Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Metodo de Montecarlo PDF
Metodo de Montecarlo PDF
;. lecciones populares .;
:. de matemticas :.
: ~--------- :
.~ MTODO ~
~
DE
~ MONTECARLO
l. M.Sbol
..............................................
.: ---~~:...__
. ~--------~
________
Mosc ....
... .........................................
nonYJHl~HblE JIEKU,11H n MATEM.ATHl:U:
11. M. CEOJlb
MET0,11, MOHTERAPJIO
HCl,IJ,ATEnbCTBO HAYHA
MOCHBA
LECCIONES POPULARES DE 1\1/\TEMATICAS
I. M. SOBOL
Mi!:TODO
DE MONTECARLO
Segunda edicin
EDITORIAL .MIFl
MOSCO
Primera edici n 1976
Segun da edicin 1983
IMPRESO EN LA URSS.
Ha nenaucxoM RaYKl'
Prefacio 7
Introduccin 9
1. Generalidades del mtodo 9
Captulo 1. Simulacin
de variables aleatorias 15
2. Variables aleatorias 15
3. Obtencin
de variables aleatorias en las MCE 26
4. Transformaciones
de vari.ahles aleatorias 32
Captulo 2. Ejemplos
de aplicacin del mtodo
de Montecarlo 42
5. Anlisis
rle un sistema de servicios 42
6. Anlisis de la calidad
y rle la Reguridad de piezas 48
7. Anlisis del paso
el.e neutrones a tra v.~
de una placa 55
8. Clculo de la integral definida 63
Apndice 88
9. Demostracin
de algunas proposiciones 68
10. Sobre Jos nmeros seudoaleatorios 75
Tablas 78
Literatura 79
Prefacio
1.
GENERAL1DADES
DEL MtTODO
o
"
\l'lg. 1
.
s
..
.
..
o X
Flg. i
1
) Aceptamos que el tirador est lejos de ser el
campen del mundo y se encuentra a una distancia sticientemente
grande del blanco.
2) En el punto 4.5 explicaremos croo han sido escogidos los
puntos aleatorios en las figs. i y 2.
CAPTULO 1
SIMULACIN
DE VARIABLES ALEATORIAS
2.
VARIABLES ALEATORIAS
P (S = xr} =Pi
La tabla (T) se denomina distribucin de la variable alea-
toria.
Hablando en trminos generales, los nmeros x 1 , xi, ...
, Xn pueden ser cualesquiera. En cambio, las probabili-
dades p 1 , p 9 , , Pn deben cumplir dos condiciones:
a) todos los nmeros p 1 deben ser positivos:
p 1 >O; (1)
b) la suma de to dos los p, debe ser igual a 1 :
P1 Pi + + + Pn = 1. (2)
La ltima condicin significa que ~ debe necesariamente
tomar en cada caso uno de los valores x 1 , x 3 , , Xn
Se denomina esperanza matemtica de la variable aleatoria
s el nmero.
(3)
- 2 M~ M; + MsY'.
de donde
(9)
Resu1ta ms fcil, como regla, calc\llar la varianza apli-
cando Ja frmula (9) en ,lugar de la frm u.la (7).
Sealemos las propiedades principales de la varianza:
si e es una va.ria ble no aleatoria, se tiene
O (s + e}= Os, (10)
2
D (et) = c Ds. (11)
18
JI
Flg, a
'f
o
Plg. 6
puesto que
b I>
M~ = J
o
xp(x) dxj) p {x) dx,
a
es fcil ver que se trata del valor medio de ~ pues cualquier
valor de ~ es un nmero x del intervalo (a, b) que aparece
en la integral con el peso p (x) 1 ).
Todo lo expuesto en el punto 2.1, desde la frmula (4)
hasta la f6rmula (1.3) inclusive, sigue siendo vlido tambin
para las variables aleatorias continuas; esto se refiere a la
definicin (7) de la varianza, a la frmula (9) que se emplea
para calcularla y a todas las propiedades de M~ y D ~. La
repiticin huelga.
Mencionemos nicamente otra frmula ms que permite
calcular la esperanza IQatemtica de una funcin de ~
Sea, como antes, p (x) la densidad de probabilidad de la
variable aleatoria ~. Tomemos una funcin co ntinua cual-
quiera f (x) y consideremos la variable aleatoria ri = t rn>.
Se puede demostrar que
b
M/ (~) = Jf
Cl
(x) p (x) dx . (18)
p(x)
o X
Flg. S
1
) fJ os un nmero y no una variable aleatoria. S in
embargo, em pleamos esta lotra griega ya por tradicin.
23
-3
Flg. G
3.
OBTENCIN
DE VARIABLES ALEATORIAS
EN LAS MCE
1
) Resulta lo mismo determinar un valor de. cada
una de las variables t 1 , ~ 2 ., ~N o hallar N valores de la variable ~
ya quo todas estas vatial>les aleatorias son idnticas (tienen la misma
distribucin).
27
1 2
(22)
0,1 0,1
podemos tomar una tras otra ]as cifras de esta t.Ahla.
La mayor tabla de nmeros aleatorios pu blicada hasta el
momento contiene 1. 000 000 de cifras1) . Por supuesto, fue
obtenida empleando, en lugar d el sombrero , una tcnica ms
moderna: u na ruleta electrnica. Un esquema elemental de
esta ruleta aparece en la fig. 7 (el disco giratorio es pa ra-
do en seco y se toma la cifra que sefinla In fle cha).
Es preciso subl'aynr que no es tan f.ci l como parece obte-
ner una tabla buena de nmero~ aleatorios. Todo apara l o
1
) RA N D Corporation, A millon random digi t.s
with 100 000 normal deviates, The Free Press, 1955.
28
Jl'lg. 1
1
) Existen procedim ientos ms _perfeetos.
30
t Montiso t Orden
Signo de man foo Sig no del orden
Flg. 8
4.
TRANSFORMACIONES
DE VARIABLES ALEATORIAS
siguiente
Ffg. 11
con la distribucin
X1 X2 , Xn.)
~= ( Pt Pz Pn
Consideremos el intervalo O< y< 1 dividindolo en n
intervalos de longitudes p 11 p 2 , , . Pn Es evidente que
las coordenadas de los puntos de divisin sern y = p 1 ,
Y ""'P1 + P2 Y =Pi
+ ... + +
+ p.,,,_1 IndiquemosP2con Pat Y = P1 + P2 +
las cifras 1, 2, ... , n los
2 3
o y
Flg. to
(23)
a
o sea, que escogido ya el valor do 'V es preci so revolver la
ecuacin (23) para hallar el valor de S
Para demostrar esta afirmacin consideremos la funcin
X
y= Jp(x)dx.
a
1
Determlriamos 'V
1 1
1 1
l 'V< Pt1
1
s!
no
'
Tomamo1
~=:i-1
Flg. tt
37
o o X
Flg. t i
Es decir,
b'
P {a'<~< b'} = J
(J'
p (x) dx;
Flg. t8
s
Los valores de se pueden sortear de la siguiente manera
1) se escogen dos valores y' y y" de la variable aleatoria y
y se considera el punto aleatorio r (r1', r ") con las coor
denadas
r' =a + y' (b -a) y r" = y"Mo;
2) si el punto l' aparece por debajo de Ja curva y =
== p (x}, tomamos = 11'; si el punto r aparece por encima
de la curva y = p (x), retiramos de la consideracin el
par (y' , 'Y") y escogemos un par nuevo de valores (y', y").
La argumentacin de este mtodo viene en el punto 9.1.
4.4. Sobre el sorteo de variables normales. Existe una
gran variedad de procedimientos que se aplican para sortear
distintas variables aleatorias. No nos detendremos en ello.
Suelen emplearse slo si los mtodos de los puntos 4.2 y 4.3
resultan poco efectivos.
40
Mo' - - - - - -- - -- - --.
o o b X
Flg , 1'
1
} La dernostracin viene cu ol punto 9.2.
41
5.
ANLISI$
DE UN SISTEMA D.E SE.RVlClOS
Ftg. Hi
Mre ch ~ ~ ~ J.l>rech l
i-1
donde cum cJ> Y rech <J> representan los valores de cum
y de rech en _el j-simo experimento.
En la ffg. 16 aparece el esquema sinptico del programa
Cc:>rrespondiente a este clculo (si es necesario, podemos obte-
46
Entrada de datos 1
i= 1
! ! d
inv = ioJ+ 1 1 l= t )
J
~1 jnv < N? 1 ..___ _i,_~__r_h_?_ _ _,1- --
110
l (t 1)nv = Th + toe
J.
Agregamos 1 al contador de Agregamos J al contadnr
pedidos cumpl tdo1 de pedid1>s rechazado1
1--
'
Clculo d e resultados., salida
de resultados. fin del
l'f1t=-+lny ~
problema
[ T1tH""Tk+-r11
1
Flg. 16
I knv=kvrl-1
1
41
6.
ANLISIS
DE LA GALlDAD
Y DE LA SEGURIDAD
DE PIEZAS
~f--~-2_2_K_!2~5_%_2_W~----t~
Jl'lJ. i 1
MU~ ! ~ V,
N N
DU ~ N~t [ ~ (U1)'1.- ~ (~ U1rJ.
jcsJ i -1
Si N toma valores grandes, podemos sustituir el factor
1/(N - 1) de la ltima frmula por 1 / N y entonces dicha
Flg. l8
2 5
P lg. t9
M8 ~ i~ ~ t1,
J-t
donde t J es el valor de t obtenido en el ;-simo experimento.
Cabe subrayar que no es nada' fcil determinar la distri-
bucin del plazo de duracin e<ll) de los elementos; por
ejemplo, para elementos que funcionan d urante largo tiempo
se hace difcil la organizacin del experimento pues habr
que esperar a que falle una cantidad suficiente de estos
elementos.
6.3. Otras posibilidades del mtodo. Los ejemplos expues-
tos permiten ver que la metodologia del anlisis de la cali-
52
2 o 15 24 32 17 19 7 2
2 3 4 6 7 )(
Flg. 20
2,S
(x-11)'&
rJ e --za- dz.
Efectuemos en la integral la sustitucin x - a = at. Tendremos
entonces
f ,, -~
~ <
2
P {2.5 < 5,5J = V 2n J e at,
11
(J> (:r)
2
= l -2n r -2
X
J dt.
0
As encontramos
p {2,5 < {;' < 5,5) .... Q,5 ( (1,88)+a> (1,54)) = 0,91.
54
0.1
o )(
Flg. 1t
7.
ANLISIS DEL PASO
DE NEUTRONES A TRA VES
DE UNA PLACA
h "
Ftf, H
l h X
1
Flg. U
J Entrada de datos )
~
j =1
. 1
l
A11=--Jny
r
.______ _,
- N;v = N'V1+i ~s 1 l
~
no
,r---y-<~Z-c/_l:_
?_ _,
1 fnv < N?
.___(_,[ J no
,.:---~--~~~-
' Cdlculo de p+, p- y p
1Entrado~ de dato1 1
k = O, x 0 -0, o=1. wo = 1
1
i
' = -
""- ~
1 l ny
-Ll-----.,j
__N_ri_v_=_N_t_J_+_w_11~-'-
I z11+1 <O?
'-----.,...,-----'1-~
~ I
1 N~v=N~ 1 +w11 (Zc/I)
~
l/nv < N? _ __11_+_1=_ 2y_ -_ 1_ _,
LJ
no
--
1
knv = kvJ +i
Clculo de p", P- ll P -,
Flg. 25
63
s.
CLCULO
DE LA INTEGRAL DEFJNJDA
l(
Flg. 28
8 9 1 10
y1 jo. B6s/o, 15910. 019jo, 566jo, 1ssjo. 6641 o, 345 1o. 655 Jo, 812 j o. 332
1
o
(8x/n2) clx = y;
i 2 3 4 5 6 7 8 9
11 1 1 1 1 1 1 1
1 10
base de estos valores y los orrorcs absolutos reales 6 0 1\1 que se han
11.
obtenido en los clculos.
Como vemos, Bcal es efectivamente del mismo orden que lipr
APENDICE
9.
DEMOSTRACION
DE ALGUNAS
PROPOSICIONES
O') ~
10
2j
J-1
~
1
n;
rJ =
o o
Ftg. 27
a'
Por consiguiente,
P {x1 < ~
I
< 1
x2} = V n
r
(x2 - a}/(J
J e
xi
-2
dx.
2 (x-a)Ja
.)(
/
/
Flg. 28
n
r
PiJ ('P) = J P (<p, 'i>) d<p = 2n
i
(39)
o
La igualdacl p (<:> , lJl) = p'P (qi) p q, (lj;) demuestra que qi y
lJl son i ndependientes.
I!;s obvio que lj.l est uniformemente d ist ribuida en el
i ntervalo (O, 2n) y, por eso, la frmula para el sorteo de 'IJ> es
w= 2ny. (40)
La f rm ula pnra el sorteo de cp se obtiene de la ecua-
cin (23) :
Ql
; "\sen xdx=y,
~
o
de donde res ulta
cos <r = 1 - 2y. (41)
Las f rmulas (40) y (41) permiten escoger (sortea r) la di-
reccin alea toria. Po r supuesto, los valores de y en estas
frmulas deben ser distintos.
La ltima f6rm ula del punto 7 .1 se obtiene de la frmula
(41) si se toma 1. - y en lugar de v; pero estas variables tienen
la misma d istribuci n.
9.5. Ventaja del mtodo <le anHsis basado en el empleo
de pesos (punto 7. 3). Consi deremos las variables aleatorias
v y v ' iguales a la cantidad (peso) de neutrones de una misma
tra yectoria que atra viesan la placa, con la particula rdad
de que la primera variable corresponde al mtodo del punto
7. 2 y la sogu nda , al mtodo del punto 7. 3.
Segn el contenido fsico del problema tenemos
Mv = Mv' = p.
(Vase Ja demostracin rigurosa de esta afirma cin en el
libro f3].)
73
v= (~. 1 ~p+).
Tomando en cuenta que v 2 = v, es fcil ver que D v =
= p~ - (p ~) 2 Es evidente que l a variable v' puede tomar,
aparte del valor O, un conjunto infinito de valores w0 = 1,
w1 , w 2 , , w,., .. . Por eso, su dist1ibucin es
V
, _ (w w
-
1 w2 w,. . . . )
qo qi q?. q,. q
Los valores concretos de q, como \eremos, no nos harn fa lta.
Cualesquiera que sean podemos representar la varianza en
la forma
00
[J a
1u (x) v (x) j dx J2 ~) u2 (x) dx Jr;2(z)-ik.
a a
Tomando u = g (x)IY p ~ (x) y v = V p ~(a:), optene~s d_e
esta desigualdad - , .
b
[ Jr 1 g
Ji r
(x) / dx ~ J
b
g2(x)
Pt (x)
r
b
.,f g2(i) ' : .
dx J Pdx) dx ~} p(x)4oi,~
b '
a a ti . - a :."
74
Por consgnicnte,
,
01)~ [ ~ dx] 2
\ g (x) 1 - P. (42)
~
a
2
[g (x)/pt(x)1 dx = [
b
J1g(x)1 dx
"
r
de modo que la vuria.n:ta Dri resulta efectivamente igual al
segundo miembro de (42).
Observemos que es prcticamente imposible emplear en el
clculo la densidad ms conveniente& (43): deberamos
b
copocer para ello el valor de la integral J1 g (x) 1 dx; pero el
a
clculo de esta inLegral es, de hecho, un problema equiva-
lente al probJema que tenemos planteado acerca del clculo de
b
la integral Jg (x) dx. Por eso, nos hemos limitado n dar la
a
recomendacin indicada en el punto 8.2.
9. 7. Definicin del error probable (punto 8.4) .. Sea 6 la
variable aleatoria normal definida. en el punto 2.3. Es fcil
calcular que parn r = 0,6750' y cualosquiera a y a se tiene
a+r
J pc;(x)dx=0,5.
a-r
De aqu so deduce que
P {16 - a 1 < r} = P { 1~ - a 1 > r} = 0,5,
o sea, que lns desviaciones mayores que r y las desviaciones
menores que r son igualmente probables. Por oso, la mag-
nitud r se denomina error probable de la variable aleatoria t;.
75
10.
SO BHE LOS NMEROS
SEllDOALEATORIOS
1 . ------------~
y .. F(x)
o )(
.F lg. 29
y
'
-
Y={20x~
-
o )(
Flg. 30
1) Las cifras aleatorias Imitan los valores de Ja variable aleatoria con le d istrlbucln (22) (Yase el punto 3 .1).
~)Los valores normales imitan los valores de la variable aleatoria Mrmal ((aussiena) t con los pnrmetros a ~ o
y O= t.
-
LITERATURA
A.I. Markushvich
Sucesiones recurrentes
l. Natanson
Problemas elementales d e mximo y mlnimo
V. Shervtov
Funciones hiperblicas
I.M. Yaglom
lgebra extrao rdinaria
L...~~~~~~~~~~~~~~~~~~~~~~~~~~~~~--'
Editorial MIR Mosc