PROCESOS ESTOCSTICOS

Docente: Yimmer Vargas

SIMULACIN DE MONTECARLO
OMAR ANDRS SNCHEZ MONROY
La Simulacin implica crear un modelo que se aproxima en ciertos aspectos a un sistema
del mundo real y que puede ser usado para generar pruebas artificiales del sistema, de
forma tal que nos permite predecir cul va a ser el comportamiento de un sistema.
Segn Carlos Zapata en su libro Anlisis probabilstico y simulacin, plantea que la
Simulacin de Montecarlo es un experimento que: consiste en generar nmeros aleatorios
de cualquier distribucin de probabilidad o proceso estocstico para evaluar en forma
numrica, indirecta o artificial un modelo matemtico que permita estimar el
comportamiento de un sistema o proceso que involucra variables estocsticas.
Para este caso se podr observar un ejemplo de aplicacin de la Simulacin de Montecarlo
en la integracin de una funcin y su estabilidad.
Tomaremos la siguiente funcin:

Si resolvemos esta integral obtendremos un valor de la integral original 0.4520

Ahora aplicando la simulacin por el mtodo de Montecarlo varias veces a la funcin,
observamos que la funcin converge a un valor de la integral. Es decir, muestran estabilidad
para presentar una respuesta nica en un intervalo de confianza.
Para lograr lo anterior se establece una programacin en MATLAB, utilizando un generador
rU(0,1) se puede definir una variable r = (ba) r+a. Se plantea un ciclo repetitivo hasta
un numero de iteraciones (N) definidas por el usuario, y se aplica la siguiente frmula con
sumatorias para hallar la integral.

Seguido de esto se obtiene un valor aproximado de la integral realizando un promedio del

nmero de iteraciones, el error porcentual y la grfica de comportamiento de estabilidad.
A continuacin, podemos observar el comportamiento de la estabilidad de 15 grficas y el
valor promedio de la integral para 10, 100, 1000 y 10000 iteraciones.

Para N=10
promedio_integral = 0.451924665331881
error_porcentual = 0.042925102567780

Para N=100
promedio_integral = 0.451945472053032
error_porcentual = 0.013602579555688

Para N=1000
promedio_integral = 0.451933681926536
error_porcentual = 0.003275935175943

Para N=10000
promedio_integral = 0.451933759698424
error_porcentual = 0.001485435952066

Como conclusin se puede decir que la simulacin de Montecarlo es de gran importancia y

utilidad al momento de estimar valores de comportamiento de un sistema y poder analizar
los aspectos a tomar en cuenta en el mundo real, por otro parte en relacin con el ejemplo
desarrollado se tiene que entre mayor sea el nmero de iteraciones se obtendr un valor
de error menor y un valor ms aproximado al valor real, como se observa en las grficas
entre mayor sea el nmero de iteraciones la grfica de estabilidad va a tomar un
comportamiento hacia el valor real de la integral para este caso.