Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
CONTENIDO
INTRODUCCIN.......................................................................3
OBJETIVOS.............................................................................. 4
Objetivo General...........................................................................4
Objetivos Especficos.....................................................................4
EL MTODO DE MONTECARLO..................................................5
Qu es la simulacin Montecarlo?.................................................5
Cmo funciona la simulacin Montecarlo?.....................................5
Descripcin del Mtodo Montecarlo................................................8
Ejemplo Mtodo de Montecarlo......................................................9
CONCLUSIONES.....................................................................12
BIBLIOGRAFIA.......................................................................13
INTRODUCCIN
El mtodo de simulacin Montecarlo es un procedimiento matemtico que utiliza la
funcin de distribucin de cada una de las variables aleatorias con el fin de
generar valores aleatorios de las mismas, sin necesidad de dar una solucin
analtica al problema que se quiere resolver. La solucin analtica en la mayora de
los casos no existe o es supremamente difcil llegar a ella.
Por este mtodo se deben realizar muchas iteraciones para poder tener
convergencia. Esta convergencia no se da en un valor nico. La simulacin
Montecarlo genera el valor de todas las variables de acuerdo al conocimiento que
se tenga de todas las variables, que pueden ser determinsticas o aleatorias. En
cada nueva simulacin las variables toman un valor de acuerdo a la distribucin de
probabilidad asociada a cada una de las variables involucradas en el proceso.
El mtodo de Montecarlo permite resolver problemas matemticos mediante la
simulacin de variables aleatorias. John Von Neumann, en los aos 40 y con los
primeros ordenadores, aplica la simulacin para resolver problemas complejos que
OBJETIVOS
Objetivo General
Indagar sobre las ventajas y la aplicacin del mtodo Montecarlo, adems de
conocer las diferentes reas donde pueda aplicarse, as como el procedimiento
necesario para poder llevar a cabo un problema por medio de este mtodo
probabilstico.
Objetivos Especficos
EL MTODO DE MONTECARLO
El anlisis de riesgo forma parte de todas las decisiones que tomamos. Nos
enfrentamos continuamente a la incertidumbre, la ambigedad y la variabilidad. Y
aunque tenemos un acceso a la informacin sin precedentes, no podemos
predecir con precisin el futuro. La simulacin Montecarlo permite ver todos los
resultados posibles de las decisiones que tomamos y evaluar el impacto del
riesgo, lo cual nos permite tomar mejores decisiones en condiciones de
incertidumbre.
Qu es la simulacin Montecarlo?
La simulacin Montecarlo es una tcnica matemtica computarizada que permite
tener en cuenta el riesgo en anlisis cuantitativos y tomas de decisiones. Esta
tcnica es utilizada por profesionales de campos tan dispares como los de
finanzas, gestin de proyectos, energa, manufacturacin, ingeniera, investigacin
y desarrollo, seguros, petrleo y gas, transporte y medio ambiente.
La simulacin Montecarlo ofrece a la persona responsable de tomar las decisiones
una serie de posibles resultados, as como la probabilidad de que se produzcan
segn las medidas tomadas. Muestra las posibilidades extremas los resultados
de tomar la medida ms arriesgada y la ms conservadora as como todas las
posibles consecuencias de las decisiones intermedias.
Los cientficos que trabajaron con la bomba atmica utilizaron esta tcnica por; y
le dieron el nombre de Montecarlo, la ciudad turstica de Mnaco conocida por sus
casinos. Desde su introduccin durante la Segunda Guerra Mundial, la simulacin
Montecarlo se ha utilizado para modelar diferentes sistemas fsicos y
conceptuales.
En esta tabla se hace presente el paso 3, que trata de colocar los intervalos de los
nmeros aleatorios, simplemente se colocan los nmeros empezando por el 01
hasta el valor de la probabilidad acumulada. Y despus se sigue con el otro valor
comenzando por nmero en el que se qued.
Una manera simple de ver la simulacin es mediante esta simplificacin del
ejemplo en un periodo de 10 das.
Por ltimo se emplean los pasos 4 y 5 en la tabla que continua se busca un
nmero aleatorio en la tabla 1 expuesta en el paso 4. Despus se compara el
nmero aleatorio obtenido con el intervalo de la tabla 3, a verificar en que intervalo
cae se colocara el valor de la demanda en la tercer columna.
10
CONCLUSIONES
11
BIBLIOGRAFIA
Castillo, Sergio; Rubio, William. Opciones Reales para los Nuevos Proyectos de la
Industria; Universidad de la Sabana, 2011
12