Instituto Tecnolgico Superior Zacatecas Occidente

Simulacin

Mtodo de Monte Carlo

Cesar Eduardo G Gutirrez Nstor Aarn Castro Ibarra Mara Yesenia Gmez Salas

Un poco de historia La invencin del mtodo de Monte Carlo se asigna a Stan Ulam y a John Von Neuman. Ulam explico como se le ocurri la idea mientras jugaba un solitario durante una enfermedad en 1946. Advirti que resulta mucho mas simple tener una idea del resultado general del solitario haciendo pruebas mltiples con las cartas y contando las proporciones de los resultados que computar todas las posibilidades de combinacin formalmente. La simulacin de Monte Carlo es una tcnica que combina conceptos estadsticos (muestreo aleatorio) con la capacidad que tienen los ordenadores para generar nmeros pseudoaleatorios y automatizar clculos. El mtodo fue llamado as por el principado de Mnaco por ser la capital del juego de azar, al tomar una ruleta como un generador simple de nmeros aleatorios. El nombre y el desarrollo sistemtico de los mtodos de Monte Carlo datan aproximadamente de 1944 con el desarrollo de la computadora.

El mtodo de Monte Carlo. Es un mtodo no determinstico o estadstico numrico usado para aproximar expresiones matemticas complejas y costosas de evaluar con exactitud.

El mtodo de Monte Carlo proporciona soluciones aproximadas a una gran variedad de problemas matemticos posibilitando la realizacin de experimentos con muestreos de nmeros pseudoaleatorios en una computadora. El mtodo es aplicable a cualquier tipo de problema, ya sea estocstico o determinista. A diferencia de los mtodos numricos que se basan en evaluaciones en N puntos en un espacio M-Dimensional para producir una solucin aproximada, el mtodo de Monte Carlo tiene un error absoluto de la estimulacin que decrece como en virtud del teorema del limite central.

Clave del mtodo de Monte Carlo. 1.- Crear un modelo matemtico del sistema que se quiere analizar. 2.- Identificar las variables cuyo comportamiento aleatorio determina el comportamiento global del sistema. 3.- Se lleva a cabo un experimento consistente en generar muestras aleatorios para las variables. 4.- Tras repetir n veces este experimento, dispondremos de n observaciones sobre el comportamiento del sistema. *Nuestro anlisis ser tanto mas preciso cuanto mayor sea el numero n de experimentos que llevemos a cabo*

Algunas aplicaciones.Criptografa, Cromo dinmica cuntica, Densidad y flujo de trafico, Diseo de reactores nucleares, Diseo de VLSI, Ecologa, Econometra, Evolucin estelar, Fsica de materiales.