APLICACIONES DE METODOS NUMÉRICOS

INDICE

Introducción 2
Capítulo I:
APLICACIÓN DE LAS INTEGRALES NUMERICAS EN ESTADISTICA 3
Capítulo II:
MÉTODOS NUMÉRICOS APLICADOS A PROBLEMAS DE LA INGENIERÍA CIVIL 26
Capitulo III:
APLICACIÓN DE METODOS NUMERICOS A LA FISICA 39
Capitulo IV:
APLICACIÓN DE LAS INTEGRACIOES EN EL ANALISIS DE FLUJO EN TUBERIAS 50
Capítulo V:
APLICACIÓN DE METODOS NUMERICOS AL ESTUDIO DEL CRECIMIENTO DEL
CONSUMO DE GAS NATURAL 56
Capítulo VI:
APLICACIÓN DE MÉTODOS NUMÉRICOS EN LA GANADERÍA 69
Capitulo VII:
APLICACIÓN DE METODOS NUMERICOS EN LA ECONOMIA 78
Conclusiones 95
Bibliografía 96
APLICACIONES DE METODOS NUMÉRICOS

INTRODUCCION

Muchos de los fenómenos de la vida real son modelados

matemáticamente con el fin de poder explicarse, sin embargo en la
mayoría de los casos éstos no pueden ser solucionados por medio de algún
método exacto y aunque algunas veces se puede lograr su solución ésta
puede resultar demasiado laboriosa en términos de tiempo y recursos
computacionales. Los métodos numéricos solucionan este tipo de
problema mediante la búsqueda de una solución numérica aproximada y
el cálculo del error asociado, el cual se espera que sea lo suficientemente
pequeño.
Los métodos numéricos son técnicas mediante las cuales es posible formular
problemas de tal forma que sean resueltas con operaciones aritméticas,
Aunque hay muchos tipos de métodos numéricos todos comparten una
característica común, llevan cabo un buen número de tediosos cálculos
aritméticos.

Los métodos numéricos son herramientas muy poderosas para a solución

de problemas. Pueden manejar sistemas de ecuaciones grandes, no
linealidades y geometrías complicadas, comunes en la ingeniería. También
es posible que se utilice software disponible comercialmente que contenga
métodos numéricos. El uso inteligente de estos programas depende del
conocimiento de la teoría básica de estos métodos; además hay muchos
problemas que no pueden plantearse al emplear programas hechos,
conociendo bien los métodos numéricos se puede diseñar programas
propios y así no comprar software costoso.
APLICACIONES DE METODOS NUMÉRICOS

Al mismo tiempo se aprende a conocer y controlar los errores de

aproximación que son inseparables de los cálculos numéricos a gran
escala.

En este presente trabajos se muestra diversas aplicaciones de los métodos

numéricos: en la Estadística, en la Ingeniería Civil, Economía, Ganadería,
etc.
APLICACIONES DE METODOS NUMÉRICOS

APLICACIÓN DE
METODOS
NUMERICOS EN
LA ECONOMIA
APLICACIONES DE METODOS NUMÉRICOS

Cuando nos enfrentamos a situaciones sobre la que no es posible obtener

una información satisfactoria o es muy costosa su investigación, es posible
la operación de diseñar un proceso y una realidad mediante la simulación.
Así, los modelos de simulación pretenden representar una realidad de una
manera simplificada, recogiendo las relaciones o leyes que se consideran
fundamentales y, por consiguiente, determinantes de la realidad a simular.
Matemáticamente, una simulación consiste en operar con un modelo
numérico que representa la estructura de un proceso dinámico a través del
cual se realizan experimentos sobre x número de hipótesis.
El MÉTODO DE MONTE CARLO (propuesto por J.Von Neumann y S. Ulam) es
una técnica de selección de números aleatorios a través de una o más
distribuciones de probabilidad, para utilizarlas en una simulación.
En un Monte Carlo, el muestreo artificial o simulado trata de crear un
universo teórico descrito completamente por una LEY DE PROBABILIDAD
que se supone conocida o adecuada. Posteriormente, de este universo se
obtiene una MUESTRA aleatoria mediante una sucesión de números
aleatorios.

Para obtener una muestra del universo teórico que sea completamente
aleatoria se deben realizar las siguientes fases:
1º Representar la función de distribución de probabilidad F(x) de la variable
o variables del modelo de simulación.
Por ejemplo, si la realidad puede ser explicada por una única variable
como los FC que se comportan según una distribución o LEY RECTANGULAR
O UNIFORME, tendrá la siguiente distribución:
APLICACIONES DE METODOS NUMÉRICOS

2º Elegir los números aleatorios comprendidos entre 0 y 1, mediante una

tabla de números aleatorios. ¿Cuántos? y ¿Cómo?

3º Los números aleatorios se situarán en forma horizontal sobre la función

de distribución de probabilidad.
4º Los valores de FCt (abcisas) que se corresponden a los puntos de corte o
intersección de la curva representativa de F(x), constituyen la muestra
aleatoria.
En este contexto, Hertz (1964 y 1968) incorpora el análisis de riesgo en las
decisiones de inversión de la empresa. Para ello, utiliza el Método de Monte
Carlo para obtener el valor medio más probable y la dispersión de un
proyecto de inversión.
Es importante determinar cuáles serán nuestras variables fundamentales
que nos ayudarán a definir el problema. Hertz considera nueve factores
clasificados en tres categorías:
APLICACIONES DE METODOS NUMÉRICOS

En resumen, lo que el Método Monte Carlo determina son los posibles

valores de estos factores. Posteriormente, con las probabilidades
determinadas, se selecciona al azar un valor específico para cada
variable.
El proceso se repite varias veces para lograr varias combinaciones de
factores seleccionados y de rentabilidades, y con ello obtener una
distribución de frecuencia donde el VAN esperado se pueda determinar así
como su desviación típica.
Ejemplo:
Una empresa se enfrenta a la posibilidad de realizar una inversión cuyo
desembolso es de 15 Mill de €. La duración de la inversión y los diversos flujos
de caja son variables aleatorias que pueden tomar los siguientes valores:

El tipo de actualización o descuento es del 10%. Se pide:

1º Realizar 3 simulaciones del VAN, con y con los siguientes datos:
Para n = 12, 47 y 67 Para FC = 82, 41, 27, 65, 89, 95, 05, 33, 40, 25, 00 y 72.
APLICACIONES DE METODOS NUMÉRICOS

¿Estas variables completamente aleatorias son discretas o continuas? ¿Qué

es una variable aleatoria? ¿Qué es una variable discreta? ¿Qué es una
variable continua?

1º Realizar 3 simulaciones del VAN

Se simulan los años de duración y para cada año un FC. Se obtiene 8 años
de duración máxima.
APLICACIONES DE METODOS NUMÉRICOS

UNA APLICACIÓN DEL MÉTODO

DE MONTE CARLO EN EL ANÁLISIS
DE RIESGO DE LOS PROYECTOS:
SU AUTOMATIZACIÓN A TRAVÉS
DE UNA PLANILLA DE CÁLCULO

1. Automatización del Modelo de Monte Carlo

De forma simplificada, se puede aplicar el Modelo de Monte Carlo en el

Excel de la siguiente forma:

1. Estimar la escala de valores que podría alcanzar cada factor, y la

probabilidad de ocurrencia asociada a cada valor.
2. Elegir, aleatoriamente, uno de los valores de cada factor, y dependiendo
de la combinación seleccionada, computar la tasa de rendimiento
resultante.
3. Repetir el mismo proceso una y otra ves, la cantidad de veces que sea
necesaria, que permita definir y evaluar la probabilidad de ocurrencia de
APLICACIONES DE METODOS NUMÉRICOS

cada posible tasa de rendimiento. Como existen millones de posibles

combinaciones de factores, necesitamos efectuar un número de pruebas
suficientemente grande para que pueda apreciarse la posibilidad de
ocurrencia de las varias tasas de rendimiento. El resultado a que se llegará
será una lista de distintas tasas de rendimiento que podrían lograrse, que
puede variar desde una pérdida (si los factores son adversos) hasta la
ganancia máxima que sea posible lograr conforme con los pronósticos que
se hayan efectuado.
4. Se calcula la tasa media esperada, que es el promedio ponderado de
todas las tasas resultantes de las sucesivas pruebas realizadas, siendo la
base de ponderación la probabilidad de ocurrencia de cada una.
5. También se determina la variabilidad de los valores respecto del
promedio, lo que es importante porque a igualdad de otros factores, la
empresa presumiblemente preferirá los proyectos de menor variabilidad.
Dependiendo de la política de decisión, el proceso lo podremos aplicar a
la tasa interna de retorno o al valor actual neto. Los ejercicios aquí
presentados trabajan en base al valor actual neto.

2. EJERCICIOS

Presentaremos dos ejercicios uno para distribuciones discretas y otro para

distribuciones continuas.
Para distribuciones discretas:
Bastaría colocar la distribución discreta basada en la función de
probabilidad acumulada (entre 0% y 100%), generar un aleatorio (por la
función = aleatorio()) y , por ejemplo, a través de una función de búsqueda
y referencia (buscarv()) identificar el valor correspondiente.
Usando una función de buscar y referencia, como buscarv. del Excel,
podríamos generar aleatorios y así aseguramos la aleatoriedad de las
cantidades obtenidas, y que luego de "n" simulaciones ("n" no debería ser
menor a 1.000) , permitiría calcular el promedio y el riesgo de la distribución.
APLICACIONES DE METODOS NUMÉRICOS

Veamos un ejemplo para distribuciones Discretas y uno para Distribuciones

Continuas.

Distribución Discreta:

Si hacemos mil simulaciones encontraremos que el promedio y el riesgo

tienden a estabilizarse próximos a los valores poblacionales anteriormente
APLICACIONES DE METODOS NUMÉRICOS

calculados. Recuerde que para activar la fórmula aleatorio debe presionar

la tecla F9.

Para realizar una tabla de estas simulaciones se puede realizar una macro;
la cual valla tomando los valores, los lleve a otra hoja (use el pegado
especial para pasar las fórmulas a valores); para esta misma macro debe
usar las posiciones relativas para que se vallan incorporando los registros.
Ploteando el gráfico de los números de simulaciones con los valores del
promedio y el desvío, puede percibirse que próximo a las 200 simulaciones,
los valores se tienden a estabilizar.
APLICACIONES DE METODOS NUMÉRICOS

En nuestro modelo de simulación estocástico, existen varias varialbles

aleatorias intercatuando. Y estas variables, siguen distribuciones de
probabilidad teóricas o empíricas distintas a la distribución uniforme. Por
esta razón, para simular este tipo de variables, es necesario contar con un
generador de números uniformes y una función que a través de un método
específico, transforme estos números en valores de distribución normal.
Existen varios procedimientos para lograr este objetivo, en este trabajo se
adoptó el siguiente procedimiento especial para generar números al azar
que sigan la distribución de probabilidad.

Para cada tipo de distribución continua, se puede montar una función

estocástica; en nuestro caso, una distribución normal puede ser expresado
por:

para expresar la distribución acumulada de la distribución normal en forma

explícita, utilizamos el teorema del límite central, el cual establece que la
APLICACIONES DE METODOS NUMÉRICOS

suma de n variables aleatorias independientes se aproxima a una

distribución normal a medida que n se aproxima a infinito.
Que expresado en forma de teorema sería:
Si x1,x2,.......xn es una secuencia de n variables aleatorias independientes
con E(x)=µi y var (x)= ð2i (ambas finitas) y Y= a1x1+a2x2+.....+anxn, entonces
bajo ciertas condiciones generales:

Tiene una distribución normal estándar a medida que n se aproxima a

infinito. Si las variables que se están sumando son uniformes en el intervalo
(0;1) entonces:

donde R es un número aleatorio.

Tiene una distribución normal estándar. Puesto que la normal estándar de

una variable aleatoria x distribuida normalmente se obtiene como:

Entonces, la simulación de la variable aleatoria x se haría de acuerdo a la

siguiente expresión:
APLICACIONES DE METODOS NUMÉRICOS

Finalmente, utilizando un valor de n=12, la confiabilidad de los valores

simulados es bastante aceptable. Y utilizando un valor de n=12, la última
expresión se simplifica a:

Para hacer esta operación en el Excel, se debe usar la función =aleatorio().

=((((ALEATORIO()+ALEATORIO()+ALEATORIO()+ALEATORIO()+ALEATORIO()+
ALEATORIO()+
ALEATORIO()+ALEATORIO()+ALEATORIO()+ALEATORIO()+ALEATORIO()+ALE
ATORIO())-6)*Desvío + Promedio))

A continuación se presenta un ejemplo de la utilización

del método de Monte Carlo en la planilla de Microsoft
Excel.

Estos son los datos del Ejercicio:

APLICACIONES DE METODOS NUMÉRICOS

Luego se comienza a construir el Modelo.

Para cada tipo de gaseosa se calcula:
El Acumulando de las probabilidades.
El promedio y el riesgo.
Se aplica la función aleatrorio() y buscarv()
Se aplica la función estocástica para determinar la cantidad.
APLICACIONES DE METODOS NUMÉRICOS

Luego y en función de estos valores se procede al cálculo del Valor Actual

Neto, utilizando la función predeterminada del Excel VNA; recuerde que la
inversión inicial correspondiente al momento 0, va leteando a esta función.
APLICACIONES DE METODOS NUMÉRICOS

Una vez que se tiene la estructura para el cálculo del Valor Actual Neto, se
puede realizar una macro que valla acumulando los registros de cada valor
puntual que correspondan al Valor Actual Neto, a medida que se activa la
función aleatoria para cada simulación. Además se puede ir calculando
los valores correspondientes del promedio y del desvío, a fin de poder
estudiar el comportamiento del modelo.
APLICACIONES DE METODOS NUMÉRICOS

Se puede construir el Histograma correspondiente a los valores del Valor

Actual Neto, para ello se recurre a la opción Histograma localizada en el
Análisis del datos, que se encuentra en Herramientas del asistente;
utilizando la función de Análisis de datos.
APLICACIONES DE METODOS NUMÉRICOS

Con los datos de la tabla que se encuentran el promedio y el riesgo del

Valor Actual Neto, se construye el gráfico del Promedio y del desvío
muestral por número de simulaciones.
APLICACIONES DE METODOS NUMÉRICOS

Al construir el Histograma se cuenta con la opción de realizar el gráfico

automáticamente y además adicionar el porcentaje acumulado. El
resultado se muestra en la siguiente imagen.
APLICACIONES DE METODOS NUMÉRICOS

CONCLUSIONES

Como ha podido constatarse, los métodos numéricos y su aplicación

computacional, permite resolver diversos problemas físicos en forma
eficiente.

La cantidad de problemas que se abordan aumenta día a día y la calidad

de los resultados se ajusta más a la realidad. La conjunción de las
matemáticas y los métodos numéricos ha permitido abordar problemas de
muchos intereses tanto para la comunidad científica, como para que la
sociedad se vea beneficiada de la aplicación de simulaciones numéricas.
APLICACIONES DE METODOS NUMÉRICOS

BIBLIOGRAFIA

Durán Herrera, Juan José (1992). “Economía y Dirección

Financiera de la Empresa” Editorial Pirámide

Puértolas, F. y Ruiz, S. (2010). “Análisis de Inversiones. Teoría y

Práctica en Excel” Delta Publicaciones

Nassir Sapag Chain .(2007).”Proyectos de inversión: formulación

y evaluación”

Chapra Steven C & Canele Raymond. Métodos numéricos para

Ingenieros. Tercera Edición. MacGraw- Hill. México. P466-486

REFERENCIA EN INTERNET

http://www.semana.com/documents/Doc-1740_2008916.pdf
http://www.ingenieria.uady.mx/weblioteca/CompApp/aproximacion/poli/
Regresionpolinomial.htm
http://costaricalinda.com/Estadistica/Polino.htm