Documentos de Académico
Documentos de Profesional
Documentos de Cultura
de Sistemas e Informática)
Autor:
Alexander Moisés Inche Delgado
Ronald salinas Soria
Frank choque pacheco
Monografía
Simulación Montecarlo
Docente:
Peru-2022
Dedicatoria
Resumen
y su probabilidad de ocurrencia.
ocurrencia de un evento aplicando método para proyecto los estados financieros de ocurrencia de
escenarios deseables o no deseables con el fin de tomar acciones sobre la variable que puede controlar
Aplicando esta simulación monte carlo requiere la identificación de la variable claves que
afectan el resultado a proyectar, así como la distribución de probabilidad que defina el comportamiento
de estas variables. Esta investigación pretende resaltar el uso de la simulación monte carlo como
herramienta poderosa para la gestión estratégicas de sus recursos en el corto plazo, en especial las
variables que afectan el resultado del periodo: ingresos, costos y otros gastos de esa manera es análisis
La simulación monte carlo en ámbito de los negocios como un método que contribuye a la
gestión de los costos para tomar de decisiones y también se presenta los requerimientos de información
de los sistemas de costo y ventajas y las limitaciones de la aplicación de dicha simulación de proyección
Definición
Puedes usar la Simulación de Monte Carlo para generar variables aleatorias con la ayuda de una
técnica matemática. Puedes usar esta técnica para determinar la incertidumbre y modelar el riesgo de un
sistema. Se utilizan entradas y variables aleatorias de acuerdo con la distribución de probabilidad simple,
como log-normal. Esta simulación ayuda a generar la trayectoria y el resultado de un modelo mediante
Este método es razonable cuando se tiene que analizar un sistema complejo o los parámetros de
un modelo incierto. Se puede modelar el riesgo en el sistema con este método. Una Simulación de
Monte Carlo sólo proporcionará una estimación de la incertidumbre del modelo. No se puede considerar
como un análisis final. Sin embargo, con este método, puede generar una aproximación del riesgo y la
incertidumbre del sistema. La mejor parte de esta simulación es que se puede utilizar esta técnica
ampliamente. Por ejemplo, muchos expertos la utilizan en finanzas cuantitativas, inteligencia artificial,
Como surge
comenzó con el desarrollo de la bomba atómica en la Segunda Guerra Mundial en el Laboratorio
Nacional de Los Álamos. Durante el desarrollo de este proyecto, los científicos Von Neumann y Ulam
Alrededor de 1970, los desarrollos teóricos en complejidad computacional comienzan a proveer mayor
precisión y relación para el empleo del método Monte Carlo [1] Actualmente el método Monte Carlo a
veces es usado para analizar problemas que no tienen un componente aleatorio explícito; en estos casos
un parámetro determinista del problema se expresa como una distribución aleatoria y se simula dicha
distribución
¿Cómo funciona la simulación de Monte Carlo?
La Simulación de Monte Carlo no genera un único valor de resultado, sino que produce una
serie de posibles resultados. Por eso es la técnica favorita y fácil para analizar el riesgo de un modelo, el
modelo sustituye a una gama diferente de posibles resultados. En resumen, deriva la distribución de
Esta simulación se ejecuta repetidamente y calcula diferentes valores aleatorios cada vez usando
las funciones de probabilidad. Para completar una simulación, se necesitan miles de recálculos según la
variables. Para el análisis de riesgos, este es el método más sensato y realista a utilizar. Aquí están
algunas de las distribuciones de probabilidad comunes que implica esta simulación: (Data Science
Team, 2020)
Distribución normal
Esta distribución de probabilidad también se llama la curva de campana. Se puede definir la
media y una desviación estándar para describir la variación media. Los valores en el centro y cerca de la
media son posiblemente los resultados. Este método es simétrico, y puedes encontrar el peso medio de
las personas. Además, también puedes determinar fenómenos naturales como los precios de la energía y
distribución no tiene valores por debajo de cero, sino que incluye un potencial positivo ilimitado. Los
ejemplos de esta variable incluyen los precios de las acciones, los valores de las propiedades y las
reservas de petróleo.
Distribución uniforme
Cada valor puede ocurrir con la misma oportunidad. Es necesario definir si las posibilidades son
mínimas o máximas. La distribución se divide uniformemente y contiene resultados como las ventas
Distribución triangular
Puede definir el historial de ventas de una unidad según el nivel de inventario y el tiempo. El
Distribución PERT
Es necesario definir el valor máximo, mínimo y más probable en esta distribución. Por ejemplo,
esta distribución puede definir cuánta duración tendrá una tarea en el modelo de gestión de proyectos.
Distribución discreta
También puede encontrar la probabilidad o un valor específico a partir de los datos que el
usuario define. Puede definir el veredicto como 30% positivo, 20% negativo, 40% de anulación del
ciencia y la tecnología. La siguiente sección describe algunos campos que utilizan esta simulación:
Investigación industrial
Los expertos de los centros de investigación industrial y operativa utilizan este método para
Muchas personas de los departamentos de diseño y control de máquinas y robots confían en esta técnica
para resolver problemas de computación. Esta simulación también proporciona ayuda con problemas de
Economía y Finanzas
Muchos economistas e instituciones financieras utilizan esta técnica de simulación como
componentes, como los precios y las acciones. También pueden estimar el tiempo y la calidad del
producto.
Estadísticas computacionales
Esta simulación ha cambiado la forma en que realizamos el análisis de datos y utilizamos la
información resultante. Para procesar grandes datos, ya no utilizamos los métodos tradicionales para el
análisis estadístico y los modelos. Se puede utilizar la Simulación de Monte Carlo para derivar la
distribución posterior y varias otras cantidades. Además, puedes encontrar diferentes valores complejos
estándar. Supongamos que tomamos las variables de una compañía financiera que involucran tres
columnas: Ingresos, Gastos fijos y variables. Si restas los Ingresos de los Gastos Variables y luego restas
los Gastos Fijos, obtendrás la Ganancia como resultado. Entonces puede asumir las curvas de
de la distribución, el ingreso previsto como la media como C3, y el ingreso por desviación estándar
como C4
Estadísticas de resumen
Cuando se ejecuta la simulación, se pueden recopilar estadísticas de resumen. Puedes usar la
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. Esto es importante para
Análisis de sensibilidad. En este método resulta más fácil ver qué variables introducidas
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. Esto resulta
entre diferentes variables de entrada. Esto es importante para averiguar con precisión la razón real por la
Una buena simulación puede resultar muy complicada, gran número de variables.
No proporciona la decisión a tomar, sino que resuelve el problema mediante aproximación para
Anexos
Ejemplo 1
GRAFICO DE SIMULACION MEDIANTE RISK
Ejemplo 2
GRAFICO DE SIMULACION MEDIANTE RISK
Conclusión
Llegamos a Las conclusiones que deben extraerse por orden de importancia son las siguientes:
Los resultados coherentes y razonables obtenidos confirman que el método de Monte Carlo proporciona
una herramienta eficaz para la estimación de la vulnerabilidad de un dique vertical. Este método
Además, no se observa un cambio brusco en la evolución del nivel de daño global cerca de la altura de
ola de diseño utilizada en los análisis de nivel I y Es fundamental para la evaluación del nivel de daño
global la definición de las tolerancias admisibles para cada uno de los modos de fallo, a prioridad del
Referencias
Data Science Team. (2 de marzo de 2020). Obtenido de Data Science Team.