Instituto Tecnológico de Comitán

TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE COMITÁN

NOMBRE DE LA ACTIVIDAD: PA4_CuadSinoptMC_U2_1

NOMBRE DE LA ASIGNATURA: SIMULACION

CARRERA: INGENIERIA EN SISTEMAS COMPUTACIONALES

4 SEMESTRE
GRUPO: A

NOMBRES DE LOS ESTUDIANTES:

GOMEZ CORDOVA PEDRO RAMON / A20700599
MORALES ARGUELLO ALAN MAURICIO / A20700611
MORALES MONJARAZ ESDRAS NEHEMIAS / A20700610
Mejía Hernández Pavel / A20700252

CATEDRATICO: ING. HUGO ANTONIO OCAMPO ALFARO

COMITÁN DE DOMÍNGUEZ, CHIAPAS,A 04 DE MAYO DE 2022

“Instituto Tecnológico certificado conforme a la NMX-CC-9001-IMNC-2015 ISO

9001:2015
Número de registro: RSGC-928, fecha de inicio: 2015-06-22 y término de la
certificación 2021-06-22”
El Alcance del SGC, es el Proceso Educativo; que comprende desde la inscripción
hasta la entrega del Título y la Cedula Profesional de licenciatura
“Instituto Tecnológico certificado conforme a la NMX-R-025-SCFI-2015 Igualdad
Laboral y No Discriminación”
Av. Instituto Tecnológico Km. 3.5 Colonia Yocnajab, El Rosario C.P. 30000
Comitán, Chiapas. Tels. 963 63 2 25 17, 963 63 2 62 70 e-mail:
dir_comitan@tecnm.mx dir01@tecnm.mx
tecnm.mx | comitan.tecnm.mx
 INTRODUCCION
El método de Monte Carlo es un método estadístico numérico usado para aproximar
expresiones matemáticas complejas y costosas de evaluar con exactitud. El método
se llamó así en referencia al Casino de Montecarlo (Principado de Mónaco) por ser
“la capital del juego de azar”, al ser la ruleta un generador simple de números
aleatorios. El nombre y el desarrollo sistemático de los métodos de Monte Carlo
datan aproximadamente de 1944 y se mejoraron enormemente con el desarrollo de
la computadora. El uso del métodos de Monte Carlo como herramienta de
investigación, como dato proviene del trabajo realizado en el desarrollo de la bomba
atómica durante la segunda guerra mundial en los Álamos. Este trabajo conllevaba
la simulación de problemas probabilísticos de hidrodinámica concernientes a la
difusión de neutrones en el material de fusión, la cual posee un comportamiento
eminentemente aleatorio. Este método en si ya era conocido en estadística, donde
muchos problemas se resuelven utilizando muestras aleatorias.
 DATO ·El método se llamó así en referencia al Casino de Montecarlo (Mónaco) por ser ?la capital del juego de azar?
CURIOSO ·Comenzó a utilizarse en la Segunda Guerra Mundial

*Algoritmo de estructura muy sencilla.

*El error del valor obtenido como regla proporcional.
La variable aleatoria
Propiedades y Variable aleatoria discreta
*El uso de generadores de números aleatorios para muestrear de forma simulada la PROPIEDADES Variable aleatoriacontinúa
características
población de sucesos. Generador de números aleatorios
*Los métodos de Monte Carlo han comenzado a ser prácticos y útiles cuando los
ordenadores han estado disponibles de forma generalizada.

Ofrece resultados gráficos.Gracias a los datos que genera una simulación Monte Carlo, es fácil crear
gráficos de diferentes resultados y las posibilidades de que sucedan.
·Análisis de sensibilidad.En este método resulta más fácil ver qué variables introducidas tienen mayor
VENTAJAS influencia sobre los resultados finales.
El análisis de escenario.Usando la simulación Monte Carlo, los analistas pueden ver exactamente los
valores que tienen cada variable cuando se producen ciertos resultados.
Correlación de variables de entrada.También permite modelar relaciones interdependientes entre
diferentes variables de entrada.

·Si el sistema opera con datos que no se han llegado a actualizar con respecto a la situación actual, puede
que las conclusiones finales que saquemos no sean correctas.
·En muestras poco representativas no tiene sentido aplicarlo, ya que los resultados finales serán tan poco
Inconvenientes fiables como la muestra inicial.
·En casos donde la relación entre variables pueda modificar el resultado final del proyecto o inversión, la
simulación de Montecarlo no nos va a ser de ayuda, ya que no tiene en cuenta la dependencia entre los
datos.

En general, estemétodo de simulaciónse basa en crear modelos de posibles resultados mediante la sustitución
COMO de un rango de valores (una distribución de probabilidad) para cualquier factor con incertidumbre inherente.
FUNCIONA: Después, calcula los resultados una y otra vez, cada vez usando un grupo diferente de valores aleatorios de las
funciones de probabilidad. De esta forma, dependiendo del número de riesgos o incertidumbres y de los rangos
especificados, pueden ser necesarios miles de recálculos para completar la simulación.
Método de
Monte Carlo
El análisis de riesgos con el método Montecarlo consiste en una simulación de diferentes variables para poder
el método analizar y medir cuantitativamente los riesgos que pueden aparecer durante el proyecto. Es una de las formas
Montecarlo más útiles que tiene un equipo dedicado a la dirección de proyectos para poder valorar una inversión
en análisis de Actualmente muchos proyectos fracasan porque solamente basan sus estrategias en suposiciones, sin
riesgos analizar detalladamente los riesgos implícitos en sus actividades. Si se miden y cuantifican las posibles
amenazas, es más fácil evitarlas o mitigar su impacto.

Una de las formas de poder crear
simulaciones con el método Montecarlo es
Software utilizando softwares como Microsfot Project,
de @Risk o Cristal Ball. Estos programas
simulación permiten simular cronogramas de trabajo de
forma totalmente dinámica y poder analizar
los riesgos siguiendo la evolución.
Máster online en Risk Data Analysis
Los procesos de análisis cuantitativo de riesgos
son abordados en profundidad en el Máster en
Gestión de Riesgos y Data Analysis de EALDE
Business School. Se trata de un programa 100%
online, cuyos contenidos están enfocado a la
aplicación real de los conocimientos adquiridos.

1. Configurar el modelo predictivo, identificando la variable dependiente que se debe predecir y las variables
APLICACIONES independientes (también conocidas como variables de entrada, riesgo o predicción) que determinarán la predicción.
2. Especificar las distribuciones de probabilidades de las variables independientes. Utilizar datos históricos y/o el juicio
subjetivo del analista para definir un rango de valores probables y asignar ponderaciones de probabilidad para cada una.
3. Ejecutar simulaciones repetidamente para generar valores aleatorios de las variables independientes. Haga esto hasta
obtener suficientes resultados para crear una muestra representativa del número infinito de combinaciones posibles.

A veces la aplicación del método Monte Carlo se usa para analizar problemas que no tienen un
componente aleatorio explícito; en estos casos un parámetro determinista del problema se expresa
Aplicaciones como una distribución aleatoria y se simula dicha distribución. Un ejemplo sería el famoso problema
de las Agujas de Bufón. La simulación de Monte Carlo también fue creada para resolver integrales
que no se pueden resolver por métodos analíticos, para solucionar estas integrales se usaron
números aleatorios.
 CONCLUSIÓN.

En el trabajo que realizamos con mi equipo que fue relacionado con un método
llamado “Montecarlo”, con dicho método nos pudimos dar cuenta al momento de
investigar que dicho método está relacionado con varias materias o ciencias, entre
estas materias y/o ciencias se encuentran las siguientes: Ingeniería, Infografía,
Estadística aplicada, Finanzas, Negocios, Telecomunicaciones, Integración, etc.

En dichas materias que se mencionaron anteriormente se puede aplicar para

poder darles solución a determinados problemas, pero hay algo interesante y es
que entre varias materias y/o ciencias hay una con la cual se relaciona más que
otras y esa es con las matemáticas.

Ya que en las matemáticas suelen haber ejercicios o problemáticas que

ciertas personas no son capaces de realizar por si solas, pero al usar el método de
Montecarlo, esto se puede facilitar, por medio de una generación de números
aleatorios. Además de lo mencionado, Es muy recomendable de usarla desde una
computadora para poder aplicar el método de Monte Carlo. Éste puede realizar las
cientos o miles de simulaciones necesarias en pocos segundos y con la cantidad de
cifras decimales necesarias.

Otro punto muy importante es escoger al momento de escoger el software,

este debe de ser el “indicado” para realizar la simulación. Los softwares de amplio
uso como Microsoft Excel permiten realizar simulación de Monte Carlo con muchas
ecuaciones distintas, sin embargo, la preparación previa es un proceso engorroso y
simular muchas veces es lento.

Por otro lado, los softwares de uso exclusivo como MCP que se diseñó
para este Trabajo tienen definidas las ecuaciones con las que trabajan, sin
embargo, son rápidos en la preparación previa y en las simulaciones. Existen
también paquetes de software de nivel intermedio, que toman ventajas de los dos
anteriores, aunque
Referencias

Martin, J. (10 de Enero de 2017). Cerem.mx. Recuperado el 03 de Mayo de 2022,

de Cerem.mx: https://www.cerem.mx/blog/cuanto-vale-el-riesgo-el-metodo-
monte-carlo
Nogueras, A. (12 de Mayo de 2021). Ealde.es. Recuperado el 03 de Mayo de 2022,
de Ealde.es: https://www.ealde.es/simulacion-montecarlo-gestion-de-
riesgos-direccion-de-proyectos/
Systec. (24 de Abril de 2020). Recuperado el 03 de Mayo de 2022, de Systec:
https://www.systec.com.mx/post/minimiza-los-riesgos-en-tus-proyectos-con-
el-m%C3%A9todo-monte-
carlo#:~:text=El%20m%C3%A9todo%20Monte%20Carlo%20es,y%20analiz
ando%20la%20informaci%C3%B3n%20recabada