Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Simulación de Montecarlo PDF
Simulación de Montecarlo PDF
Introducción a Simulación de
Montecarlo
1
Agenda
• Introducción
• Simulación de Montecarlo (SMC)
• Ejemplos
2
Introducción
¿Qué es Simulación?
3
Introducción
¿Qué es un Modelo?
4
Tipos de Modelos
¿Qué es un Modelo?
5
Pasos en un estudio de Simulación
6
Traducción del Modelo
1. Traducción del
Modelo
Lenguajes de
Lenguajes de
2. propósito
General
Simulación de
propósito
especial
3. Java, C++, VB
Arena, @Risk,
Crystal Ball
7
Simulación de Montecarlo (SMC)
La Simulación de Montecarlo (SMC) es una técnica cuantitativa
que hace uso de muestreos estadísticos para imitar, mediante
modelos matemáticos, el comportamiento aleatorio de
sistemas reales no dinámicos.
8
Simulación de Montecarlo (SMC)
La clave de la SMC consiste en crear un modelo matemático del
sistema, proceso o actividad que se quiere analizar,
identificando:
9
Simulación de Montecarlo (SMC)
- Resultados de la Simulación (Experimento): Analizar el
comportamiento del sistema ante los valores generados. El
objetivo es repetir n veces el experimento obteniendo n
observaciones sobre el comportamiento del sistema. Los
resultados serán más precisos cuanto mayor sea el número n
de experimentos que llevemos a cabo.
10
Simulación de Montecarlo (SMC)
La SMC se puede utilizar de acuerdo a los siguientes algoritmos:
11
Simulación de Montecarlo (SMC)
- Combinación de VA´s por SMC: Cuando el resultado de la
simulación se da por la combinación de las VA´s, se debe
realizar y verificar:
14
Simulación de Montecarlo (SMC)
Las principales características a tener en cuenta para la
implementación o utilización de la SMC son:
15
Ejemplo 1: Simulación de Montecarlo
(SMC)
Se tiene la siguiente distribución de probabilidades para una
demanda aleatoria (diaria) y queremos ver que sucede con el
promedio de la demanda en varias iteraciones:
Frecuencia
Unidades Frecuencia
Acumulada
42 0,1 0,1
45 0,2 0,3
48 0,4 0,7
51 0,2 0,9
54 0,1 1
16
Ejemplo 1: Simulación de Montecarlo
(SMC)
Generando los valores aleatorios vamos a ver como se obtiene el
valor de la demanda para cada día:
Número Valor de la
Iteración
Aleatorio [R] Demanda
1 0,886 51
2 0,021 42
… … …
n 0,225 45
17
Ejemplo 1: Simulación de Montecarlo
(SMC)
Si se aumenta el números de replicas, los resultados obtenidos
son:
18
Ejemplo 2: Simulación de Montecarlo
(SMC)
La compañía Plásticos de Colombia S.A, se dedica a la fabricación de
productos plásticos y telas vinílicas. En la actualidad, están analizando la
posibilidad de lanzar un nuevo producto llamado impermeable plástico (en
colores amarillo y negro). Éste producto puede ser utilizado como protector
solar y/o como recubrimiento para la lluvia por las personas y las industrias.
19
Ejemplo 2: Simulación de Montecarlo
(SMC)
La compañía ha identificado dos modelos de máquinas que se ajustan a las
necesidades actuales de producción de impermeable de color negro y de
color amarillo. La primera alternativa es arrendar la máquina TX-1. Esta
máquina tiene una capacidad de producción de 32.000 metros al mes, y su
costo de leasing es 1’950.000/mes.
20
Ejemplo 2: Simulación de Montecarlo
(SMC)
Para estimar el comportamiento de la demanda del nuevo producto, la
compañía ha recolectado información sobre la demanda esperada por mes
del impermeable plástico negro y la demanda de impermeable amarillo, y ha
encontrado los siguientes resultados respecto al comportamiento de cada
mercado:
• Color amarillo: mínimo 12000 metros, máximo 21000 metros, y valor más
probable 18000 metros.
• Color negro: entre 17000 y 23000 metros.
21
Ejemplo 2: Simulación de Montecarlo
(SMC)
Los costos unitarios asociados con la producción en cada máquina se
presentan a continuación:
22