Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El mtodo de Monte Carlo[1] es un mtodo no determinista o estadstico numrico, usado para aproximar
expresiones matemticas complejas y costosas de evaluar
con exactitud. El mtodo se llam as en referencia al
Casino de Monte Carlo (Principado de Mnaco) por ser
la capital del juego de azar, al ser la ruleta un generador
simple de nmeros aleatorios. El nombre y el desarrollo
sistemtico de los mtodos de Monte Carlo datan aproximadamente de 1944 y se mejoraron enormemente con
el desarrollo de la computadora.
Neumann y Stanislaw Ulam renaron esta ruleta y los mtodos de divisin de tareas. Sin embargo, el desarrollo
sistemtico de estas ideas tuvo que esperar al trabajo de
Harris y Herman Kahn en 1948. Aproximadamente en el
mismo ao, Enrico Fermi, Nicholas Metropolis y Ulam
obtuvieron estimadores para los valores caractersticos de
la ecuacin de Schrdinger para la captura de neutrones
a nivel nuclear usando este mtodo.
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 estimacin que decrece como 1N en virtud
del teorema del lmite central.
El uso de los mtodos de Monte Carlo como herramienta de investigacin, proviene del trabajo realizado en el
desarrollo de la bomba atmica durante la Segunda Guerra Mundial en el Laboratorio Nacional de Los lamos en
EE. UU. Este trabajo conllevaba la simulacin de problemas probabilsticos de hidrodinmica concernientes a la
difusin de neutrones en el material de sin. Esta difusin posee un comportamiento eminentemente aleatorio.
En la actualidad es parte fundamental de los algoritmos
de Raytracing para la generacin de imgenes 3D.
VASE TAMBIN
2 Ejemplo
Random shots
Algorithms
Outcome
A continuacin, genera un punto aleatorio del interior del volumen conocido, y registra si el punto ha cado dentro o fuera del modelo. sto se
repite un gran nmero de veces (miles o millones), consiguiendo un registro muy grande de cuntos puntos han quedado dentro y cuntos fuera.
Como la probabilidad de que caiga dentro es proporcional al volumen del modelo, la proporcin de
puntos que han cado dentro con respecto al total de puntos generados es la misma proporcin
de volumen que ocupa el modelo dentro del cubo
de 1 m3 .
Algoritmo Fisher-Yates
Azar
Cadena de Mrkov
Estocstico
3
Generador de nmeros aleatorios
Integracin de Monte Carlo
Referencias
Enlaces externos
Economa Excel Aplicaciones del mtodo de Monte
Carlo con Excel.
Calculando Pi con gotas de lluvia
6.1
Texto
Mtodo de Montecarlo Fuente: https://es.wikipedia.org/wiki/M%C3%A9todo_de_Montecarlo?oldid=92674108 Colaboradores: Riviera, Crescent Moon, Elwikipedista, Tano4595, Txuspe, Orgullobot~eswiki, RobotQuistnix, Chobot, Akhram, LuchoX, Yrbot, Vitamine,
YurikBot, GermanX, Euratom, KnightRider, Eskimbot, Tamorlan, CEM-bot, Alexav8, Thijs!bot, XCesar, lvaro Morales, Gabriel Vidal,
Cgb, JAnDbot, TXiKiBoT, Hlnodovic, NaBUru38, Muimota, Mkordo, J35ux, VolkovBot, Urdangaray, Matdrodes, Tatvs, AlleborgoBot,
SieBot, Loveless, Pompilio Zigrino, Lp-spain, Jarisleif, HUB, StarBOT, Hcastillo, Gkhan, SilvonenBot, Jmal2d, Luckas-bot, Ptbotgourou,
ManuNave, Jopontie, ArthurBot, Jkbw, FrescoBot, MauritsBot, HUBOT, Jafol, Gustavo Girardelli, Stallon10, ChuispastonBot, KLBot2,
Legobot, Addbot, JacobRodrigues, Bruno Rene Vargas, Ks-M9 y Annimos: 41
6.2
Imgenes
6.3