SIMULACIN DE

MONTECARLO
Omar Pea
Javier Lpez
Fabin Flrez

INTRODUCCIN
La Simulacin de Montecarlo es una tcnica q combina

conceptos estadsticos (muestreo aleatorio) con la capacidad q

tienen los ordenadores para generar nmeros pseudoaleatorios y automatizar clculos.
Los orgenes de esta tcnica estn ligados al trabajo aplicando

una infinidad de mbitos como alternativas a los modelos

matemticos exactos o inclusos como nico medio de estimar
soluciones para problemas complejos.

 Se atribuye a Stanislaw Ulam, matemtico polaco que trabajo

para John von Neumann en el proyecto Manhattan durante la

segunda guerra mundial y contribuyo junto con Edward Teller
en el diseo de la bomba de Hidrogeno en 1951.
Ulam no invent el muestreo estadstico, pero reconoci la el

potencial de los computadores electrnicos para automatizar

el proceso.
Trabajando con John von Neuman y Nicholas Metropolis,

desarrollo algoritmos de implementacin y explor formas de

convertir problemas no aleatorios en formas aleatorias para
ser solucionados via muestro estadstico.
Ulam y Metropolis publican el primer paper en 1949.

QU ES LA SIMULACIN DE
MONTECARLO?
La simulacin Monte Carlo 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.

 Mtodo computacional usado para estudiar el comportamiento

de sistemas matemticos, fsicos o de cualquier ndole, a partir

del uso de muestreo estadstico, nmeros aleatorios y pseudoaleatorios.
Es iterativo -> requiere clculos por computador.
Las tcnicas de Monte Carlo pueden ser usadas para encontrar

soluciones aproximadas a problemas cuantitativos, con o si

incertidumbre.

COMO FUNCIONA LA
SIMULACIN
La simulacin Monte Carlo realiza el anlisis de riesgo con la

creacin de modelos de posibles resultados mediante la

sustitucin de un rango de valores una distribucin de
probabilidad para cualquier factor con incertidumbre
inherente. Luego, calcula los resultados una y otra vez, cada
vez usando un grupo diferente de valores aleatorios de las
funciones de probabilidad. Dependiendo del nmero de
incertidumbres y de los rangos especificados, para completar
una simulacin Monte Carlo puede ser necesario realizar miles
o decenas de miles de reclculos. La simulacin Monte Carlo
produce distribuciones de valores de los resultados posibles.

VARIABLES ALEATORIAS
Una Variable aleatoria X es una funcin cuyos valores

son nmeros reales y dependen del azar.

Para caracterizar las variables aleatorias se utilizan

las distribuciones de probabilidad.

DISTRIBUCIONES DE
PROBABILIDAD
DISCRETAS
CONTINUAS

DISTRIBUCIONES DE
PROBABILIDAD
Discretas
Una

variable aleatoria representada mediante una

distribucin discreta de probabilidad puede tomar un valor
de entre un conjunto de valores, cada uno de los cuales
tiene asignada una determinada probabilidad de
ocurrencia.

Ejemplos: Binomial, Geomtrica, Poisson, Discreta.

DISTRIBUCIONES DE
PROBABILIDAD
Continuas
Una

variable aleatoria representada mediante una

distribucin continua de probabilidad puede tomar
cualquier valor dentro de un rango determinado.

Ejemplos:

Histograma

Normal,

Lognormal,

Uniforme,

Triangular,

UNIFORME
Todos los valores dentro del rango factible tienen la misma

densidad de probabilidad.
Parmetros : Uniform (min,max)
Aplicaciones: U(0,1) se usa en la generacin de los valores

de todas las dems distribuciones de probabilidad en el

muestreo aleatorio.

Es una aproximacin muy cruda para usar como estimacin

de la incertidumbre percibida de un parmetro

TRIANGULAR
Aplicaciones: estimar subjetivamente la distribucin de la

variable aleatoria cuando todo lo que puede precisarse de la

misma es el valor mnimo, el valor ms probable y el valor
mximo.
Parmetros: Triang (min, +prob, max)

TRIANGULAR (CONT.)

Sus propiedades estadsticas se derivan de su forma, no de

una teora subyacente.

Es de definicin intuitiva y de gran flexibilidad en cuanto a

geometras posibles.
La

forma de la distribucin usualmente lleva a

sobreestimar la densidad de las colas y a subestimar la
densidad en el tronco de la distribucin.

HISTOGRAMA

Histograma

Aplicaciones: representar la forma de la distribucin de

una serie de datos o la opinin de un experto acerca de la

forma de la distribucin de una variable.

Parmetros: Histogram (min, max, {pi})

Todos los intervalos de la distribucin tienen el mismo

ancho.

LEY
DE
LOS
GRANDES
NMEROS
(DESIGUALDAD DE TSCHEBYCHEFF)
Cuanto mayor sea el tamao de la muestra, mayor ser el

ajuste entre la distribucin muestral y la distribucin terica

sobre la que se basa la muestra.

la frecuencia relativa de los resultados de un cierto experimento

aleatorio, tienden a estabilizarse en cierto nmero, que es

precisamente la probabilidad , cuando el experimento se realiza
muchas veces

DISCRETA

Discreta

Aplicaciones:
1. Describir una variable aleatoria que puede

tomar uno de entre un conjunto de valores

discretos.

2. Describir probabilidades condicionales para

distintos estados de la naturaleza, donde cada

estado de la naturaleza tiene una probabilidad de
ocurrencia p.

3. Armar distribuciones de probabilidad

compuestas a partir de la opinin de dos o ms

expertos, donde a la opinin de cada experto se le
otorga una ponderacin p.

VENTAJAS
Es un mtodo directo y flexible.
Cuando el modelo matemtico es demasiado complicado la

simulacin permite obtener una simulacin.

La simulacin permite resolver problemas q no tiene solucin

analtica.

La simulacin no interviene en el mundo real, permite

experimentar.

DESVENTAJAS
La

simulacin no genera soluciones Optimas globales.

Una buena simulacin puede resultar muy complicada, gran

nmero de variables.

No proporciona la decisin a tomar, sino que resuelve el

problema mediante aproximacin para unas condiciones

iniciales.

Cada simulacin es nica, interviene el azar.

EJEMPLO
Nos Encontramos en un Casino y deseamos saber, que numero tiene mas

probabilidad de que sea el acertado cuando giramos la Ruleta.