado el valor de

Una aplicacin a las integrales mltiples es el clculo aproximado del valor de . Recordemos que el rea de un crculo de radio r es r 2 , y por lo tanto est dado por el valor de la integral
1 0 0 1

I{x 2 +y 2 <1} (x, y ) dx dy .

Clculo aproximado el valor de

Si X e Y son v.a.i.i.d., uniformes en (1, 1), ambas con 1 densidad f (x) = en (1, 1), entonces su densidad 2 conjunta ser: f (x, y ) = f (x)f (y ) = 1 , 4 en (0, 1) (0, 1).

Por lo tanto (X , Y ) es un vector con distribucin uniforme en (0, 1) (0, 1).

Clculo de
Si U1 , U2 U(0, 1), entonces X = 2U1 1 verican X , Y U(1, 1). I= entonces E[I] = P(X 2 + Y 2 1) = 1 0 si X 2 + Y 2 1 c.c. . 4 Y = 2U2 1

Algoritmo para el clculo de

Algoritmo: Generar PI 0; for i = 0 to n do Generar U, V U(0, 1); X 2U 1; Y 2V 1; if X 2 + Y 2 1 then PI PI + 1 end end PI 4 PI/n

Clculo aproximado el valor de

La aguja de Buffon

Un problema planteado en el s. XVIII por Georges Louis Leclerc, conde de Buffon, fue la siguiente: Se tienen rectas paralelas equidistantes entre s, y se arroja una aguja de longitud mayor o igual a la distancia entre dos rectas. Cul es la probabilidad que una aguja corte a una de las rectas?

La aguja de Buffon

La aguja de Buffon

l
l 2

x sen()

La aguja de Buffon
t la distancia entre las rectas. l la longitud de la aguja. la medida del ngulo agudo entre la aguja (o su prolongacin) y una de las rectas. x la distancia entre el punto medio de la aguja y la recta ms cercana x y son v.a. uniformes con distribucin f (x) y g(): f (x) = 2 , t g() = 2 .

La aguja de Buffon
Una aguja cortar la recta si y slo si la distancia de su l centro a una de las rectas es menor que 2 sen(), es decir x< l sen(). 2
l 2

/2

sen()

P(la aguja corte la recta) =

0 0

22 dx d t

P(la aguja corte la recta) =

2l . t 2 .

Tomando l = t, obtenemos aproximaciones a