Modelo Monte Carlos

John von Neumann y Stanislaw Ulam inventaron las simulaciones de Monte Carlo, o el método
de Monte Carlo, en la década de 1940. Le pusieron el nombre del famoso lugar de apuestas de
Mónaco porque el método comparte la misma característica aleatoria que el juego de la ruleta.

El modelo monte Carlos es un método con una técnica matemática que predice los posibles
resultados de un evento incierto

Los programas informáticos utilizan este método para analizar datos pasados y predecir una serie
de resultados futuros en función de una elección de acción. Por ejemplo, si desea estimar las
ventas del primer mes de un nuevo producto, puede proporcionar al programa de simulación de
Monte Carlo los datos históricos de ventas, el programa estimará diferentes valores de venta en
función de factores como las condiciones generales del mercado, el precio del producto y el
presupuesto de publicidad.

Este modelo es importante ya que es un modelo probabilístico que puede incluir un elemento
de incertidumbre o aleatoriedad en su predicción, Cuando se utiliza un modelo probabilístico
para simular una salida, se obtienen resultados diferentes cada vez.

Por ejemplo, la distancia que separa su casa de la oficina es fija. Sin embargo, una simulación
probabilística podría predecir tiempos de viaje diferentes al considerar factores como la
congestión, el mal tiempo y las averías de los vehículos.

En cambio, los métodos de previsión convencionales son más deterministas. Proporcionan una
respuesta definitiva a la predicción y no pueden tener en cuenta la incertidumbre. Por ejemplo,
es posible que indiquen el tiempo de viaje mínimo y máximo, pero ambas respuestas son menos
precisas.

Las ventajas de este modelo son las simulaciones de Monte Carlo proporcionan múltiples salidas
posibles y la probabilidad de cada una de estas a partir de un gran conjunto de muestras de datos
aleatorios. Ofrece un panorama más claro que una previsión determinista. Por ejemplo, prever
los riesgos financieros requiere analizar docenas o cientos de factores de riesgo. Los analistas
financieros utilizan la simulación de Monte Carlo para obtener la probabilidad de cada resultado
posible.

Las empresas utilizan los métodos de Monte Carlo para evaluar los riesgos y realizar
predicciones precisas a largo plazo. A continuación se presentan algunos ejemplos de casos de
uso.

Business

Los líderes empresariales utilizan los métodos de Monte Carlo para proyectar escenarios
realistas a la hora de tomar decisiones. Por ejemplo, un profesional del marketing tiene que
decidir si es viable aumentar el presupuesto de publicidad para un curso de yoga en línea. Podría
utilizar el modelo matemático de Monte Carlo sobre factores o variables inciertas, como las
siguientes:

• Tarifa de suscripción
• Costo de publicidad
• Tasa de registro
 • Retención

La simulación predeciría entonces el impacto de los cambios en estos factores para indicar si la
decisión es rentable.

Finanzas

Los analistas financieros normalmente realizan previsiones a largo plazo sobre los precios de las
acciones y luego asesoran a los clientes respecto a qué estrategias son las más adecuadas. Al
hacerlo, deben tener en cuenta los factores del mercado que podrían provocar cambios
drásticos en el valor de la inversión. Por ello, utilizan las simulaciones de Monte Carlo para
predecir los resultados probables y respaldar sus estrategias.

Juegos en línea

El sector de los juegos y las apuestas en línea está sujeto a regulaciones estrictas. Los clientes
esperan que el software de juego sea justo e imite las características de los juegos de azar
presenciales. Por ello, los programadores de juegos utilizan el método de Monte Carlo para
simular los resultados y garantizar una experiencia de juego justa.

Ingeniería

Los ingenieros deben garantizar la fiabilidad y solidez de cada producto y sistema que crean
antes de ponerlo a disposición del público. Utilizan métodos de Monte Carlo para simular la tasa
de fallos probable de un producto en función de las variables existentes. Por ejemplo, los
ingenieros mecánicos utilizan las simulaciones de Monte Carlo para calcular la durabilidad de un
motor cuando funciona en diversas condiciones.

Componentes de una simulación de Monte Carlos

Un análisis de Monte Carlo consta de variables de entrada, variables de salida y un modelo

matemático. El sistema de computación introduce variables independientes en un modelo
matemático, las simula y produce variables dependientes.

Variables de entrada
Las variables de entrada son valores aleatorios que afectan la salida de la simulación de Monte
Carlo. Por ejemplo, la calidad de fabricación y la temperatura son variables de entrada que
influyen en la durabilidad de un teléfono inteligente. Las variables de entrada se pueden expresar
como un rango de muestras de valores aleatorios de modo que los métodos de Monte Carlo
puedan simular los resultados con valores de entrada aleatorios.

Variable de salida
La variable de salida es el resultado del análisis de Monte Carlo. Por ejemplo, la vida útil de un
dispositivo electrónico es una variable de salida, que se expresa en un valor de tiempo, como 6
meses o 2 años. El software de simulación de Monte Carlo muestra la variable de salida en un
histograma o gráfico que distribuye el resultado en un rango continuo en el eje horizontal.

Modelo matemático
Un modelo matemático es una ecuación que describe la relación entre las variables de salida y
de entrada en forma matemática. Por ejemplo, el modelo matemático de rentabilidad
es Beneficio = Ingresos - Gastos.
El software de Monte Carlo sustituye los ingresos y los gastos por valores probables en función
del tipo de distribución de probabilidad. Posteriormente, repite la simulación para obtener un
resultado muy preciso. La simulación de Monte Carlo se puede ejecutar durante horas cuando
el modelo matemático involucra muchas variables aleatorias.

BibliografíaI.

M. Sóbol. Métodos de Montecarlo. Lecciones populares de Matemáticas.

Editorial Mir (1976).
B. P. Demidowitsch. I. A. Maron, E. S. Schuwalowa. Métodos numéricos
de análisis. Editorial Paraninfo (1980)