Está en la página 1de 3

METODO MONTECARLO

El mtodo de Monte Carlo es una tcnica numrica para calcular probabilidades y otras
cantidades relacionadas, utilizando secuencias de nmeros aleatorios. 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 Generacin de nmeros aleatorios Son necesarios
para proporcionar la secuencia aleatoria inicial (uniformemente distribuida entre 0 y 1).
Existen numerosos algoritmos de generacin de nmeros (pseudo) aleatorios. En
particular, las diferentes variantes de RANLUX, disponibles en todas las bibliotecas
matemticas modernas (CERN, GSL, etc.) Un ejemplo sencillo es el algoritmo MLCG
(multiplicative linear congruential generator) ni+1 = (ani)mod m, ni = entero a =
multiplicador m= mdulo n0 semilla a=3, m=7, n0 = 1 ni+1 = (3ni)mod 7 n0 = 1 n1 =
(31)mod 7 = 3 n2 = (3 3)mod 7 = 2 n3 = (3 2)mod 7 = 6 n4 = (3 6)mod 7 = 4 n5 = (3
4)mod 7 = 5 n6 = (3 5)mod 7 = 1 La secuencia se repite! n1,n2siguen una secuencia
peridica en el rango [1,m-1]. En general se escoge a y m para obtener un periodo largo:
Por ejemplo en una mquina de 32 bits, m=2147483399, a=40692 proporcionan buenos
resultados y el mximo periodo. Para obtener valores uniformemente distribuidos entre 0
y 1 usamos la transformacin: ri = ni mi La secuencia n1,n2 no es aleatoria, sino por el
contrario determinista (y reproducible!) pero para todos los efectos puede considerarse
como una secuencia de nmeros aleatorios.
Cmo realizamos el mtodo de Montecarlo?

Debido al tamao y complejidad de los proyectos que justifican el uso de este


anlisis, en los pequeos no se usa, este se realiza mediante computador, siendo
totalmente inviable hacerlo a mano. De todas formas es recomendable entender el
mtodo de clculo que hay detrs de estos programas de simulacin.

En cualquier proyecto hay dos elementos que tienen un comportamiento no


determinista:

Las tareas. Las cuales tienen un valor medio y una variabilidad de acuerdo a una
distribucin estadstica, que permite relacionar un determinado valor de plazo o coste a
un porcentaje de representatividad.

Los riesgos; sujetos a una probabilidad de ocurrencia y a un impacto. Si tenemos un


riesgo con una probabilidad de ocurrencia del 15%, y un impacto de 1000 y 1 da,
diremos que el 15% de las veces que se ejecute el proyecto, este va a durar un da ms y
costar 1000 ms, el 85% de las veces restantes no.

Teniendo definidas las distribuciones estadsticas de todas las tareas y riesgos, es


posible calcular un valor determinado para cada tarea o riesgo mediante la
generacin de mltiples nmeros aleatorios de 0 a 100, asemejando el nmero
aleatorio al porcentaje de representatividad del valor de la tarea, o a la
probabilidad de ocurrencia del riesgo. Al final, esto permite calcular una duracin o
coste total del proyecto para cada valor aleatorio.
Si repetimos este clculo un nmero suficientemente alto de veces (sobre 1000
puede ser correcto), podemos obtener varios valores de plazo y coste para el
proyecto; los cuales pueden representarse en un grfico de Pareto mostrando el
nmero de veces que ha aparecido en el anlisis un determinado valor de plazo o
coste. A partir de este grfico podemos acabar calculado la distribucin estadstica
que sigue el proyecto en su conjunto, y por tanto determinar el porcentaje de las
veces que este va a cumplir una determinada restriccin.

A partir de aqu, el criterio para determinar si una planificacin es factible, es mirar


si el porcentaje de veces que se cumple la restriccin es superior o inferior al
margen de confianza definido por la organizacin. Si es inferior significa que la
planificacin no es factible, y que por tanto deberemos modificar esta hasta
conseguir que lo sea, o acabar determinando que el proyecto no es posible con las
restricciones impuestas.

Software de simulacin

Actualmente existen diferentes programas comerciales que permiten aplicar el


mtodo de Montecarlo, bien de forma independiente, o partiendo de la
planificacin realizada en Microsoft Project o Oracle Primavera.

Obviamente lo ms recomendable en proyectos grandes es poder integrar este


anlisis en la herramienta de gestin de proyectos que estemos utilizado, lo que
facilita el trabajo y evita errores al tener de pasar informacin de una plataforma a
otra.