Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Mtodo de
MonteCarlo
Mtodo de Monte
Carlo
Idea : Es la aproximacin a la solucin de un problema
por medio del muestreo de un proceso al azar.
Esto no ayuda mucho lo que es el Mtodo de Monte Carlo
pero podemos familiarizarnos por la va de ejemplos:
y
Caso 1
dx dx
1
R ( x , y ) : x, y x y 1
2
Mtodo de Monte
Carlo
Caso 2:
Sea g(x) una funcin y supongamos que deseamos conocer
1
g ( x)dx
Problema determinista
Sea u ~ U(0,1)
Entonces
E[g(u)] =
y sea x = u
1
g (u ) * f (u )du
0
siendo
f (u ) 110 ; g (u ) g ( x) y du dx
Mtodo de Monte
Carlo
Luego
E[g(u)] =
g ( x)dx
0
g (ui )
k
i 1
E[ g (u )]
cuando k
g (u )
Pr (| g (u ) | ) 0 cuando k
Teoremas Lmites
Convergencia en Distribucin:
Xn X
ssi limn FX n ( x ) FX ( x )
x pto. continuidad
Convergencia en Probabilidad:
ssi limn P X n X 0
Xn X
P
Nota:
>0
Xn X
P
Xn X
D
Desigualdad de Chebyshev:
Sea X v.a. con
Entonces
E X
P X E X
;V X
VX
2
X n nN sucesin de v.a.i.i.d. : E X R
2
V X entonces:
limn P X n 0
E X ;V X 2
finitas. Entonces:
Xn
Yn
N (0,1)
Mtodo de Monte
Carlo
Es decir podemos resolver un problema determinstico por
medio del clculo del valor esperado de una muestra grande.
Algoritmo
S1 = S1 + g(ui)
S2 = S2 + [g(ui)]2
S1
k
I 0,95 ( ) [ 1,96
;
S2
k
s
2
k S 2 2 [ S1 ]2
k ( k 1)
Mtodo de Monte
Carlo
b
xa
y
ba
Entonces
a xb
dx
dy
ba
g[a (b a ) y ] (b a ) dy
0
h( y ) dy
0
donde
h( y ) (b a ) g (a (b a ) y )
Mtodo de Monte
Carlo
Caso 4 :
1 1
0 0
i
i
i
g
(
u
,
u
,...,
u
1 2 n)
i 1
Mtodo de Monte
Carlo
1
y
1 x
dx
2
dy
y
dx
2
(1 x)
Entonces
Luego
g ( 1 y 1)
dy
2
y
E[h( y )]
siendo
g ( 1 y 1)
h( y )
y2
0 y 1
Mtodo de Monte
Carlo
Tarea : Usando el mtodo de Monte Carlo
5
(
1
x
)
dx
;
x2
x
(
1
x
)
dx
1 1
dx ;
0 0
( x y )2
dxdy
Mtodo de Monte
Carlo
Caso 6 :
g ( x)dx