Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El método Monte Carlo permite encontrar soluciones aproximadas a una variedad de problemas matemáticos
a través de la realización de experimentos de muestreo estadístico en una computadora. De manera un tanto
sorprendente a primera vista, el método es aplicable a problemas que no tienen absolutamente ningún
contenido probabilístico, tanto como a otros cuya estructura es inherentemente estocástica.
El método de Monte Carlo es una técnica numérica para calcular probabilidades y otras cantidades
relacionadas utilizando secuencias de números aleatorios. La importancia actual del método Monte Carlo
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 probabilístico artificial.
La aparición de los métodos de Monte Carlo está basado en desarrollos matemáticos distintos, pero
relacionados:
1. El desarrollo de las probabilidades a partir del siglo XVII. A partir del estudio de los juegos de azar, el
desarrollo de la noción de variable aleatoria y de secuencia de resultados sucesivos del juego como una
secuencia de eventos aleatorios. Posteriormente (S. XIX y XX) el reconocimiento de que la esperanza de una
función de variables aleatorias continuas se expresa como una integral llevó a entender que es posible sortear
de manera aleatoria números, transformarlos de acuerdo a las reglas prescritas, y de esta forma obtener una
solución aproximada al cálculo de una integral en un problema que no tiene ningún contenido probabilístico
(como por ejemplo el cálculo aproximado de π).
2. A fines del S. XIX, el estudio de caminatas aleatorias (random walks) permitió conectar las mismas con la
solución de ecuaciones diferenciales y ecuaciones integro-diferenciales. En ese momento, la aplicación
discutida fue la solución analítica de dichas ecuaciones como forma de obtener soluciones (exactas o
aproximadas) a los problemas planteados en términos de las caminatas aleatorias.
3. En el S. XX, y particularmente vinculado al desarrollo de la energía atómica en la segunda mitad del siglo,
apareció la necesidad de resolver ecuaciones diferenciales e integrales parciales en espacios de dimensiones
muy altas, que escapaba a las herramientas numéricas existentes. La propuesta que surgió fue el revertir el
razonamiento previo, y en lugar de emplear la solución de las ecuaciones diferenciales como aproximación
de un sistema estocástico, desarrollar modelos de caminatas aleatorias de las ecuaciones a resolver, y emplear
una computadora para realizar muestras repetidas del modelo aleatorio y de esta forma obtener soluciones
aproximadas al problema original. Esta propuesta fue la que recibió el nombre de Método de Monte Carlo, y
está en la base del desarrollo posterior de la temática.
4. Un cuarto elemento, que apareció posteriormente, fue el desarrollo de la teoría de complejidad
(computacional) a partir de los años 1970. Esta teoría dio una base sólida para identificar clases de problemas
donde el cálculo exacto (o aproximado) insumía tiempos que crecían de manera exponencial; en algunos de
estos, la propia teoría ha servido para demostrar que empleando Monte Carlo es posible en tiempos
polinomiales encontrar resultados dentro de los errores de aproximación deseados.
Algoritmo
El algoritmo de Simulación Monte Carlo Crudo o Puro está fundamentado en la generación de números alea
torios por el método de Transformación Inversa, el cual se basa en las distribuciones acumuladas de
frecuencias:
Determinar la/s Variable Aleatoria y sus distribuciones acumuladas (F)
Iterar tantas veces como muestras necesitamos
Generar un número aleatorio Uniforme ( 0,1).
Determinar el valor de la V.A. para el número aleatorio generado de acuerdo a las clases que tengamos.
Calcular media, desviación estándar error y realizar el histograma.
Analizar resultados para distintos tamaños de muestra.
Números pseudoaleatorios
Métodos de generación de números pseudoaleatorios.
Un número pseudoaleatorio es un número generado en un proceso que parece producir números al azar, pero
no lo hace realmente. Las secuencias de números pseudoaleatorios no muestran ningún patrón o regularidad
aparente desde un punto de vista estadístico, a pesar de haber sido generadas por un algoritmo
completamente determinista, en el que las mismas condiciones iníciales producen siempre el mismo
resultado. Los mecanismos de generación de números aleatorios que se utilizan en la mayoría de los sistemas
informáticos son en realidad procesos pseudoaleatorios. Una de las utilidades principales de los números
pseudoaleatorios se lleva a cabo en el llamado método de Monte Carlo, con múltiples utilidades, por ejemplo
para hallar áreas, volúmenes encerradas en una gráfica y cuyas integrales son muy difíciles de hallar o
irresolubles; mediante la generación de puntos basados en estos números, podemos hacer una buena
aproximación de la superficie, volumen total, encerrándolo en un cuadrado, cubo , aunque no lo
suficientemente buena. Asimismo, también destacan en el campo de la Criptografía. Por ello se sigue
investigando en la generación de dichos números, empleando por ejemplo medidores de ruido blanco o
analizadores atmosféricos, ya que experimentalmente se ha comprobado que tienen una aleatoreidad bastante
alta.
MÉTODOS PARA GENERAR NÚMEROS PSEUDOALEATORIOS.
1. Métodos Manuales: son los métodos más simples y lentos, ejemplo de estos métodos son lanzamientos de
monedas, dados, cartas y ruletas. Los números producidos por estos métodos cumplen las condiciones
estadísticas mencionadas anteriormente, pero es imposible reproducir una secuencia generadas por estos
métodos.
2. Tablas de números aleatorios: estos números se pueden generar por medio de una hoja de cálculo o por
cualquier generador de cualquier lenguaje de programación razón por la cual su comportamiento es
totalmente determinístico.
3. Mediante el computador digital: existen tres métodos para producir números aleatorios mediante un
computador:
Provisión externa.
Generación interna a través de un proceso físico aleatorio.
Generación por medio de una regla de recurrencia.