Tecnológico Nacional de México

Instituto Tecnológico de León

Ingeniería en sistemas computacionales

Reporte de actividad estimación de PI mediante métodos

computacionales
Presentado por:
[Juan Carlos López García]
[No. De control: 19240671]

[Jesús Eduardo Preciado González]

[No. De control: 20241184]

[Pamela Chico Arroyo]

[No. De control: 20241238]

[Gael Alejandro Parra Herrera]

[No. De control: 20240913]

[]
[No. De control:]
Profesor:
Víctor Manuel Zamudio Rodríguez
 INTRODUCCION:

El trabajo que realizaremos será de hacer una investigación del

método de Montecarlo de quien lo invento, cuando fue inventado, cuál
fue su aplicación inicial y mencionar 3 aplicaciones del método
Montecarlo en ingeniería entre otras al igual que desarrollaremos un
programa en java que nos permitirá estimar el valor de PI poniendo
ciertos valores que eso nos acercará al valor de PI poco a poco.
Lo primero que haremos será la creación de los códigos ya que con
esto podremos estimar el valor de PI y cuando tengamos listo el
programa lo correremos pero para eso tenemos que agregar una
pregunta que diga cuantos tiros debe de simular, y regresar el valor
estimado de pi y poco a poco acercarnos al valor agregando los datos
que nos piden para que pueda estar correcto el programa estuvimos
investigando en internet para ver como se sacaba una estimación en
PI pero en el lenguaje de java porque nos aparecían varias formas de
comer hacerlo pero en diferentes lenguajes como Python C++ etc.
Pero nos enfocamos más en java y de ahí nos fuimos guiando para
hacerlo y que pudiera ser correcto todo sin que tuviéramos errores al
correr el programa no nos iba a correr entre otras cosas.

Aquí pusimos el valor de 100:

Tiro 1,000:

Tiro 10,000:
Tiro 100,000:

Tiro 1,000,000:

METDO DE MONTECARLO:

A) QUIÈN LO INVENTÒ/CUANDO FUE INVENTADO.

La simulación de Monte Carlo, también conocida como el Método de Monte
Carlo o una simulación de probabilidad múltiple, es una técnica matemática
que se utiliza para estimar los posibles resultados de un evento incierto. El
método de Monte Carlo fue inventado por John von Neumann y Stanislaw
Ulam durante la Segunda Guerra Mundial para mejorar la toma de
decisiones en condiciones de incertidumbre. 

B) CÙAL FUE SU APLICACIÒN ORIGINAL

Para comprender más acerca del método Montecarlo y su aplicación es
indispensable conocer que es la administración de riesgos la teoría
presentada por McConnell (1997) dice:
La administración de riesgos es una parte integral de las buenas prácticas
gerenciales, administración de riesgos es un método lógico y sistemático de
establecer el contexto, identificar, analizar, evaluar, tratar, monitorear y
comunicar los riesgos asociados con una actividad, función o proceso de
una forma que permita a las organizaciones minimizar pérdidas y maximizar
oportunidades
 C) PORQUE SON IMPORTANTES LOS MÈTODOS DE MONTECARLO
En este sentido, la simulación de Monte Carlo permite ver todos los
resultados posibles de las decisiones que tomamos y evaluar el impacto del
riesgo. Este método de simulación, por tanto, es de gran utilidad para la
gerencia de riesgos de cualquier tipo de organización.

D) MENCIONA 3 APLICACIONES DEL MÈTODO MONTECARLO EN

INGNENIERIA
1. Teorema: Sean x1,x2,...,xNx1,x2,...,xN NN variables aleatorias independientes,
idénticamente distribuidas, con función de densidad f(x)f(x). Si gigi son funciones
de xixi, entonces:

G=1N∑i=1Ngi(xi)

es una variable aleatoria que verifica, el valor medio cumple con:

⟨G⟩=1N∑i=1N⟨gi(xi)⟩⟨G⟩=1N∑i=1N⟨gi(xi)⟩
y la varianza resulta:

σ2[G]=1N2∑i=1Nσ2[gi(xi)]σ2[G]=1N2∑i=1Nσ2[gi(xi)]
En particular, cuando todas las g(xi)g(xi) son idénticas, e iguales a g(x)g(x), se
tiene que:
⟨G⟩=⟨g(x)⟩⟨G⟩=⟨g(x)⟩
y también:

σ2[G]=1Nσ2[g(x)]σ2[G]=1Nσ2[g(x)]
Por lo tanto, en virtud de la definición de valor medio (o esperanza matemática)
de g(x)g(x), puede escribirse en la forma:
⟨G⟩=⟨1N∑i=1Ngi(xi)⟩≈∫+∞−∞f(x)g(x)dx=⟨g(x)⟩

2. Eficiencia del método monte Carlo:

Se define la eficiencia del método Monte Carlo (ϵ) como:
ϵ≡σ2T
donde T es el tiempo de cálculo. Como el valor de T está fuertemente relacionado
con el número de puntos usados en la computación, se suele dar también esta
otra definición para la eficiencia:
ϵ≡Nσ2
Y, a partir de ésta, la eficiencia relativa (ϵrel):
ϵrel≡ϵ[N]ϵ[N′]=NN′σ2(σ′)2
Si ϵrel<1ϵrel<1, entonces el método que corresponde a N′,(σ′)2N′,(σ′)2 es “mejor”
que el método con N,σ2N,σ2. Si el número de puntos utilizados es el mismo, la
eficiencia relativa queda reducida al cociente de las varianzas.

3. Cálculo-estimación del número ππ por medio de técnicas Monte Carlo

Uno de los métodos más antiguos utilizados para estimar el valor de ππ es el
método de Buffon, que emplea una serie de líneas paralelas y una vara, cuya
longitud guarda correlación con la separación entre líneas, para ser arrojada y
determinar el ángulo que forma éstas con las líneas, así como la línea que
atraviesa.
El método propuesto a continuación, representa una analogía al método de
Buffon.

Se considera un círculo de radio unidad centrado en el origen. El área del círculo

en el primer cuadrante será π/4π/4. Un modo de resolver este problema usando el
método Monte Carlo con técnica éxito-fracaso, también denominado método de
rechazo, es el siguiente:
1. Generar un par de números aleatorios ζ1ζ1 y
ζ2ζ2 uniformemente distribuidos en [0,1].
2. Determinar un punto en el primer cuadrante, de coordenadas
(x,y)(x,y) a partir de ζ1ζ1 y ζ2ζ2.
3. Determinar la distancia DD del punto (x,y)(x,y) al
origen, D=x2+y2−−−−−−√D=x2+y2.
4. Examinar si la distancia DD es mayor o menor al radio
RR (R=1R=1).
5. Considerar con “éxito” los procesos que den lugar a puntos en el
plano dentro de círculo y como “fracaso” los que estén fuera.

6. Calcular las proporciones de éxito y de fracaso.

REFERENCIAS:
https://www.zonaeconomica.com/metodo-monte-carlo
https://www.ealde.es/metodo-simulacion-monte-carlo/#:~:text=En%20este
%20sentido%2C%20la%20simulaci%C3%B3n,de%20cualquier%20tipo
%20de%20organizaci%C3%B3n
https://es.scribd.com/doc/273315818/La-Importancia-Del-Metodo-de-
Montecarlo