Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
METALURGICA
ESCUELA DE MINAS
2013
I. NDICE
MTODO MONTECARLO
Introduccin2
Objetivos3
Marco terico.3
Parte de programacin..7
Graficas.10
Conclusiones..14
Bibliografa.15
MTODO MONTECARLO
II. INTRODUCCIN
El mtodo fue llamado as por el principado de Mnaco por ser la capital del juego
de azar, al tomar una ruleta como un generador simple de nmeros aleatorios. El
nombre y el desarrollo sistemtico de los mtodos de Monte Carlo datan
aproximadamente de 1944 con el desarrollo de la computadora electrnica. Sin
embargo hay varias instancias (aisladas y no desarrolladas) en muchas ocasiones
anteriores a 1944.
El uso real de los mtodos de Monte Carlo como una herramienta de investigacin,
viene del trabajo de la bomba atmica durante la Segunda Guerra Mundial. Este
trabajo involucraba la simulacin directa de problemas probabilsticos de
hidrodinmica concernientes a la difusin de neutrones aleatorios en material de
fusin.
An en la primera etapa de estas investigaciones, John von Neumann esta curiosa
Ruleta rusa y los mtodos de divisin. Sin embargo, el desarrollo sistemtico de
estas ideas tuvo que esperar el trabajo de Harris y Herman Kahn en 1948.
Aproximadamente en el mismo ao, Fermi, Metropolos y Ulam obtuvieron
estimadores para los valores caractersticos de la ecuacin de Schrdinger para la
captura de neutrones a nivel nuclear.
III. OBJETIVOS
2
MTODO MONTECARLO
Introducir los conceptos e ideas clave de la simulacin Monte Carlo.
Introducirse en las capacidades que ofrece Excel en los campos de modelado y
simulacin.
Conocer algunas aplicaciones de la simulacin Monte Carlo.
Probabilidad P. acumulada
0.25
0.25
0.5
0.75
0.125
0.875
MTODO MONTECARLO
3
0.125
Resultado
0<=<0.25
0.25<=<0.75
0.75<=<0.875
0.875<=<1
MTODO MONTECARLO
Una vez visto un caso particular, el problema general puede formularse del
siguiente modo:
Si X es una variable aleatoria discreta cuyos posible resultados son { x0, x1, x2 , ...
xn-1} y sean {p0, p1, p2, ... pn} sus respectivas probabilidades. Al sortear un nmero
aleatorio , uniformemente distribuido en el intervalo [0, 1), se obtiene el
resultado xi, si se verifica la siguiente condicin
j=0i1pj<j=0ipj
MTODO MONTECARLO
Un ejemplo sencillo es la transformacin de una variable aleatoria que est
uniformemente distribuida en el intervalo [a, b) si
Integrando (2) obtenemos la funcin
que es una lnea recta, que vale cero cuando x=a, y uno cuando x=b, tal como puede
verse en la figura inferior. Utilizando la frmula (3) de la transformacin de la
variable aleatoria continua y despejando x, se obtiene
V. PARTE DE PROGRAMACIN
Tiempos de carguo de una pala en (s).(brindadas por el Doctor Marin)
165
182
6
266
270
290
298
MTODO MONTECARLO
199
209
210
225
228
230
238
240
245
251
256
262
272
277
283
301
320
338
RECORDAR
Intervalo de clase
Los intervalos
las variables toman
de
clase se
un nmero
la variable
emplean
grande
de
es
A
valores o
continua .
si
tengan
cada clase se
la mism a
le
asigna
su frecuencia correspondiente .
La regla de Sturges , propuesta por Herbert Sturg es en
1926, es una regla prctica acerca del nmero de clases que
deben considerar al elaborarse un histog rama.
Este nmero viene dado por la siguiente expresin:
, donde N es el tamao de la muestra.
Que puede pasarse a logartmo base 10 de la siguiente
forma:
los
tiempos
de
carguo
muestras: C=1+3.322*log30=5.91
intervalos de clase
se
se
tomaron
aproxima
30
C=6
MTODO MONTECARLO
Lmites de la clase
Cada clase est delimitada por el lmite inferior de la
clase y el lmite superior de la clase . Li; Ls
Amplitud de la clase
La amplitud de la clase es la diferencia entre el lmite
superior e infe rior de la clase. Wi = Ls- Li
Marca de clase
La marca de clase es el punto medio de cada intervalo y
es
el valor que
representa
todo
el intervalo
para
Intervalos de
Xi
fi
Fi
hi
Hi
[165 - 194>
179.5
0.066667
0.067
[194 - 223>
208.5
0.166667
0.233
[223 - 252>
237.5
11
18
0.366667
0.600
[252 - 281>
266.5
24
0.200000
0.800
[281 - 310>
295.5
28
0.133333
0.933
[310 - 339]
324.5
30
0.066667
1.000
Clase
VI. GRAFICAS
MTODO MONTECARLO
HISTOGRAMA
12
10
8
FRECUENCIA ABSOLUTA
6
4
2
0
TIEMPOS DE CARGUOS
MTODO MONTECARLO
MONTECARLO
350
300 f(x) = 102.69x^4 + 164.9x^3 - 378.94x^2 + 271.38x + 163.14
R = 1
250
200
TIEMPOS DE CARGUIO
150
100
50
0
0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00
FRECUENCIA RELATIVA ACUMULADA
10
X= Nmeros Aleatorios
0.00574713
0.01264368
0.00689655
0.00459770
0.00229885
0.00308166
0.35030788
0.54079330
0.98245960
0.05559301
164.64671195
166.46999386
164.95306739
164.33936288
163.72167779
163.93246205
220.27541057
233.86104899
315.87952213
177.04067494
MTODO MONTECARLO
0.32929581
0.96637833
0.86805803
0.16173720
0.97204489
0.40458620
0.04258752
0.95302910
0.09102809
0.25655991
0.45887804
0.44268292
0.65649045
0.70690137
0.91766810
0.88686937
218.44621319
309.73102212
279.21146828
197.83556612
311.85706389
224.51198906
173.97985864
304.89252336
184.78773687
210.99366026
228.29175959
227.19310437
243.62075758
249.41276313
293.17733842
284.18819564
0.23329985
0.73086768
0.08258557
0.18166775
0.35921371
0.58969837
0.04637671
0.91944474
0.50843155
0.30439836
0.66521621
0.56089723
0.29763609
208.16906076
252.64159927
183.01888026
200.98198747
221.01506406
237.54699269
174.88398535
293.72932321
231.61988719
216.10691463
244.53704251
235.32082815
215.43601811
MTODO MONTECARLO
Chart Title
350
300= 102.6x^4 + 164.9x^3 - 378.9x^2 + 271.3x + 163.1
f(x)
R
=1
250
200
Axis Title 150
100
50
0
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Axis Title
12
MTODO MONTECARLO
VII. CONCLUSIONES
13
MTODO MONTECARLO
VIII. BIBLIOGRAFA
14