0 calificaciones0% encontró este documento útil (0 votos)
65 vistas3 páginas
El método de Monte Carlo es una técnica numérica que utiliza secuencias de números aleatorios para calcular probabilidades y otras cantidades relacionadas. Fue inventado por Stanislaw Ulam y John von Neumann a principios de los años 1940 para resolver problemas de difusión de neutrones que eran imposibles de resolver analíticamente. En la actualidad, el método de Monte Carlo se utiliza ampliamente en diseño asistido por ordenador (CAD) para estimar volúmenes de modelos complejos generando puntos aleatorios y contando cuántos caen dentro del modelo.
El método de Monte Carlo es una técnica numérica que utiliza secuencias de números aleatorios para calcular probabilidades y otras cantidades relacionadas. Fue inventado por Stanislaw Ulam y John von Neumann a principios de los años 1940 para resolver problemas de difusión de neutrones que eran imposibles de resolver analíticamente. En la actualidad, el método de Monte Carlo se utiliza ampliamente en diseño asistido por ordenador (CAD) para estimar volúmenes de modelos complejos generando puntos aleatorios y contando cuántos caen dentro del modelo.
El método de Monte Carlo es una técnica numérica que utiliza secuencias de números aleatorios para calcular probabilidades y otras cantidades relacionadas. Fue inventado por Stanislaw Ulam y John von Neumann a principios de los años 1940 para resolver problemas de difusión de neutrones que eran imposibles de resolver analíticamente. En la actualidad, el método de Monte Carlo se utiliza ampliamente en diseño asistido por ordenador (CAD) para estimar volúmenes de modelos complejos generando puntos aleatorios y contando cuántos caen dentro del modelo.
El mtodo de Monte Carlo es una tcnica numrica para calcular probabilidades y
otras cantidades relacionadas, utilizando secuencias de nmeros aleatorios. ORIGEN La invencin del mtodo de Monte Carlo se asigna a StanislawUlam 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 fisin. 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. Despus de cierto escepticismo inicial, von Neumann se entusiasm con la idea y pronto comenz a desarrollar sus posibilidades en un procedimiento sistemtico. Ulam expres 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 principios de 1947 Von Neumann envi una carta a Richtmyer a Los lamos en la que expuso de modo influyente tal vez el primer informe por escrito del mtodo de 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 generacin istropa de neutrones desde una composicin variable de material activo a lo largo del radio de una esfera. Sostena que el problema era adecuado para el ENIAC y estimaba que llevara 5 horas calcular la accin de 100 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. DONDE ENCONTRAMOS SU MAYOR APLICACIN, PARA Q PROCESOS 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, para un prisma, rea de la base multiplicada por la altura), 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, esto 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 eficientes. Como el software s que conoce la expresin analtica de la geometra del modelo (posicin de los nodos, aristas y superficies) 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).
A continuacin, genera un punto aleatorio del interior del volumen conocido, y
registra si el punto "ha cado" dentro o fuera del modelo. Esto 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 el 50% el volumen total, es decir, 0.5 m3. Evidentemente, cuantos ms puntos genere el software, menor ser el error de la estimacin del volumen. Para el caso de una sola variable el procedimiento es la siguiente: Generar una serie de nmeros aleatorios, r1, r2,,rm, uniformemente distribuidos en [0,1] Usar esta secuencia para producir otra secuencia, x1, x2,,xm, distribuida de acuerdo a la pdf en la que estamos interesados. Usar la secuencia de valores x para estimar alguna propiedad de f(x). Los valores de x pueden tratarse como medidas simuladas y a partir de ellos puede estimarse la probabilidad de que los x tomen valores en una cierta regin. Formalmente un clculo MC no es otra cosa que una integracin. En general, para integrales unidimensionales pueden usarse otros mtodos numricos ms optimizados. El mtdo MC es, sin embargo muy til para integraciones multidimensionales Precisin del mtodo de MC Clculo MC = integracin. Precisin 1/n donde n es el nmero de valores aleatorios generados. Comparamos con otros mtodos de integracin numrica: Trapezoidal: Precisin 1/n2 Sin embargo para d dimensiones la precisin del mtodo de MC es independiente de d (siempre 1/n ) mientras que, por ejemplo, la trapezoidal, 1/n2/d En resumen: Para d alta (d > 4 tpicamente) el mtodo MC da la mayor precisin
QUE HERRAMIENTA CONSIDERA EL USO DE MONTECARLO
Paquetes que simulan el modelo en aplicacin deinteraccin de las partculas con la materia.