SIMULACIN DE MONTE CARLO CON EXCEL

El presente resumen corresponde a la Simulacin estadstica o Monte Carlo el cual cumple los siguientes objetivos: Introducir los conceptos e ideas clave de la simulacin MC. Conocer algunas aplicaciones de la simulacin MC. Qu es la simulacin de Monte Carlo? La simulacin de Monte Carlo es una tcnica cuantitativa que hace uso de la estadstica y los ordenadores para imitar, mediante modelos matemticos, el comportamiento aleatorio de sistemas reales no dinmicos (por lo general, cuando se trata de sistemas cuyo estado va cambiando con el paso del tiempo, se recurre bien a la simulacin de eventos discretos o bien a la simulacin de sistemas continuos). La clave de la simulacin MC consiste en crear un modelo matemtico del sistema, proceso o actividad que se quiere analizar, identificando aquellas variables (inputs del modelo) cuyo comportamiento aleatorio determina el comportamiento global del sistema. Una vez identificados dichos inputs o variables aleatorias, se lleva a cabo un experimento consistente en (1) generar con ayuda del ordenador- muestras aleatorias (valores concretos) para dichos inputs, y (2) analizar el comportamiento del sistema ante los valores generados. Tras repetir n veces este experimento, dispondremos de n observaciones sobre el comportamiento del sistema, lo cual nos ser de utilidad para entender el funcionamiento del mismo obviamente, nuestro anlisis ser tanto ms preciso cuanto mayor sea el nmero n de experimentos que llevemos a cabo. Para la Simulacin estadstica o Monte Carlo son muy importantes los conocimientos previos de estadstica como ser la inferencia i probabilidad, asi tambin conocimientos de la hoja de clculo de Excel. Funciones principales: Funcin ALEATORIO() de Excel En Excel, es posible obtener un nmero pseudo-aleatorio -proveniente de una distribucin uniforme entre el 0 y el 1usando la funcin ALEATORIO: Los mtodos de Monte Carlo abarcan una serie de tcnicas que permiten obtener soluciones de problemas matemticos o fsicos por medio de pruebas aleatorias repetidas. En la prctica, las pruebas aleatorias se sustituyen por resultados de ciertos clculos realizados con nmeros aleatorios. Ejemplo: Se muestra un anlisis histrico de 200 das sobre el nmero de consultas diarias realizadas a un sistema de informacin empresarial (EIS) residente en un servidor central. Consultas EIS 0 1 2 3 4 5 Total Frec.Abs.(das) 10 20 40 60 40 30 200 Frec.Relativa 0,05 0,1 0,2 0,3 0,2 0,15 1 Frec. Relativa.Ac 0,05 0,15 0,35 0,65 0,85 1

Entonces la probabilidad de que se den 3 consultas en un da sera de 0,30 y as sucesivamente con los otros valores. Una forma de calcular este valor media de otra manera con la funcin SI y BUSCARV en la funcin de EXCEL Finalmente, usando la funcin PROMEDIO ser posible calcular la media de los valores de la columna H:

Simulacin MC con variables discretas: La apariencia final del modelo es:

Ejemplo 1: Tiempo de consultas a servidores en paralelo Supongamos que desde un ordenador cliente se realiza consultas SQL a bases de datos situadas en dos servidores distintos. Nuestro objetivo ser estimar el tiempo esperado (tiempo medio) que deberemos esperar para recibir la respuesta de ambos servidores. Dada la complejidad de la consulta que queremos realizar, y basndonos en experiencias anteriores, se calcula que el tiempo necesario para que cada uno de los servidores responda a la misma sigue una distribucin normal con los parmetros (media y desviacin estndar, en minutos) Pediremos a Excel que genere valores pseudo-aleatorios provenientes de dichas distribuciones. Usaremos la funcin MAX para obtener el tiempo de respuesta (que ser el mximo de los tiempos de respuesta de cada servidor), y la funcin SI para determinar qu servidor ha sido el ms rpido en responder: Usaremos tambin las funciones CONTAR y CONTAR.SI para contar el nmero de iteraciones y el nmero de veces que un servidor es ms rpido que el otro

Finalmente, se observa tambin que el servidor 1 ha respondido ms rpido que el servidor 2 en el 69% de las iteraciones.

Ejemplo 2: Inversin inicial y flujo de caja Supongamos que disponemos de un capital inicial de 250 Euros que deseamos invertir en una pequea empresa. Supondremos tambin que los flujos de caja -tanto los de entrada como los de salida- son aleatorios, siguiendo stos una distribucin normal.

Para el primer mes, el valor esperado del flujo de entrada es de 500 Euros, mientras que el valor esperado para el flujo de salida es de 400 Euros. En meses posteriores, el valor esperado ser el valor obtenido para en el mes anterior. Por su parte, las desviaciones estndar valdrn, en todos los casos, un 25% del valor medio (esperado) asociado. El modelo como se muestra es el siguiente
Capital Inicial: Flujo de caja Enero Entrante Saliente Iteraciones: Flujo final Max: Flujo Final Min: Capital Final Esperado: IC 95%: 250 Distribucin Normal Normal Euros Media 500 400 6863 3029,926039 Euros -1658,75162 Euros 548,6854711 Euros 534,3057275 563,0652147 Desv. Est. 125 100

Observamos que el valor esperado para el capital final es de unos 549 Euros, y que podemos afirmar, con un nivel de confianza del 95%, que dicho valor estar entre 535 y 564 Euros.