UNIVERSIDAD CESAR VALLEJO

FACULTAD DE INGENIERIA
ESCUELA DE INGENIERIA
INDUSTRIAL
TEMA: METODO MONTECARLO

INTEGRANTES:
RODRIGUEZ MIGUEL
LIZETH
CASANA
REYES ARTEAGA
JORDY

TRUJILLO PER
2015-I

INTRODUCCIN

La asignatura de HERRAMIENTAS PARA LA TOMA DE

DESICIONES aporta al perfil del Ingeniero Industrial la
habilidad de establecer modelos de simulacin a travs
del mtodo Montecarlo
La importancia de esta materia para un Ingeniero
Industrial es la de aplicar los conocimientos adquiridos
para plantear modelos matemticos para la toma de
decisiones y la solucin a estos, empleando
herramientas matemticas y computacionales, dado
que las tendencias actuales exigen realizar la
simulacin en reas como la ciencia, la industria y los
negocios.
Este Mtodo de Montecarlo agrupa los conocimientos
necesarios para modelar y simular, abarcando desde la
generacin de nmeros aleatorios, pasando por
mtodos para la generacin de variables aleatorias,
hasta la construccin de modelos de simulacin.
El nombre de Monte Carlo proviene de la famosa
Ciudad de Mnaco, donde abundan los casinos de
juegos y donde el azar la probabilidad y el
comportamiento aleatorio conforma todo un estilo de
vida

MARCO TEORICO
El mtodo de Monte Carlo es una herramienta de
investigacin; bsicamente es una tcnica de muestreo
artificial, empleada para operar numricamente
sistemas
complejos
que
tengan
componentes
aleatorios.
El presente trabajo se enmarca en Simular la carga de
Tren y de barcos para averiguar cuantas horas son
necesarias para ser cargados
Para ello son realizadas diversas simulaciones donde,
en cada una de ellas, son generados valores aleatorios
para el conjunto de variables de entrada y parmetros
del modelo que estn sujetos a incertidumbre. Tales
valores aleatorios generados siguen distribuciones de
probabilidades especficas que deben ser identificadas o
estimadas previamente.
Vale destacar que el concepto de simulacin, adoptado
en este trabajo, es el descripto en los estudios de
Robert E. Shannon [1975] donde la Simulacin es el
proceso de disear y desarrollar un modelo
computarizado de un sistema o proceso y conducir
experimentos con este modelo, a fin de entender el
comportamiento del sistema o evaluar varias
estrategias con las cuales se puede operar el sistema.
El conjunto de resultados, producidos a lo largo de
todas las simulaciones, podrn ser analizados
estadsticamente y proveer resultados en trminos de
probabilidad. Esas informaciones sern tiles en la

evaluacin de la dispersin total de las apreciaciones

del modelo, causado por el efecto combinado de las
incertidumbres de los datos de entrada y en la
evaluacin de las probabilidades.

QU ES METODO MONTECARLO?
El Mtodo de Montecarlo es un mtodo probabilstico,
en contraposicin de los mtodos determinsticos ya
que incorpora mltiples simulaciones de resultados con
la variabilidad de elementos individuales para producir
una distribucin de resultados potenciales. Para cada
simulacin, la herramienta de simulacin Montecarlo
escoge al azar un valor para cada evento de riesgo
dentro de su rango de valores posibles, pero de
acuerdo con la probabilidad de ocurrencia de cada uno
de stos. Luego se combinan los valores escogidos al
azar para generar un solo resultado para una
simulacin. Este proceso se repite un cierto nmero de
veces (tpicamente ms de 1,000 iteraciones), y se
produce un rango de resultados potenciales igualmente
probables.
Quin usa la simulacin Monte Carlo?
Muchas empresas utilizan la simulacin de Monte Carlo
como una herramienta importante para la toma de
decisiones. He aqu algunos ejemplos .
General Motors, Procter and Gamble y Eli Lilly usan la
simulacin para estimar tanto la rentabilidad media y
elgrado de riesgo de nuevos productos. En GM , esta

informacin es utilizada por el CEO Rick Waggoner para

determinar los productos que llegan al mercado .
GM utiliza la simulacin para actividades tales como la
previsin de los ingresos netos de la corporacin ,
laprediccin de los costes de estructura y los costos de
compra , la determinacin de su susceptibilidad a
diferentes tipos de riesgo (por ejemplo, cambios en las
tasas de inters y las fluctuaciones del tipo de cambio).
Lilly utiliza la simulacin para determinar la capacidad
ptima de la planta que debe ser construida para cada
frmaco.
Firmas de Wall Street utilizan la simulacin de precios
derivados financieros complejos y determinar el valor
en riesgo (VAR) de sus carteras de inversin.
SIMULACIN DE MONTECARLO
1. Disear el modelo lgico de decisin
2. Especificar distribuciones de probabilidad para
las variables aleatorias relevantes.
3. Inclur posibles dependencias entre variables.
4. Muestrear valores de las variables aleatorias
5. Calcular el resultado del modelo segn los
valores del muestreo (iteracin) y registrar el
resultado
6. Repetir el proceso hasta tener una muestra
estadsticamente representativa
7. Obtener la distribucin de frecuencias del
resultado de las iteraciones
8. Calcular media, desvo y curva de percentiles
acumulados
La media muestral de un conjunto de n variables
muestreadas en forma independiente a partir de
una misma distribucin f(x) se ajusta a una
distribucin aprox. Normal con los siguientes
parmetros:
x = Normal ( mu, sigma / n1/2 )

En otras palabras, la distribucin del promedio de

un conjunto de variables aleatorias depende tanto
de la cantidad de variables aleatorias promediadas
como de la incertidumbre aportada por cada
variable
La suma de n variables aleatorias independientes
da
como
resultado
una
distribucin
aproximadamente Normal, sin importar la forma
de la distribucin de las variables sumadas
(siempre y cuando no haya una variable cuya
contribucin a la variabilidad total sea dominante).
El producto de n variables aleatorias independientes da
como resultado una distribucin aproximadamente
Lognormal, independientemente de la forma de la
distribucin de las variables intervinientes
Las computadoras son capaces
nmeros aleatorios entre 0 y 1.

de

generar

Los algoritmos para generar nmeros aleatorios

comienzan con cualquier valor entre 0 y 1. Todos los
nmeros aleatorios que se generen a continuacin
dependern de este valor inicial
La funcin de Distribucin Acumulada F(x) de una
variable aleatoria indica la probabilidad p que la
variable X tome un valor menor o igual que x.
F(x) = p
(X<=x)
A toda Funcin de Probabilidad Acumulada F(x) le
corresponde una Funcin Inversa
G (F(x)) = x
La Funcin Inversa indica los valores de x asociados a
distintos valores de F(x)