Beruflich Dokumente
Kultur Dokumente
Abstract
Resumen
El método Montecarlo es un procedimiento que se
The Monte Carlo method is a procedure that is
aplica a sistemas de simulación, así mismo las cuales
applied to simulation systems, likewise there are
existen variables, es decir se aplica a probabilidades y
variables, that is, it is applied to probabilities and it is
es necesario aplicarlos para poder reducir la
necessary to apply them in order to reduce the
incertidumbre probabilística que existe en ese
probabilistic uncertainty that existís in that model.
modelo.
So you can know how we can approach reality, this can De manera que se puede saber cómo lo podemos
be achieved once you have worked with a certain aproximar a la realidad, esto se puede lograr una vez
number of times, by this method you can generate que se haya trabajado con un número determinado de
random points between two intervals predefined by us veces, por este método se puede generar puntos
and through this you can find the success points that aleatorios entre dos intervalos predefinidos por
are below the function. nosotros y por medio de esto se puede hallar los
puntos de éxito que hay por debajo de la función.
Most of the physical problems, from where a star is
La mayor parte de los problemas físicos, desde donde
located to how a transistor works can not be solved with
a pencil and a paper, the only way to solve this type of está ubicada una estrella hasta cómo funciona un
problems with the Montecarlo method. transistor no se puede resolver con un lápiz y un
papel, la única forma de resolver este tipo de
problemas en con el método de Montecarlo.
They called it the Monte Carlo method because it is the
basis for it to work well, it is a good generator of random Lo llamaron método Montecarlo porque es la base
random numbers, as for example we have casinos para que funcione bien, es un buen generador de
roulette where there is an oscillating number that números aleatorios al azar, como por ejemplo
simulates cases, as well as the famous solitaire game. tenemos la ruleta de los casinos donde hay un número
oscilatorio que simula casos, así como el famoso juego
Index terms: probabilistic, method, random, interval, del solitario.
variables.
Palabras clave: probabilística, método, aleatorio,
intervalo, variables.
1. INTRODUCCIÓN 2. ANALISIS TEORICO
El método de Monte Carlo es un procedimiento que se
2.1. Inicio del Método Monte Carlo
realiza mediante variables tomados aleatoriamente, por
medio de este método podemos resolver problemas EI Método de Monte Carlo es una técnica de análisis
matemáticos, esto se puede hacer tomando como numérico que se basa en el uso de secuencias de números
referencia al muestreo a, a partir de ello podemos llegar aleatorios para muestrear los valores de las variables de
a la solución, cabe recalcar que con este método podemos probabilidad de un problema determinado. En efecto, con
llegar a resolver cualquier tipo de problema. mucha frecuencia el número de estados posibles del
sistema es tan elevado que hace imposible calcular
El método Monte Carlo es básicamente utilizado para
valares promedio sumando sobre todos los estados, por
resolver o examinar problemas que no tienen un
lo que se opta por tomar una muestra y estimar los valores
componente aleatorio explicito, para esto se usan
promedio a partir de ella. Los valores muestreados se
números aleatorios para entender el impacto del riesgo en
obtienen a partir de las distribuciones de probabilidad de
un modelo de la realidad.
cada variable. La solución al problema planteado se
Este método es una técnica cuantitativa que hace uso de estima analizando los valares de la muestra a través de
la estadística para realizar modelos matemáticos de algún mentados estadísticos.[1]
sistema, y esto sirve para analizar el comportamiento de
Ante todo este método fue llamado así por quien lo
los mismo sistemas basados en componentes aleatorios,
invento Stanislaw Ulam en el año de 1940, este método
por medio de esta idea vamos a analizar el objetivo de
fue aparición con la aparición de la computadora
este método, para ello es importante conocer o identificar
aproximadamente, fue también desarrollado como una
las variables aleatorias cuyo comportamiento determine
arma para la investigación tuvo su origen cuando
el resultado final del sistema.
apareció la bomba atómica, este trabajo involucraba la
Cuando ya se haya identificado las variables se llevare el simulación directa donde se aplicaba variables de
objetivo que es de generar un conjunto de números probabilísticas de hidrodinámica, esto es la difusión de
aleatorios para al final comprobar el resultado del neutrones aleatorios en material de función.
sistema, este método tras mas muestras o más variables
Este método básicamente aparición con el nombre de
aleatorias que se obtienen vamos a obtener mayor
Método Montecarlo o Simulación Montecarlo se trata en
eficiencia, esto quiere decir que vamos a acercarnos más
procedimientos que analizan variables aleatorias usando
al valor real y así podemos entender como es el método.
simulación de números aleatorios.
Este método se puede aplicar en medicina, campo de
Por lo que respecta a este método, esto se logró cuando
cultura física, finanzas en ciencias sociales en lo cual se
jugaban el famoso juego del solitario, indicó que
llega a la conclusión que en un determinado evento se da
resultaba mucho más simple tener una imagen del
como una probabilidad es ahí que se puede realizar un
resultado general del solitario haciendo varios ensayos
estudio, igualmente en finanzas se hace estrategias para
con las cartas y contando las proporciones de los
bolsas por ejemplo en campos como la medicina para
resultados que calcular todas las posibilidades de
determinar una probabilidad de enfermedad, en todos
combinación formalmente.
estos estudios normalmente ese hace basándose en datos
pasados donde se hace su estudio o su modelización y a Por consiguiente esta idea consistía en probar con
partir de ello e saca un resultado que estos están basados experimentos mentales las miles de posibilidades, y en
en una probabilidades. cada etapa, determinar por casualidad, por un número
aleatorio distribuido según las probabilidades, qué
Este método es muy conocido ya que precisamente lo que
sucedería y totalizar todas las posibilidades y tener una
hace es dar diferentes escenarios donde se realiza muchas
idea de la conducta del proceso físico.
pruebas y por medio de estos ver qué cantidad de
resultados se podría dar. El nombre de Montecarlo viene relacionado con la capital
de los juegos del azar, un casino de Mónaco donde se lo
conocía por mucho tiempo como el método de las vegas.
Se define como un proceso estocástico numérico, es decir
es una secuencia de estados cuya evolución viene
determinado por sucesos aleatorios.
Un suceso es un conjunto de resultados que se producen
con cierta probabilidad.
2.2. Que es un modelo
Un modelo está representado básicamente es un conjunto
de relaciones que se utilizan para representar y estudiar
de forma simple y comprensible una porción de la
realidad. Por otra parte un modelo pretende reproducir 2.5. Simulación
solamente algunas propiedades del objeto a ser estudiado
Es el proceso de diseñar y desarrollar un modelo
y que este queda representado por otro de menor
computarizado de un sistema o proceso y conducir
complejidad.
experimentos con este modelo con el propósito de
En otras palabras un modelo sirve para responder a entender el comportamiento del sistema o evaluar varias
cuestiones sobre la realidad que no sería accesibles estrategias con las cuales se puede operar el sistema. [2]
mediante la experimentación directa.
Es muy buena herramienta para conocer el impacto de los
cambios en los procesos sin necesidad de llevarlos a cabo
2.3 Aplicaciones del método Monte Carlo
en la realidad, con este herramienta podemos llegar a
mejor el conocimiento del proceso actual.
El Método de Montecarlo da solución a una gran
variedad de problemas matemáticos haciendo Se puede utilizar como medio de capacitación para la
experimentos con muestreos estadísticos en una toma de decisiones, por ello es más económico realizar
computadora. El método es aplicable a cualquier tipo de un estudio de simulación para saber cuál es el mejor
problema, ya sea estocástico o determinístico. escenario y así encontrar la condición adecuada para
Generalmente en estadística los modelos aleatorios se trabajar.
usan para simular fenómenos que poseen algún
Dentro de la simulación tenemos desventajas como las
componente aleatorio. Pero en el método Montecarlo, por
siguientes:
otro lado, el objeto de la investigación es el objeto en sí
mismo, un suceso aleatorio o pseudo-aleatorio se usa Puede ser costosa para problemas sencillos
para estudiar el modelo. [1]
No es una herramienta de optimización
Se puedo dar soluciones a diferentes problemas que no se Se requiere mucho tiempo para realizar los
pueden realizar con simples cálculos matemáticos, es un estudios de simulación.
sistema que se puede utilizar datos aleatorios para llegar
al resultado. Este método es aplicado en diferentes ramas, 2.6. Modelo de simulación
como por ejemplo en las siguientes: Los modelos de simulación es la recreación que se dan
en realidad mediante la construcción de modelos que
Flujos de Tráfico resulta el desarrollo de ciertas aplicaciones específicas.
Pronóstico de comportamiento de Acciones de
Bolsa de Valores Las simulaciones es una de las diversas herramientas con
la que cuenta el analista para tomar decisiones y mejorar
Exploración de yacimientos y minas
sus procesos
Evolución de mantos estelares
Diseño de reactores nucleares Los modelos de simulación, tienen relación con la parte
Comportamiento de nano estructuras matemática, es básicamente una hipótesis de
Estudios de reproducción de células funcionamiento de un sistema.
cancerígenas La realización de un estudio de simulación requiere la
Procesamiento/Generación de Imágenes por ejecución de una serie de actividades y análisis que
computadora permiten sacar un mejor provecho.
Comportamiento de ambientes contaminados
Definición del sistema bajo estudio.-es
2.4. Variable aleatoria necesario conocer el sistema a modelar, ya que
se requiere saber que origina el estudio de
Para empezar una variable aleatoria, es una variable (X) simulación y establecer en el modelo.
que se le puede asignar un valor determinado, estos Generación del modelo de simulación base.- es
valores pueden ser como por ejemplo (𝑿𝟎 , 𝑿𝟏 , 𝑿𝟐 , el comportamiento de las variables del modelo
𝑿𝟑….. 𝑿𝒏−𝟏 ) esto genera varias probabilidad (𝑷𝟎 , 𝑷𝟏 , 𝑷𝟐 ,
𝑷𝟑….. 𝑷𝒏−𝟏 ) para poder entender de una mejor manera Recolección y análisis de datos.- es la
veamos un ejemplo con una moneda, los posibles distribución de cada uno de las variables
resultado son (cara o cruz) y vamos a ver cuántas aleatorias necesarias para la simulación
probabilidades hay (1/2, 1/2). 2.7. Proceso de simulación
En los ejemplos de los dados podemos tener 6 Es la ejecución del modelo de simulación a través del
posibilidades de respuesta (1, 2, 3, 4, 5, 6) y sus tiempo en un ordenador, para generar muestras
probabilidades para llegar a la respuesta son (1/6, 1/6, representativas del comportamiento.
1/6, 1/6, 1/6, 1/6,).
2.8. Métodos de Simulación A continuación vamos a ver un ejemplo del método de
Monte Carlo.
Entre las simulaciones más conocidas tenemos las
siguientes: Vamos a considerar un caso sencillo, digamos que
2.8.1. Simulación estática o Monte Carlo 𝟏
∫𝟎 𝑿𝟐 𝒅𝒙
Este método permite tomar un muestro sistemático de
variables aleatorias para llegar a solución del problema
2.8.2 Simulación por eventos discretos
Se define el modelo cuyo comportamiento varía en
instantes del tiempo dados. Los momentos en los que se
producen los cambios son los que se identifican como los
eventos del sistema o simulación. [2]
Los eventos de simulación discreta se caracterizan por ser Fig. 1: curva de la integral. [3]
una secuencia finita o infinita de estados delimitados por
eventos que ocurren de manera asíncrona aunque parecen Siempre podremos considerar que el área se encuentra
simples pero los eventos de simulación discreta pueden inscrita en un cuadrado de área 1. Podremos considerar
modelar muchos eventos que presentan los responsables en el cuadrado de área 1 un número 𝑵 de puntos
de administrar una empresa, por ejemplo: el sistema de aleatorios (𝑿, 𝒀), y un número N′ que aparecen dentro de
control del tránsito aéreo donde podemos encontrar tres la superficie a determinar.
estados, que son:
Cuando el avión está en el aire
Cuando está en la tierra
Cuando deja la pista despejada
Con sus respectivos eventos
Arribar
Fig. 2: variables aleatorias. [3]
Aterrizar
x y X^2 Y < X^2
Despegar 0,84 0,49 0,7056 VERDADERO
0,28 0,87 0,0784 FALSO
2.8.3 Simulación Continua 0,64 0,12 0,4096 VERDADERO
0,49 0,41 0,2401 FALSO
En un modelo de simulación continua, el estado del 0,06 0,46 0,0036 FALSO
0,05 0,56 0,0025 FALSO
sistema se representa mediante baribales dependientes las 0,09 0,35 0,0081 FALSO
cuales cambian continuamente en el tiempo. 0,73 0,81 0,5329 FALSO
0,49 0,69 0,2401 FALSO
El sistema se monitorea en todos y cada uno de los puntos 0,64 0,6 0,40096 FALSO
en el tiempo. Por ejemplo tenemos el flujo de un líquido Tabla 1: variables aleatorias.
en una tubería o el crecimiento de la población mundial. 𝑵′ 𝑺
=
Un modelo de simulación continua se construye 𝑵 𝑨
definiendo ecuaciones para un conjunto de variables de
estado cuyo comportamiento dinámico simula al sistema El procedimiento de Montecarlo tiene N puntos
real, el objetivo principal de este modelos es ayudar a aleatorios de los que N′ resultan corresponder al área que
resolver situaciones complejas. deseamos calcular.
Los estados del sistema cambian continuamente su valor. 𝑵′
Estas simulaciones se modelan generalmente con 𝑺=𝑨∗
ecuaciones diferenciales. 𝑵
Para entender mejor vamos a ver un ejemplo: A continuación se ve un ejemplo del método de Monte
Carlo.
Supongamos que en un sistema en un periodo de 10
minutos, un número de clientes requería un servicio con Supongamos que tenemos un satélite, que para su
la siguiente probabilidad. funcionamiento depende de que al menos 2 paneles
solares de los 5 que tiene disponibles estén en
cliente probabilidad probabilidad acumulada funcionamiento, y queremos calcular φ la vida ´útil
0 0.40 0.40 esperada del satélite (el tiempo promedio de
1 0.25 0.65 funcionamiento hasta que falla, usualmente conocido en
2 0.20 0.85 la literatura como MTTF - Mean Time To Failure). [4]
3 0.15 1
Tabla 2: números aleatorias Supongamos que cada panel solar tiene una vida ´útil que
es aleatoria, y esta uniformemente distribuida en el rango
Esto nos indica que en esos 10 minutos la probabilidad [1000 horas, 5000 horas] (valor promedio: 3000 horas).
de que cero clientes (ningún cliente) haga ninguna
llamada su probabilidad es del 40%, y que es esos 10 Para estimar por Monte Carlo el valor de φ, haremos n
minutos llame un cliente su probabilidad es del 25%, las experimentos, cada uno de los cuales consistirá en sortear
probabilidades acumuladas nos estaría dando para el de el tiempo de falla de cada uno de los paneles solares del
cero clientes es 40, para el de un cliente es 65. satélite, y observar cual es el momento en el cual han
fallado 4 de los mismos, esta es la variable aleatoria cuya
Estas generaciones de probabilidad podemos generarlas esperanza es el tiempo promedio de funcionamiento del
bien cuando se utiliza distribuciones de tipo teórico es satélite.
decir que yo haya observado una serie de datos y sea
capaz de asimilarlo a una función específica teórica El valor promedio de la n observaciones nos proporciona
una estimación de φ.
El modelo es más útil si se puede usar una
distribución teórica. experimento panel 1 panel 2 panel 3 panel 4 panel 5 satelite X
Los datos empíricos deben comprobarse para 1 3027 1738 2376 4685 4546 4546
ver si se ajustan una distribución conocida. 2 4162 4029 4615 3455 3372 4162
3 3655 2896 1378 4010 4144 4010
4 2573 2649 2117 3956 1281 2649
2.15. Reducción de incertidumbre probabilística. 5 2977 2724 1355 2268 3262 2977
6 3756 4190 1749 3398 2581 3756
Esto tiene que ver con el número de repeticiones que promedio Sn/n=3683
tengo que hacer en los procedimientos. Tabla 3: simulación con n=6 experimentos [4]
Un ejemplo sencillo es lazar la moneda un número De esta simulación, tenemos un valor estimado para la
elevado de veces vamos aproximándonos al valor real vida útil esperada del satélite de 3683. Un indicador del
que sería un 50% cara y el otro 50% cruz. error que podemos estar cometiendo es la varianza o
equivalentemente la desviación estándar de Sn, que en
Cuando vayamos a ejemplos más complejos y que este caso es 297.
tengamos un número grande de variables, abra que
repetir el experimento de lanzar la moneda las veces que 2.16. Ventajas y desventajas del método del método
haya falta dependiendo de la complejidad del de Monte Carlo.
experimento.
Este método tiene como características ventajas y
Para realizar un experimento es necesario realizarlo un desventajas que permiten ver los resultados
número elevado de veces superiores a 500 veces, esto probabilísticos y gráficos, con los probabilísticos
dependerá de caso en cuestión y la serie de números muestran lo que puede suceder y que tan probables es que
aleatorios que se genere y del número de variables suceda un resultados, esto también se puede ver
aleatorias del problema. gráficamente con los datos que son generados por el
método y así de esta manera se hace fácil crear gráficas
El experimento podrá detenerse cuando la media para resolver cuales son las posibilidades de que suceda
aritmética y la varianza se estabilicen dentro del entorno algo. [5]
del problema.
parámetro de interés siempre lo hacen con un error
𝟏
estándar proporcional a donde N es el tamaño de la
√𝑵
Dentro de estas tenemos ventajas como:
muestra. [7]
Es un método directo y flexible. Para reducir el intervalo de confianza en tamaño lo que
Existe un amplio abanico de programas y se debe hacer es realizar muchas más trayectorias. Una
lenguajes destinados a simular. de la alternativa para reducir el tamaño de los intervalos
Cuando el modelo matemático es demasiado de varianza es utilizar métodos estadísticos
complicado la simulación permite obtener una
aproximación. Las técnicas de reducción de varianza discutidas en este
La simulación nos permite formular capítulo son:
condiciones extremas con riesgos nulos.
La simulación no interfiere con el mundo real. Variables aleatorias antitéticas.
Permite experimentar. Variables de Control.
Permite estudiar la interacción entre las
diferentes variables del problema. Variables aleatorias antitéticas.
Mediante la simulación podemos “influir en el
tiempo” de los procesos. Un par de variables aleatorias reales (𝒀, 𝒀∗ ), es llamado
La simulación permite resolver problemas que un par antitético si 𝒀 𝒚 𝒀∗ tienen la misma distribución y
no tienen solución analítica. están negativamente correlacionadas. [8]
Este método tiene sus desventajas y es que no Estas variables del promedio de los resultados deberá
siempre proporciona un resultado correcto y estar más cerca del valor esperado que el promedio de
podemos cometer un error. corridas usando torrentes de números independientes.
Una buena simulación puede resultar muy Esto es cierto en modelos pequeños y simples. No
complicada, gran número de variables. siempre se cumple en sistemas complejos donde por
La simulación no genera soluciones ejemplo la salida de alguna actividad es luego la tasa de
óptimas globales. entrada de otra.
No proporciona la decisión a tomar, sino
que resuelve el problema mediante Variables de Control.
aproximación para unas condiciones
iniciales. Sea Y una variable aleatoria que representa la salida de
Cada simulación es ´única, interviene el una ejecución de una simulación. Una variable 𝒀∗
azar. obtenida de la misma ejecución de una simulación, es
llamada variable de control de Y si 𝒀 𝒚 𝒀∗ están
2.17. Aplicación del método Monte Carlo correlacionadas (negativamente o positivamente) y la
esperanza de 𝒀∗ es conocida. [8]
Este método se puede aplicar en la planificación de
proyectos de ingeniería civil, que está en la fase de Este método nos permite estimar la esperanza de una
construcción. variable aleatoria X con varianza finita y aquí es donde
dependemos de una segunda variable Y donde debemos
Proponer la metodología para que su uso sea utilizado conocer su esperanza analítica y saber que esta nueva
por cualquier organización o empresa que desarrolle el varianza Y sea finita.
diseño y construcción de obras civiles.
Lo importante de este método es elegir el mejor valor de
2.18. Método de reducción de varianza la forma de minimizar el valor. En la práctica esto no es
tan fácil, ya que depende de la naturaleza de la variable
El valor esperado y la varianza son los parámetros por Y.
medio de los cuales es posible caracterizar el
comportamiento de los datos reunidos en el desarrollo de
una situación experimental; el valor esperado permite
establecer el valor sobre el cual se centra la distribución
de la probabilidad, mientras que la varianza proporciona
información acerca de la manera como se distribuyen los
datos obtenidos.
4. RECOMENDACIONES
Segundo Aníbal Santander Pulí.-
Realizar un estudio más amplio de este tema, Nació en Cuenca, Ecuador el 15 de
para así conocer a fondo todas sus Noviembre de 1995, los estudios
características y aplicarla de mejor manera en el primarios los realizó en la Escuela
campo laboral. “Luz de América” del canto Mejía.
Conocer más a fondo los métodos y las Sus estudios secundarios los
fórmulas para aplicarlas de una manera correcta culminó en el instituto Tecnológico "I.T.S.A" obteniendo
y de esta manera no obtener erros al momento el título de bachiller en Máquinas eléctricas. Actualmente
de obtener un resultado. se encuentra cursando el sexto semestre de la carrera de
Resolver varios ejercicios de práctica siguiendo ingeniería eléctrica en la Universidad Técnica de
los pasos adecuados para así ampliar los Cotopaxi.
conocimientos adquiridos en este tema.
5. AGRADECIMIENTOS
A Dios Nuestro Señor por ser nuestra guía, a nuestros
padres que gracias a su ayuda moral y económica nos
ayudan a seguir en nuestro camino académico, a nuestros
amigos y docentes quienes nos brindan su amistad y
conocimiento respectivamente, mismos que son de vital
importancia en la realización del presente trabajo.
6. REFERENCIAS BIBLIOGRÁFICAS