Mtodo de Montecarlo

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.

1 Orgenes del mtodo

La invencin del mtodo de Monte Carlo se asigna a
Stanislaw Ulam y a John von Neumann. Ulam ha explicado cmo se le ocurri la idea mientras jugaba un solitario durante una enfermedad en 1946. Advirti que resulta
mucho ms 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. Se le
ocurri que esta misma observacin deba aplicarse a su
trabajo de Los lamos sobre difusin de neutrones, para la cual resulta prcticamente imposible solucionar las
ecuaciones ntegro-diferenciales que gobiernan la dispersin, la absorcin y la sin. La idea consista en probar
con experimentos mentales las miles de posibilidades, y
en cada etapa, determinar por casualidad, por un nmero
aleatorio distribuido segn las probabilidades, qu sucedera y totalizar todas las posibilidades y tener una idea
de la conducta del proceso fsico.
Podan utilizarse mquinas de computacin, que comenzaban a estar disponibles, para efectuar las pruebas numricas y en efecto reemplazar el aparato experimental
del fsico. Durante una de las visitas de von Neumann a
Los lamos en 1946, Ulam le mencion el mtodo. DesMonte Carlo
pus de cierto escepticismo inicial, von Neumann se entusiasm con la idea y pronto comenz a desarrollar sus
En la primera etapa de estas investigaciones, John von posibilidades en un procedimiento sistemtico. Ulam ex1

VASE TAMBIN

2 Ejemplo

Random shots

Algorithms

Los programas de diseo asistido por ordenador (CAD)

pueden determinar rpidamente el volumen de modelos muy complejos. Estos modelos, en general, no tienen
una expresin analtica para determinar su volumen (por
ejemplo, rea de la base x altura para un prisma), y la
nica solucin es dividir el modelo en un conjunto de
pequeos submodelos (teselacin) cuyo volumen pueda
determinarse (por ejemplo, dividir el modelo en miles de
tetraedros). Sin embargo sto consume muchos recursos,
tanto para la teselacin como para el clculo del volumen
de cada uno de los elementos. Por ello utilizan mtodos
de Montecarlo, ms robustos y ecientes.
Como el software s que conoce la expresin analtica de
la geometra del modelo (posicin de los nodos, aristas y
supercies) puede determinar si un punto est dentro del
modelo o est fuera con un coste mucho menor que el de
determinar un volumen.
En primer lugar el software coloca el modelo dentro de un volumen conocido (por ejemplo, dentro
de un cubo de 1 m3 de volumen).

Outcome

Ejemplo de aplicacin de Monte Carlo. En el juego de barcos,

primero se realizan una serie de tiros a puntos aleatorios. Si el
jugador genera un algoritmo puede deducir la posicin del barco
conocidos los datos anteriores.

pres que Monte Carlo comenz a tener forma concreta

y empez a desarrollarse con todas sus fallas de teora
rudimentaria despus de que se lo propuse a Johnny.

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 .

Si el 50% de los puntos han cado dentro, el modelo ocupa

A principios de 1947 Von Neumann envi una carta a el 50% el volumen total, es decir, 0.5 m3 . EvidentemenRichtmyer a Los lamos en la que expuso de modo inu- te, cuantos ms puntos genere el software, menor ser el
yente tal vez el primer informe por escrito del mtodo de error de la estimacin del volumen.
Monte Carlo. Su carta fue encuadernada junto con la respuesta de Richtmyer como un informe de Los lamos y
distribuida entre los miembros del laboratorio. Von Neumann sugera aplicar el mtodo para rastrear la genera- 3 Vase tambin
cin istropa de neutrones desde una composicin variable de material activo a lo largo del radio de una esfera.

Portal:Matemtica. Contenido relacionado con

Sostena que el problema era adecuado para el ENIAC
Matemtica.
y estimaba que llevara 5 horas calcular la accin de 100
Algoritmo de Las Vegas
neutrones a travs de un curso de 100 colisiones cada uno.
Ulam estaba particularmente interesado en el mtodo
Monte Carlo para evaluar integrales mltiples. Una de las
primeras aplicaciones de este mtodo a un problema determinista fue llevada a cabo en 1948 por Enrico Fermi,
Ulam y von Neumann cuando consideraron los valores
singulares de la ecuacin de Schrdinger.

Algoritmo Fisher-Yates
Azar
Cadena de Mrkov
Estocstico

3
Generador de nmeros aleatorios
Integracin de Monte Carlo

Referencias

[1] Pea Snchez de Rivera, Daniel (2001). Deduccin de

distribuciones: el mtodo de Monte Carlo, en Fundamentos de Estadstica. Madrid: Alianza Editorial. ISBN
84-206-8696-4.

Enlaces externos
Economa Excel Aplicaciones del mtodo de Monte
Carlo con Excel.
Calculando Pi con gotas de lluvia

6 ORIGEN DEL TEXTO Y LAS IMGENES, COLABORADORES Y LICENCIAS

Origen del texto y las imgenes, colaboradores y licencias

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

Archivo:Monte_carlo_method.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/5/54/Monte_carlo_method.svg Licencia:

Public domain Colaboradores: http://en.wikipedia.org/wiki/Image:Monte_carlo_method.png Artista original: --<a href='https://en.
wikipedia.org/wiki/user:Pbroks13' class='extiw' title='en:user:Pbroks13'>pbroks13</a><a href='https://en.wikipedia.org/wiki/User_talk:
Pbroks13' class='extiw' title='en:User talk:Pbroks13'>talk? </a>
Archivo:Nuvola_apps_edu_mathematics-p.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/c/c2/Nuvola_apps_edu_
mathematics-p.svg Licencia: GPL Colaboradores: Derivative of Image:Nuvola apps edu mathematics.png created by self Artista original:
David Vignoni (original icon); Flamurai (SVG convertion)
Archivo:Simulacionmontecarlo.png Fuente: https://upload.wikimedia.org/wikipedia/commons/3/30/Simulacionmontecarlo.png Licencia: CC-BY-SA-3.0 Colaboradores: Trabajo propio Artista original: Miguel Cruz

6.3

Licencia del contenido

Creative Commons Attribution-Share Alike 3.0