Vous êtes sur la page 1sur 3

METODO MONTE CARLO

El mtodo Montecarlo es un mtodo numrico que permite resolver problemas fsicos


y matemticos mediante la simulacin de variables aleatorias. Este fue bautizado as
por su clara analoga con los juegos de ruleta de los casinos, el ms clebre de los
cuales es el de Montecarlo, casino cuya construccin fue propuesta en 1856 por el
prncipe Carlos III de Mnaco, siendo inaugurado en 1861.

Se basa en la existencia de problemas que tienen difcil solucin por mtodos


exclusivamente analticos o numricos, pero que dependen de factores aleatorios o se
pueden asociar a un modelo probabilstica artificial (resolucin de integrales de
muchas variables, minimizacin de funciones, etc.).

Gracias al avance en diseo de los ordenadores, clculos Montecarlo que en otro


tiempo hubieran sido inconcebibles, hoy en da se presentan como asequibles para la
resolucin de ciertos problemas. En estos mtodos el error ~ 1/N, donde N es el
nmero de pruebas y, por tanto, ganar una cifra decimal en la precisin implica
aumentar N en 100 veces1.

Qu es la simulacin 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 cabo2.

Claves para el mtodo Montecarlo

1.- Crear un modelo matemtico del sistema que se quiere analizar.

2.- Identificar las variables cuyo comportamiento aleatorio determina el


comportamiento global del sistema.
3.- Se lleva a cabo un experimento consistente en generar muestras aleatorias para
las variables.

4.- Tras repetir n veces este experimento, dispondremos de n observaciones sobre el


comportamiento del sistema, por ende nuestro anlisis ser tanto ms preciso cuanto
mayor sea el nmero n de experimentos que llevemos a cabo

Aplicaciones del Mtodo

Se asocian intervalos de nmeros aleatorios segn las probabilidades de ocurrencia


de los eventos a simular

Conclusiones

En conclusin la simulacin de Monte Carlo se ha venido aplicando a una infinidad de


mbitos como alternativa a los modelos matemticos exactos o incluso como nico
medio de estimar soluciones para problemas complejos. As, en la actualidad es
posible encontrar modelos que hacen uso de simulacin MC en las reas informtica,
empresarial, econmica, industrial e incluso social.

De esta manera, la simulacin de Monte Carlo est presente en todos aquellos


mbitos en los que el comportamiento aleatorio o probabilstico desempea un papel
fundamental precisamente3
BIBLIOGRAFIA CITADA:

1. https://www.uam.es/personal_pdi/ciencias/carlosp/html/pid/montecarlo.html

2. http://www.uoc.edu/in3/emath/docs/Simulacion_MC.pdf

3.- http://es.slideshare.net/krizx/metodo-montecarlo