1. Una descripcin breve del problema a tratar.

La simulacin Monte Carlo es una tcnica matemtica computarizada que permite

tener en cuenta el riesgo en anlisis cuantitativos y tomas de decisiones. Esta
tcnica es utilizada por profesionales de campos tan dispares como los de finanzas,
gestin de proyectos, energa, manufacturacin, ingeniera, investigacin y
desarrollo, seguros, petrleo y gas, transporte y medio ambiente.

La simulacin Monte Carlo ofrece a la persona responsable de tomar las decisiones

una serie de posibles resultados, as como la probabilidad de que se produzcan
segn las medidas tomadas. Muestra las posibilidades extremas los resultados de
tomar la medida ms arriesgada y la ms conservadora as como todas las posibles
consecuencias de las decisiones intermedias.

Los cientficos que trabajaron con la bomba atmica utilizaron esta tcnica por
primera; y le dieron el nombre de Monte Carlo, la ciudad turstica de Mnaco
conocida por sus casinos. Desde su introduccin durante la Segunda Guerra
Mundial, la simulacin Monte Carlo se ha utilizado para modelar diferentes sistemas
fsicos y conceptuales.

2. Los supuestos utilizados para las variables aleatorias.

Una variable aleatoria es una funcin que asigna un nmero real, y slo uno, a
cada uno de los resultados de un experimento aleatorio. Las variables aleatorias
se representan por letras maysculas de nuestro alfabeto latino y utilizaremos las
minsculas con subndices, para los valores concretos de las variables.
Las variables aleatorias pueden ser discretas o continuas. Discreta cuando la
variable slo puede tomar un conjunto infinito y numerable de valores (los
nmeros naturales) o finito de valores (nmero de sucesos). Y continua cuando
puede tomar infinitos valores o un conjunto de valores no numerable.

3. Los escenarios considerados y su efecto en las distribuciones

o los parmetros.
Es claro que con la simulacin se obtiene mucha mayor informacin. As, por
ejemplo, aunque los escenarios pesimista y optimista son posibles, puede suceder
que en una corrida de 1 000 simulaciones, estos sean poco probables. Por otra
parte, si por ejemplo se tiene una probabilidad de prdida de 0,071, la cual puede
ser aceptable para la administracin, dado que se tiene una probabilidad de que la
utilidad sea beneficiosa. De lo contrario, PcSA puede realizar nuevas
investigaciones de mercado antes de decidir la introduccin del producto. En
cualquier caso, los resultados de la simulacin deben ser una ayuda para llegar a
una decisin apropiada.
4. Una conclusin (positiva o negativa) acerca de los resultados
presentados en el artculo.

El anlisis del riesgo forma parte de todas las decisiones que tomamos. Nos
enfrentamos continuamente a la incertidumbre, la ambigedad y la variabilidad. Y
aunque tenemos un acceso a la informacin sin precedentes, no podemos predecir
con precisin el futuro. La simulacin Montecarlo permite ver todos los resultados
posibles de las decisiones que tomamos y evaluar el impacto del riesgo, lo cual nos
permite tomar mejores decisiones en condiciones de incertidumbre.