Introducción

La invención del método de Monte Carlo se asigna a Stan Ulam y a John Von
Neumann. Ulam ha explicado cómo se le ocurrió la idea mientras jugaba un
solitario durante una enfermedad en 1946. El método de Monte Carlo es un
método no determinístico o estadístico numérico usado para aproximar
expresiones matemáticas complejas y costosas de evaluar con exactitud. El
método se llamó así en referencia al Casino de Montecarlo (Principado de
Mónaco) por ser ³la capital del juego de azar´, al ser la ruleta un generador simple
de números aleatorios. El uso de los métodos de Monte Carlo como herramienta
de investigación, proviene del trabajo realizado en el desarrollo de la bomba
atómica durante la segunda guerra mundial en el Laboratorio Nacional de Los
Álamos en EUA.

Método de Montecarlo

El método Montecarlo es un método numérico que permite resolver problemas

físicos y matemáticos mediante la simulación de variables aleatorias. Lo vamos
a considerar desde un punto de vista didáctico para resolver un problema del
que conocemos tanto su solución analítica como numérica. El método
Montecarlo fue bautizado así por su clara analogía con los juegos de ruleta de
los casinos, el más célebre de los cuales es el de Montecarlo, casino cuya
construcción fue propuesta en 1856 por el príncipe Carlos III de Mónaco, siendo
inaugurado en 1861.

La importancia actual del método Montecarlo se basa en la existencia de

problemas que tienen difícil solución por métodos exclusivamente analíticos o
numéricos, pero que dependen de factores aleatorios o se pueden asociar a un
modelo probabilística artificial (resolución de integrales de muchas variables,
minimización de funciones, etc.).
Descripción del método de Montecarlo

Existen 5 pasos ideales a seguir para el método.

1. Establecer distribuciones de probabilidad. La idea inicial es la generación de

valores para las variables que componen el modelo a efectuar. Existen una gran
variabilidad de ejemplos donde se llega anotar este punto, algunos de ellos son:
el tiempo de descompostura de una máquina, la demanda de un inventario sobre
una base diaria o semanal, el tiempo deservicio, etc. Y una manera fácil de
establecer una distribución de probabilidad de una variable es a través de
examen histórico. La frecuencia relativa para cada resultado de una variable se
encuentra al dividir la frecuencia de la observación entre el número total de
observaciones.

2. Construir una distribución de probabilidad acumulada para cada variable. Aquí

se tiene que convertir una distribución de probabilidad regular a una distribución
de probabilidad acumulada. Esto quiere decir que la probabilidad acumulada
para cada nivel de demanda no es más que la suma del número en la columna
de la probabilidad agregada a la probabilidad acumulada anterior.

3. Establecer intervalos de números aleatorios. En este paso se debe asignar un

conjunto de q represente a cada valor posible. Estos están establecidos como
intervalos de números aleatorios que surgieron un proceso aleatorio (tomando el
número de dígitos requeridos).

4. Generación de números aleatorios. Estos números se pueden generar de dos

maneras: la primera es, si se tiene un problema grande y el proceso involucra
miles de ensayos, lo conveniente es utilizar algún software especializado para
generarlos; la segunda, si la simulación se tiene que hacer a mano, los números
se pueden seleccionar en una tabla establecida de números aleatorizados.
Existe una tabla para esta última manera.

En esta tabla los números aleatorios se leen de arriba hacia abajo, comenzando
por la esquina superior izquierda.

5. Simular el experimento. No es más q poner en práctica la simulación de dicho

experimento, mediante varios ensayos para poder concluir correctamente, ya
que al hacer pocos ensayos podríamos comer errores que perjudicarían el
experimento o en el peor de los casos echarlo a perder.
Ejemplo

Se desea conocer la demanda diaria de una empresa de Transporte, donde

elaboran emparedados. Por medio de la distribución de probabilidad del método
de Montecarlo, en un periodo de 30 días.

Aplicando los pasos en la tabla. El primer paso en identificar la demanda que

recibe por días. El siguiente paso es construir otra columna con la sumatoria
consecutiva de cada ocurrencia de los valores.

En esta tabla se hace presente el paso 3, que trata de colocar los intervalos de
los números aleatorios, simplemente se colocan los números empezando por el
01hasta el valor de la probabilidad acumulada. Y después se sigue con el otro
valor comenzando por número en el que se quedó. Una manera simple de ver la
simulación es mediante esta simplificación del ejemplo en un periodo de 10 días.
Por último se emplean los pasos 4 y 5 en la tabla que continua se busca un
número aleatorio en la tabla 1 expuesta en el paso 4. Después se compara el
número aleatorio obtenido con el intervalo de la tabla 3, a verificar en que
intervalo cae se colocara el valor de la demanda en la tercer columna.

Por último se saca la demanda esperada que se demuestra por la siguiente

fórmula:

La demanda esperada en las mayorías de sus ensayos será similar a la demanda

promedio.
Conclusión

 El método de Montecarlo fue creado por investigadores estadounidenses

para resolver problemas físicos y químicos en la realización de la bomba
atómica para la cual se empleó durante la Segunda Guerra Mundial.
Después de esto el modelo fue empleado para la resolución de múltiples
problemas matemáticos con exitosos resultados.
 Este método es aplicable para cualquier tipo de problema ya sea
determinístico o estocástico.
 Se emplea en problemas complejos que solamente se pueden resolver
por programas de computadora, así como problemas simples que se
resolverán a mano sin tanta dificultad.

Bibliografía
Scrib. (12 de abril de 2010). https://es.scribd.com. Obtenido de
https://es.scribd.com/doc/30146029/Metodo-de-Monte-Carlo