Documentos de Académico
Documentos de Profesional
Documentos de Cultura
l. Anteceáentes histdricos.
trará del punto de partida después de haber dado ^sr pasos, a también cuál
será la distancia más probable al cabo de los ^t pasas. ^e le denominó el
problema del ^^ aseo al acaso (al azar) .^iediante •una aplicación del r^t^-^estyeo
adeatoyio se resolviá este problema, pera pronto se encontró que el método
podía extenderse a otro tipo de cuestiones y ofrecfa grandes aplicaciones
.
en la práctlca.
Estirnar tal distancia probable exigiría observar un gran número de
borrachos en condiciones análogas, lo que resultaria diffcil o poco práctico.
^in embargo, puesto que los pasos se dan al a^ar, podemos simular modelos
de sus pasos mediante una tabla de números aleatorios y aproxim,arnos a
la efectiva situación real. Con un gran número de pruebas simuladas pode-
mos estimar la distancia probable después de fz pasas.
Prosiguiendo esta ruta histórica, más adelante ^expondremos los dos
clásicos prob^enias de Buffon y de F^ ermi, que pueden considerarse como
f undamento del método Monteca.rlo.
' Sobre las posibilidades del método y el tipo general de problemas quc
resuelve, nos remitimos a la autorizada opinión de diversos autores. ^
Para Donsker y k.ac, algunos problemas que conducen a co rnplicadas
ecuaciones diferenciales o integrales, se han resuelto recientemente, utili-
zándo diversas técnicas probabilf sticas y métodos de muestreo. En su can-
j uñtó estos métodos son conocidos con la denominación genérica de métoc^o
d'e Monte^arlo. Los problemas a Ios que se ha aplicado la técnica de Monte-
carlo, parecen dividirse en dos categorias. Tf pico de la primera es el pro-
blerna de los neutrones que se difunden en la materia, y en el cual las par-
tículas están sometidas no sólo a alguna influencia determinfstica, sino
también a influencias casuales. En tal problema la técnica de Montecarlo
consiste en permitir que una partf cula j uegue una partida de azar, siendo
las reglas del j uego tales que las ef ectivas características casuales y deter-
minística del proceso ff sico son exactamente imitadas, paso a paso, por
el j uego. Considerando un número muy ^grande de partículas, es posi-ble
responder a preguntas referentes a la distribución de las partículas al final
de un cierto perf odo de tiempo; el núnlero de partf culas que han atrave-
sado un obstáculo de un determinado espesor, etc. L7na caracterfstica im-
portante de la técnica precedente es que la ecuación funcional que describe
el proceso de difusión está superada por completo, habiéndose conseguido
del propio proceso el modelo probabilf stico empleado. L^ na aplicación rnás
sofisticada del método de Montecarlo es la referente al problema de la de-
terrnin,acxón de un modelo probabilf stico o j uego, cuya solución está en
relación con la ^solución de una ecuación.
^STAD^STICA ESPAI^OLA
xl, x^: . . . . . xn
* * *
ESTAD^STICA ESPAÑOI^,A
3. Problema de Buifon.
( i) ^'^ asc :^rxTC^ Río^: a:^^tétc^dc^^s ^^stadisticus ^^, ^.a c^ciici^n. l^laclricl, i r^G r.
EL MÉTODO DE M^NT'ECARL4 Y SUS APLICACIONES
2d
I u Cx ^c^
._____ para
d^t ^ o c w=^ ^t
.^ ^ l sen c^^
-
^ ^, n
^-
d c,^ x
j SCIi ^^^
o
I
d ^r o
'^
lsenwc^w--^-
c os ^ -^- c«s c ^ ^ =
Zl
l
c^ rc ^ Cc^s c^^
Il
d ^r
^ -..-T d
^
.
I^ f^STA DÍSTIC:^ ESY.^ÑC)I.:1
2d =41, - Z
con lo cual
4. Problema de Fermi.
a l
cos g° `^ - 1 sen `^
2 2 2 2 2
luego
a ---- l sen `^
^
Y ^ f tX^
0
I^ i^;. 3.
A -- ^` ^ E_.
E -f- F
1 x^
I
- c^^ ^ c^:^^
0 ^ ^
^:1. :^1ÉTODU DE MONTECARL,O 1' sUS AI'LICACIC)NES 2I
4^ ^^ 3^53
^3 oc^ 3c) ^t> I:
3t> -}h 373^^^
^ ,5 .i-^ 3<^ ^ i
f^^ o'i 3! f^( ^ l;
:^ 4 ti -^ 3 4 -^ ^
^^^^ ^;7 =5 ^ t^
-^7 , ;;,ti 35"=
t c^ t c^ ;y ^ c^ 1;
c^^^ '^^ ^^i^ ^^
07 yc^ .ic^tio
^)o o^ _>bf^ [ I:
1'uc^stc^ clue ^^n cste caso el rect•ángulo ha cluedadu cutlvcrtidu eti u^i
euacíracío cle lado uniclad, el área ser^í aproxilnadamcntc
A -
E -}- F
Ql ^ ^ ^ ^ ^ _
eo ^oo ^^o ^ ao zoo
Ní^rrioro d^ pruebos
Fi^. ^.
l^n E^ste ^ráfico 1^^ estabilización de los resultados nos indica que el nú-
rnr^ro clc pruebas realizadas es suficiente.
cuya media aritmética es 4,2y268, que se estabiliza, l^aci^l ^, ^ac^ =--^ ^.,.^^Z I.
.^^. ESTADÍSTICA ESPA:rTOLA
llar^ hallar los valorc.^s cic ^i y 1L^ cle forrna que la varianza sca t^lini^t^a para,
un c,c^ste c^speeifieaclo, sc puc^de deY^lostrar que (^)
__._ _..M
(;___ _cl __^_ . ^ constante.
ii 2
( r) aM tac;;trc^a clc^ ^^^il^l:acic ^ n^^^ finit^^sa, ^,c,r .1 ^^5^:t.r^u (^:^^.^_^^.^ n^t1:^tc^. I^_^'r.^ ^>í^ j'tc: :^ 1^:5-
f^A:^t^L^^, ntíinc^^u ^ ^ , c^neru-ITl^ii^zu ic^tao.
I±;I. 1^iF:7'ODC) I)^ ti1UN1'^^G.4F^iL() 4' tit^ti :1F'I.ICAC'IC)?^ 1;;^ 25
. . •
.^c^l^ccto^t ^raatemc^tica.
^ea ^=-= x la cantidacl dcmandacia diarialYleYltC?. I'ara quc^ la g^^nancia
sca la mayor posible, deberemos hacer máxima la esperan•r.a matemática
cle dicha ganancia, que designaremos por G(a) y tiene por expresión
^ a-i «__ ^
Puesto que sc trata de determinar a para que [^] sea xlláxirna deberán
cumplirse las dos condiciones
.F [ <^ (a -^- I ) ] =
Qq R ^l
1 1 1
oc ^
(^) Véa.se ciONZALO ARNAI2: Apuntes cle l:st^dística de lti 1^^LCUltacl dc Cic^ncias :l^:conó-
micas, clonclc se resuelve tin problem^^, scrnejal^te, pero ec ^ n l^i clifereneia clc^ clue se pa^;an niul-
t^^.s I^or derna,nda insatisfecha, c^,so clue no sc h^c cc^nsiclcra,clc^ cn cl prc^scntc ejcmplo, piiesto
cluc sólo cx isten pt^rdida.s 5i la canticlad ^^,lmaccnacía supcr^^ ^c la dcmandada.
I;:^`f:^13ÍSTIGA ESPAIrOLA
a-- t a ----^ 1 u
lue^c^ Prob. (^ ^ a^ g
[4]
g -+- m
1 u ego Prob. ( ; ^ a z) ^
g -- -- 25 -- o,ibbó, tenemos
g -#- m 2^, -^{-^ 125
'1'ABLA I
I,^^ solucicín m^ltei»átic^:^ clel problerna indica clue, cn pron^cdi^^, ^^. ,^^.n^it1-
ci^^ será máxima cuando el comerciante tenga a disposición del público 7 kg.
de la mercancf a.
(1) llivcrsas a^^licaciones ^il C^tI71pU inc^ustrial pucd^^n v^rsc cn .I.vis ^R()CA5 "E1 iu^^tu^lu
Mc,ntccarlo.^^---.^plicaciones".--Institutu Nacic^n^Ll tlc IZ^^,cic^naliz:.^ción dcl "i^rabajc^.
^L M^TODO DL 1'I^i^NTECARLO ^' SÚ`S APLICACI(^NE5
"1' .^. 13 L :^ I I
i ^
^nti- i '
Núm.
dad "
aleato- ^ 0 kg. 9 kg. f 8 kg. ^ kg. b kg. S kg.
rio dem^n-
dada
-------- _ ^. . ___._..
.13ene#i cios
totá les.... 770o 17550 22goo 25850 2580o 183So
^^ ^ zoo -{- 20 ^l
r==8o-}-zo^^
'1'^^BL^^^ III
o, 28 I,3t ^06 93 93
^ -- x,52 ------ O, I ^ ^U 78 %U
3 I, ^ z 0,95 130 7^ 7L
4 0,42 O, ^g 10^ !^^ 7 i^,
5 __._ i ^ o ^ 0,3 z 7 ^^ 83 ^^^
c) ____. o, 35 O, 2 O 93 83
83
7 -^^ ^^37 - 0.39 93 7^ 7^
^^ --- o, 3 t^ - 0.50 g^ 75 75
c^ 0,09 x,gx Io2 99 99
Io ---- o, 3 t3 2^37 g2 xo4 9z
. ........ ....
^^C) ÉSTADÍSTICA E5PAÑOLA
I3II3LItJGRAFTA