ı́ndice Método Montecarlo Ubicación de una partı́cula en un intervalo Resolución de áreas aplicando el método Monte Carlo

Método Montecarlo

Fı́sica computacional
Mg. Edwin Llamoca
Escuela profesional de Ing. de Sistemas
Universidad Nacional de San Agustı́n
Arequipa - Perú
ellamocar@unsa.edu.pe

4 de julio de 2020

Fı́sica computacional Mg. Edwin Llamoca Escuela profesional de Ing.

Método
de Sistemas Universidad
Montecarlo Nacional de San Agust
ı́ndice Método Montecarlo Ubicación de una partı́cula en un intervalo Resolución de áreas aplicando el método Monte Carlo

1 Método Montecarlo

2 Ubicación de una partı́cula en un intervalo

3 Resolución de áreas aplicando el método Monte Carlo

4 Ejercicios

Fı́sica computacional Mg. Edwin Llamoca Escuela profesional de Ing.

Método
de Sistemas Universidad
Montecarlo Nacional de San Agust
ı́ndice Método Montecarlo Ubicación de una partı́cula en un intervalo Resolución de áreas aplicando el método Monte Carlo

Método Montecarlo I

En este capı́tulo, estudiaremos las caracterı́sticas mas importantes de los procesos

aleatorios, que probablemente sea parte inherente a nuestra naturaleza. Una técnica
que tiene muchas aplicaciones en dichos procesos aleatorios es el método Monte Carlo.
A continuación haremos una aplicación tı́pica de este método, evaluando integrales
definidas

Fı́sica computacional Mg. Edwin Llamoca Escuela profesional de Ing.

Método
de Sistemas Universidad
Montecarlo Nacional de San Agust
ı́ndice Método Montecarlo Ubicación de una partı́cula en un intervalo Resolución de áreas aplicando el método Monte Carlo

Método Montecarlo I

El principio fundamental del método Monte Carlo se aplica para el caso contı́nuo de la
siguiente manera. Si p(x)dx es la probabilidad de x situado entre x y x + dx en el
intervalo a ≤ x < b donde

Z b
p(ξ)dξ = 1 (1)
a
entonces
Z x
r = P(x) = p(ξ)dξ (2)
a

donde r es un número aleatorio uniformemente distribuı́do entre 0 ≤ r < 1, x esta en

el intervalo a ≤ x < b y la probabilidad P(x) es r .

Fı́sica computacional Mg. Edwin Llamoca Escuela profesional de Ing.

Método
de Sistemas Universidad
Montecarlo Nacional de San Agust
ı́ndice Método Montecarlo Ubicación de una partı́cula en un intervalo Resolución de áreas aplicando el método Monte Carlo

Método Montecarlo I

Como ejemplo consideremos el caso de localizar una partı́cula en el intervalo

a ≤ x < b. Sabemos que
dx
p(x)dx = (3)
b−a
entonces

x x
x −a
Z Z
dx
r = P(x) = p(ξ)dξ = = (4)
a a b−a b−a
Despejando x

x = a + r (b − a) (5)
siendo el lugar donde se localiza la partı́cula.

Fı́sica computacional Mg. Edwin Llamoca Escuela profesional de Ing.

Método
de Sistemas Universidad
Montecarlo Nacional de San Agust
ı́ndice Método Montecarlo Ubicación de una partı́cula en un intervalo Resolución de áreas aplicando el método Monte Carlo

Cálculo de áreas I

Para encontrar el área de una función f (x) dentro de un intervalo [a, b] debemos de
usar números aleatorios uniformemente distribuı́dos entre 0 ≤ r < 1. Para esto,
necesitamos generar dos números aleatorios y fabricar el par ordenado (x, y ) dentro de
los intervalos permisibles para x e y . Luego evaluamos la función f (x) y comparamos
si la ordenada y , esta dentro de la función, es decir, y ≤ f (x). Mediante la variable n
determinaremos, cuantas veces cumple esta condición para diferentes generaciones de
números aleatorios. Entonces la fórmula para determinar la integral es

Z b
n
I = f (x)dx ≈ M(b − a) (6)
a m
donde
n es la cantidad de veces en que se cumple la condición y ≤ f (x)
m es la cantidad de pasos para evaluar la integral
M es el intervalo máximo en el eje vertical

Fı́sica computacional Mg. Edwin Llamoca Escuela profesional de Ing.

Método
de Sistemas Universidad
Montecarlo Nacional de San Agust
ı́ndice Método Montecarlo Ubicación de una partı́cula en un intervalo Resolución de áreas aplicando el método Monte Carlo

Cálculo de áreas I

La ecuación (6) nos dice que con las variables n, m, M, b, a; podemos encontrar el área
como indica la integral. Ahora, podrı́amos preguntarnos ¿cuál es la precisión de
nuestro resultado?. Entonces, debemos de utilizar la desviación estándar para calcular
dicha precisión. Por tanto, debemos de repetir el cálculo de la ecuación (6), la
cantidad de veces que se desee y poder ası́ determinar la desviación estándar mediante
la siguiente fórmula
q P
N xi2 − ( xi )2
rP P
(xi − < x >)2
σ= = (7)
N N
Hagamos un código para encontrar el área de la elipse cuya ecuación es

x2 y2
+ =1
4 9

Fı́sica computacional Mg. Edwin Llamoca Escuela profesional de Ing.

Método
de Sistemas Universidad
Montecarlo Nacional de San Agust
ı́ndice Método Montecarlo Ubicación de una partı́cula en un intervalo Resolución de áreas aplicando el método Monte Carlo

Ejemplo I

Areas por el metodo de MonteCarlo

4

18.8511 +− 0.092627

0
y

−1

−2

−3

−4
−3 −2 −1 0 1 2 3
x

Figura: Área de la elipse por el método Monte Carlo

Fı́sica computacional Mg. Edwin Llamoca Escuela profesional de Ing.

Método
de Sistemas Universidad
Montecarlo Nacional de San Agust
ı́ndice Método Montecarlo Ubicación de una partı́cula en un intervalo Resolución de áreas aplicando el método Monte Carlo

Código I

clear, clf, hold off

m=10000; veces=50;
ax = -2; bx = 2;
ay = -3; by = 3;
sa = 0; saa = 0;
for k=1:veces
n=0;
for i=1:m
r=rand; x = ax + (bx-ax)*r;
r=rand; y = ay + (by-ay)*r;
if (x^2/4+y^2/9) < 1
n=n+1;
px(n)=x; py(n)=y;
end
end
area = n*(by-ay)*(bx-ax)/m;
sa = sa + area;
saa = saa + area^2;
end

Fı́sica computacional Mg. Edwin Llamoca Escuela profesional de Ing.

Método
de Sistemas Universidad
Montecarlo Nacional de San Agust
ı́ndice Método Montecarlo Ubicación de una partı́cula en un intervalo Resolución de áreas aplicando el método Monte Carlo

Código I

prom = sa/veces;
desv = sqrt(veces*saa-sa^2)/veces;
promedio = num2str(prom);
desviacion = num2str(desv);
plot (px,py,’.’),
title(Áreas por el metodo MonteCarlo’) xlabel(’x’);
ylabel(’y’);
axis([-3,3,-4,4])
text(0.5,3.5,promedio);
text(1.5,3.5,’+-’);
text(2,3.5,desviacion);
En el programa existen dos ciclos for. El for interior evalúa la integral generando
20000 números aleatorios de los cuales 10000 números aleatorios para el eje x y los
otros 10000 para el eje y . El for exterior indica el número de veces que se evalúa la
integral. Para lograr el efecto del método, se debe incluir en el for interno decisiones
que cumplan la condición y ≤ f (x).

Fı́sica computacional Mg. Edwin Llamoca Escuela profesional de Ing.

Método
de Sistemas Universidad
Montecarlo Nacional de San Agust
ı́ndice Método Montecarlo Ubicación de una partı́cula en un intervalo Resolución de áreas aplicando el método Monte Carlo

Ejercicios I

1 Evalúe el área de la elipse en el primer cuadrante del programa anterior

2 Evalúe las siguientes integrales

Z 1
a) I = exp(x 2 )dx
0
Z 3p
b) I = x 3 − 1dx
1

3 Calcule el área de la figura limitada por las lı́neas cuyas ecuaciones son

y 2 = 2x + 1 y x −y −1=0

Fı́sica computacional Mg. Edwin Llamoca Escuela profesional de Ing.

Método
de Sistemas Universidad
Montecarlo Nacional de San Agust
ı́ndice Método Montecarlo Ubicación de una partı́cula en un intervalo Resolución de áreas aplicando el método Monte Carlo

Ejercicios II

4 Calcule el área de la figura limitada por las parábolas

√
y = x2 y y= x

5 Encuentre el volumen de un elipsoide

x2 y2 z2
+ 2 + 2 =1
a2 b c
6 Encuentre el volumen del elipsoide en el primer cuadrante del problema 5
7 Evalúe la integral

Z π/2 Z π
sin u cos(v − π)dudv
0 0

Fı́sica computacional Mg. Edwin Llamoca Escuela profesional de Ing.

Método
de Sistemas Universidad
Montecarlo Nacional de San Agust
ı́ndice Método Montecarlo Ubicación de una partı́cula en un intervalo Resolución de áreas aplicando el método Monte Carlo

Ejercicios III

8 Evalúe la integral

2y − 1
ZZ
dxdy en el dominio x = 0, y = 0, 2x−y = 4
2x + 1
D

9 Evalúe la integral
ZZ
x n y n dxdy en el dominio y = x 2, x = y2
D

Fı́sica computacional Mg. Edwin Llamoca Escuela profesional de Ing.

Método
de Sistemas Universidad
Montecarlo Nacional de San Agust