SIMULACION GERENCIAL…

Hola a todos, reciban un afectuoso saludo. En las semanas 5 y 6 abordaremos el tema

relacionado con la aplicación de la simulación de Montecarlo.

El estudiante deberá investigar sobre:

1. Aplicaciones reales de la simulación de Montecarlo.

2. Herramientas computacionales para la solución de modelos de Simulación de Montecarlo
.

Luego de leer y realizar la investigación de diversas fuentes, el estudiante deberá identificar

como se aplica la simulación de Montecarlo en el contexto real, así como su importancia y
ventajas y desventajas. Es claro que las respuestas que se den en el foro deben estar
completamente argumentadas, es decir, justificar el porque considera que es importante la
simulación como medio de solución del problema en cuestión, cuáles son sus ventajas y
desventajas, etc.

La nota del foro es la suma de las participaciones. Cada parámetro tiene un valor de 25 puntos
teniéndose en cuenta para cada una:

1. (25 puntos) Describa con sus propias palabras, cada una de las etapas que conforman la
metodología de simulación en el contexto de la aplicación encontrada.

2. (25 puntos) Para cada una de las etapas que se llevan a cabo al aplicar la metodología de
simulación, identifique una dificultad o reto que usted encontraría como analista, al momento
de aplicar esta metodología en el problema real (solamente plantee la dificultad encontrada
ante sus compañeros de foro, no la resuelva en este punto!).

3. (25 puntos) Proponga una solución al reto o dificultad que haya identificado otro de sus
compañeros de foro.

Mostrar mensaje anterior | Responder

Re: Foro - semana 5 y 6

de INGRID JULIETH RODRIGUEZ SALDA�A - domingo, 15 de enero de 2017, 22:40

Aplicaciones reales de la simulación de Montecarlo: Tomando como referencia las fuentes de

información brindadas dentro del módulo y las investigaciones adicionales con referencia a la
técnica de Simulación Montecarlo la principal aplicación está orientada a permitir llevar a cabo
la valoración de los proyectos de inversión considerando que una o varias de las variables que
se utilizan para la determinación de los flujos netos de caja no son variables ciertas, sino que
pueden tomar varios valores. Esta herramienta permite tener en cuenta para el análisis un
elevado número de escenarios aleatorios, por lo que, se puede decir que hace posible llevar la
técnica del análisis de escenarios al infinito ampliando la perspectiva de los escenarios
posibles para una buena aplicación de esta simulación es muy importante identificar
claramente las variables que se consideran más significativas, así como las relaciones
existentes entre ellas, para explicar la realidad a estudiar mediante la sustitución del universo
real, por un universo teórico utilizando números aleatorios. La aplicación del método de Monte
Carlo para valorar inversiones plantea dos aspectos fundamentales. Otras aplicaciones: • Se
utilizan a menudo en problemas físicos y matemáticos • Se usan también cuando se presentan
estos problemas diferentes optimizaciones, integración numérica y la generación de muestras
a partir de una distribución de probabilidad. • Útiles para los sistemas con muchos grados de
libertad acoplados, tales como fluidos, materiales desordenados, sólidos fuertemente
acoplados, y estructuras celulares simulando. Se utilizan para fenómenos modelo con una
incertidumbre significativa en los insumos, como el cálculo del riesgo en los negocios. • El
modelo de Monte Carlos es un procedimiento bastante práctico para la simulación de
fenómenos con incertidumbre en los insumos y sistemas con un gran número de grados de
libertad acoplados. Las áreas de aplicación incluyen:  Ciencias Físicas-ingeniería  Biología
computacional  Infografía  Estadística aplicada  Diseños visuales  Finanzas y Negocios
 Telecomunicaciones  Matemáticas  Integración  Simulación/Optimización  Problemas
inversos  Matemática Computacional Actualmente la simulación presta un invalorable
servicio en casi todas las áreas posibles, entre las que se destacan: La herramienta de
Simulación Montecarlo, así como tiene grandes beneficios y aplicaciones, a continuación, se
describen algunas de las posibles desventajas: • El desarrollo del modelo puede ser costoso,
laborioso y lento. • Existe la posibilidad de cometer errores. • No se puede conocer el grado de
imprecisión de los resultados. Por lo general el modelo se utiliza para experimentar
situaciones nunca planteadas en el sistema real, por lo tanto, no existe información previa
para estimar el grado de correspondencia entre la respuesta del modelo y la del sistema real. •
No se debe olvidar que la experimentación se lleva a cabo con un modelo y no con el sistema
real; entonces, si el modelo está mal o se cometen errores en su manejo, los resultados
también serán incorrectos. Herramientas computacionales para la solución de modelos de
Simulación de Montecarlo existen varias herramientas computacionales para la solución de la
simulación de Montecarlo:  XLSTAT-Sim: es un software de simulación que le permite crear
modelos con evaluación de riesgo en Microsoft Excel y emplea métodos de simulación como
simulaciones MonteCarlo e hipervínculos para estimar la distribución (incluyendo los intervalos
de confianza) de variables importantes.  Excel.  EGS4, EGSnrc, PENELOPE, NOREC,
MCNP y GEANT4.  MCNP y el GEANT, tienen el respaldo de miles de científicos y
programadores que han trabajado en ellos de forma paralela y sucesiva desde su primera
versión. 1. ¿Por qué la simulación de Montecarlo es una excelente herramienta para modelar
problemas como los analizados?  La simulación Monte Carlo brinda a la persona
responsable de tomar las decisiones una serie de posibles resultados, así como la
probabilidad de que se produzcan según las medidas tomadas. Muestra las posibilidades
extremas, los resultados de tomar la medida más arriesgada y la más conservadora, así como
todas las posibles consecuencias de las decisiones intermedias.  Este método es muy útil
usar para analizar situaciones del mundo real grandes y complejas, permite preguntas de
“¿Qué pasa sí?”  Además de que resuelve problemas que no tienen solución analítica
permite abordar desde problemas sencillos hasta problemas muy complicados pues esta no
interfiere con el mundo real ya que permite experimentar.  El objeto de la investigación es el
objeto en sí mismo, un suceso aleatorio se usa para estudiar el modelo.  El análisis de
escenarios tiene las siguientes limitaciones: o Las combinaciones crecen exponencialmente
cuantas más variables aleatorias haya en juego. o Definir la aleatoriedad de cada variable
como valores con probabilidades discretas ignora la posibilidad que las variables sean de tipo
continuo. o No tiene en cuenta que los valores más probables tienen una probabilidad de
ocurrencia mucho mayor que los extremos. o Montecarlo genera una serie de escenarios
posibles, pero tiene en cuenta todos los valores que una variable puede tomar y pondera cada
escenario. por su probabilidad de ocurrencias.
 Solución

1. Aplicaciones reales de la simulación de Montecarlo.

Esta es una técnica matemática computarizada que nos permite analizar el comportamiento
aleatorio de los sistemas reales o dinámicos y el nivel de riesgo en análisis cuantitativos y toma de
decisiones, mediante modelos matemáticos, aplicando cantidad de hábitos como opción a los
modelos matemáticos exactos o también como único medio de estimar soluciones para problemas
complejos. Este método es aplicado por la mayoría de profesionales de todas las áreas.

Esta simulación se encarga del análisis de riesgo con la creación de modelos de posibles
resultados mediante la sustitución de un rango de valores, para c8alquier factor con incertidumbre.
Los resultados los calcula en varias oportunidades, usando para cada una de ellas un grupo de
valores diferentes de las funciones de probabilidad, dependiendo del número de incertidumbres y
los rangos específicos, pueden realizarse miles y decenas de miles de recálcalos para completar la
una simulación de Montecarlo.

Mediante el uso de distribución de probabilidad las variables pueden generar diferentes

probabilidades de que se produzcan diferentes resultados. Las distribuciones de probabilidad son
muy realistas de describir la incertidumbre en las variables de análisis del riesgo, algunas de las
distribuciones de probabilidad muy comunes son: Normal o Curva de campana, lognormal,
uniform, triangular, PERT, Discrite. Estas son las más representativas.

Ventajas:

 Resultado probabilístico los resultados no solo muestran lo que puede suceder si no que
también lo probable que es uh resultado.

 Resultados gráficos: gracias a los datos que genera la simulación es fácil crear gráficos de
diferentes resultados y las posibilidades de que sucedan. Esto es importante para
presentar los resultados a otras personas interesadas.

 Análisis de sensibilidad: con solo unos pocos resultados, en los análisis deterministas es
más difícil ver la variable que afecta el resultado, en la simulación esto es fácil en el
resultado final.
 Análisis de escenario: en los modelos deterministas resulta complicado modelar diferentes
combinaciones de valores de diferentes valores de entrada, con el fin de ver los efectos de
diferentes simulaciones. Usando la simulación de Montecarlo, los analistas pueden
observar con exactitud los valores que posee cada variable cuando se producen
determinados resultados.
 Desventajas:

 Al momento de correr la cantidad de escenarios que necesitemos y encontrar sus

resultados, las decisiones y conclusiones no serán 100% confiables pues dichos resultados
provienen de variables dependientes del azar.
 En algunas ocasiones hace que los diferentes escenarios que planteamos se vuelvan
extensos, si contamos con variables de contenido numérico extenso.
 Requieren largos periodos de desarrollo y de validación.

Como podemos observar encontramos una gran cantidad de ventajas y desventajas del modelo de
simulación de Montecarlo, aun así es el más utilizado por las compañías y profesionales de todos
los campos, para poder mitigar la incertidumbre, si las compañías y profesionales no contaran con
una herramienta como la simulación de Montecarlo para el desarrollo de sus diversas actividades,
a qué tipo de situaciones y problemas se verían enfrentados?.

2. Herramientas computacionales para la solución de modelos de Simulación

de Montecarlo.
Para este punto encontramos algunas herramientas, tecnológicas que nos ayudan a poner en
práctica la simulación de Montecarlo y a trabajar de la manera más adecuada como son:

 El programa Microsoft Excel con su hoja de cálculo: La potencia de estas hojas está en su
universalidad, en su facilidad de uso, en su capacidad para recalcular valores y, en las
posibilidades que ofrece con respecto al análisis de escenarios.

 El programa "@Risk" de Palisade, o el "Cristal Bowl": que permiten tener en cuenta la

correlación existente entre las variables, y realizar el análisis del riesgo en la valoración de
proyectos de inversión utilizando la simulación de Monte Carlo.

http://www.palisade-lta.com/risk/simulacion_monte_carlo.asp
http://www.expansion.com/diccionario-economico/simulacion-de-monte-carlo.html

https://es.wikipedia.org/wiki/M%C3%A9todo_de_Montecarlo

http://www.uoc.edu/in3/emath/docs/Simulacion_MC.pdf