Taller 1

H. Torres 1 , J.Cardona2
Universidad del Atlántico
Departamento de Física
1 Estudiante del programa de Física, Universidad del Atlántico, Barranquilla-Colombia

2 Doctor en ciencias físicas. Docente del programa de Física, Universidad del Atlántico, Barranquilla-Colombia

Resumen

Con el fin de mejorar la solución numérica correspondientes al calculo de integral se desarrollan métodos basados en la
variable aleatoria entre los cuales podemos destacar von Neumann, reducción de varianza, Montecarlo en el promedio, mul-
tidimensional, etc. Los cuales son derivados del método Montecarlo el cual fue utilizado por primera vez en la investigación
del proyecto manhattan en el laboratorio de los Álamos E.E.U.U. durante el desarrollo de las diferentes técnicas tratadas en
este taller se utilizan los números aleatorios y arreglos de estos mismo números con el fin de calcular integrales y áreas bajo la
curva.
1. INTRODUCCIÓN ladando esta idea a la circunferencia acotada por el cuadra-
do, y sabiendo que la circunferencia es de r = 1, esto implica
durante el capítulo se desarrolla el método de Monte Car- que la longitud de los lados de la caja es de l = 2 de esta ma-
lo, el cual es una técnica numérica estadística, utilizando nera conocemos el área del cuadrado la cual es A = 4 con es-
secuencias de números aleatorios, normalmente un cálcu- to definido podemos avanzar avanzar y generar un arreglo
lo MC no es otra cosa que una integración, para integrales de números aleatorios en el intervalo de (−1, 1), generan-
unidimensionales pueden usarse otros métodos numéricos do una sumatoria mediante el condicional for y empleando
más optimizados. El método MC es, sin embargo, muy útil x e y como variables que toman cada uno un número del
para integraciones multidimensionales, El método se llamó arreglo definido anteriormente, con el fin de dar unas or-
así en referencia al Casino de Montecarlo (Mónaco), histó- denes que condiciones las operaciones que se desean para
ricamente este método se usó como herramienta de inves- el problema se utiliza el condicional if en este condicional
tigación en el proyecto manhattan en el laboratorio de los le ordenaremos que si (x 2 + y 2 ) < 1 sume este valor a los
Álamos E.E.U.U; Este trabajo conllevaba la simulación de puntos que caen dentro de la circunferencia, mientras que
problemas probabilísticos de hidrodinámica concernientes si (x 2 + y 2 ) > 1 los tome como valores que caen fuera de la
a la difusión de neutrones en el material de fisión. Esta difu- circunferencia y dentro de la caja, de la siguiente relación:
sión posee un comportamiento eminentemente aleatorio.
En la actualidad es parte fundamental de los algoritmos de
raytracing para la generación de imágenes 3D. No Ao
=
este método proporciona soluciones aproximadas a una No + N c Ac
gran cantidad de problemas matemáticos facilitando la ex-
perimentación con muestreo de números pseudoaleatorios donde:
en una computadora, el cual puede aplicarse a problemas donde:
tanto determinista como no determinista. No: es el número de puntos dentro de la circunferencia.
Nc: son los números que están fuera de la circunferencia,
2. MONTE CARLO INTEGRATION pero dentro del cuadrado.
Ao: el área de la circunferencia.
2.1. PROBLEM: MONTE CARLO INTEGRATION BY Ac: representa el área del cuadrado.
STONE THROWING

En este punto se calculara el área de una circunferencia de la relación anterior se despeja el Ao.
de radio 1, utilizando el método Montecarlo para esto se
desarrollara un código de esta técnica , que utiliza los nú- No Ac
meros aleatorios y una caja que acota la circunferencia, me- Ao = (1)
No + N c
diante unos sesillos y lógicos pasos se le ordena a la compu-
tadora lo que se desea hacer, para esto se toma como ejem-
plo la analogía del libro de tirar piedras al azar a un pozo al- de esta manera se puede calcular el ara de una circunferen-
gunas caerán dentro del pozo otras caerán fuera de el, tras- cia de r = 1.

1
2.2. HIGH-DIMENSIONAL INTEGRATION
2.2.1. IMPLEMENTATION: 10-D MONTE CARLO INTE-
GRATION

La técnica de Montecarlo multidimensional consiste en

generar vectores aleatorios en este caso específico estos
vectores serán de D − 10 , de modo que cuando estos vecto-
res sean evaluados por el código nos generen un valor cer-
cano al valor de la integral, debemos tener en cuenta que
en la integración pedida los intervalos de integración (b −a)
son los mismo para cada vector.
En la figura 1 se muestra el código que se utilizó en esta
Figura 2: error vs p1
técnica de integración N

2.3. VARIANCE REDUCTION (METHOD)

En esta técnica lo que se hace es comparar dos funciones

parecidas en un intervalo dado que al integrar la función
más sencilla encontremos un valor de peso "J"que se le su-
Rb
mara a la integral, a d x[ f (x) − g (x)] + j realizando esto en
un intervalo en el cual las funciones sean casi iguales ob-
tendrá un valor de la integral de f.

Figura 1: MULTIDIMENSIONAL

Donde se puede observar que se generan unos valores

aleatorios los cuales se introducen a un arreglo y de esta
manera producir vectores aleatorios, con los cuales gene-
raremos una sumatoria de cada una de sus componentes y
elevándola al cuadrado (x i )2 la cual multiplicaremos por el
intervalo de integración (b − a) como se mención anterior-
mente estos intervalos son los mismos para las 10 integrales
tendremos que elevar este intervalo a la 10 (b − a)2 y multi-
plicarlo por el valor de la sumatoria de las componentes de
los vectores aleatorios:
Donde i=1,2,3,4,5,6,7,8,9,10.
Figura 3: funciones a integrar
Z b 10
1
X
f (x i ) · d x = (b − a) 0 xi (2)
a i =1 2 4
Las funciones escogidas son f = cos(x) , y = 1 − x2! + x4!
acotando el intervalo de la integral (−1  5, 1  5) se obtendrá
2.2.2. MONTECARLO SOBRE EL PROMEDIO. un valor de la integral de la curva de f, con pocos puntos de
calculo.
Cuando calculamos el promedio de esta técnica se ob-
serva que es mucho más precisa y exacta para esto se utiliza
el código anterior y se divide entre N, donde (N = 16), este
método de integración de Montecarlo es sobre el promedio. 2.4. VON NEUMANN REJECTION (METHOD)

La integración mediante Von Neumann consiste en ge-

2.2.3. GRAFICAR ERROR VS p1 . nerar puntos aleatorios que después se le serán asignados
N
valores en la gráfica de una función acotada por una caja,
Al graficar el arreglo del error conta el arreglo de p1 , don- al igual que con la de la circunferencia se seguirá el mismo
N
de (N = 2, 4, 8, . . . . . . ., 8192) se obtiene: proceso lógico puesto que no se cambia mucho del modelo
En la cual observamos una tendencia a una línea recta. original .

2
2.5. IMPORTANCE SAMPLING (METHOD)
Esta variante de la técnica de integración de Montecarlo
se llama muestreo de importancia y nos permite muestrear
el integrando en las regiones más importantes, en terminos
simples:
Z b f (x)
d xw(x) (3)
a w(x)

3. CONCLUSION
A través de las diferentes técnicas de integración de
Montecarlo se pueden realizar integrales unidimensiona-
les, multidimensionales, reduciendo intervalos entre otros
pero cuando se intenta utilizar una de estas técnicas espe-
cificas o otro tipo de problema se puede observar un gran
error al valor esperado de la integral, lo cual implica que pa-
ra cada problema debemos utilizar un método especifico de
la técnica de Montecarlo.

Referencias
[ 1 ] Computational Physics Problem Solving with Com-
puters,3rd Edition,Landau, Paez, Bordeianu.