Escuela Superior Politécnica de Chimborazo

Facultad de Ciencias - Carrera de Matemática

METODO DE MONTE CARLO Y SUS APLICACIONES

JESUS ANTONIO GARCIA CHIRI

RIOBAMBA-ECUADOR AÑO

Director: Dra. Lourdes Zuñiga

Carrera de Matemática, Facultad de Ciencias
Escuela Superior Politécnica de Chimborazo
Contenidos

1 Introducción 3

1.1 Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . 3

2 Objetivos de la Investigación 4

2.1 Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2.2 Objetivos Específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

3 Marco Teórico 4

3.1 Método de Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . 4

3.1.1 Números Aleatorios . . . . . . . . . . . . . . . . . . . . . . . 5

3.1.2 Técnicas para la generación de Números Aleatorios . . . . . 5

4 Metodología 6

4.1 Tipo de Investigación . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

5 Cronograma de actividades 7

Bibliografía 7
1 Introducción
La importancia de evaluar la incertidumbre y los riesgos en inversiones ya sea
en economía o ingeniería ha llevado al uso de métodos matemáticos que
permiten hacer simulaciones, para predecir tendencias, lo cual es importante
en la toma de decisiones. Uno de los métodos más utilizados para realizar
estas simulaciones es el método de Monte Carlo.

Con el uso idóneo de programas de cómputo e información pueden realizarse

cálculos y simulación de modelos reales, para estudiarlos y resolver
problemas teóricos o prácticos. Los procesos que contienen variables
aleatorias y que dependen del comportamiento y análisis de estas variables,
pueden ser abordados eficientemente con el método de Monte Carlo, se puede
entender este método como una heurística, basado en un muestreo sistemático
(no determinístico), que nos permite calcular probabilidades utilizando
variables aleatorias.

Este método a diferencia de muchos métodos exclusivamente analíticos o

numéricos como el método de Bisección, método Newton Rapshon, entre otros, es
mucho más rápido y efectivo, el trabajo de investigación tiene la finalidad de
analizar el método Monte Carlo como una alternativa para resolver problemas
tratados en la bibliografía.

1.1 Planteamiento del problema

Se propone en este trabajo de investigación estudiar el método de Monte
Carlo, con el propósito de generar un documento divulgativo basado en una
revisión bibliográfica, donde se explique en forma detallada su fundamento y
desarrollo.

3
2.1 Objetivo General
Estudiar el método Monte Carlo en forma detallada su fundamento y desarrollo
con el propósito de generar un documento divulgativo basado en una revisión
bibliográfica.

2.2 Objetivos Específicos

• Buscar, seleccionar y organizar bibliografías especializadas del tópico.

• Entender la teoría del método de Monte Carlo su desarrollo y

fundamento.

• Investigar sobre las diferentes simulaciones del método Monte Carlo y

destacar las más utilizadas.

3 Marco Teórico

También llamado simulación de Montecarlo o método de Montecarlo su origen se

atribuye a los investigadores Stanislaw Ulam y Johnvon Neumann por la década de
1940. Ambos sentaron las bases del método cuando participaban en el proyecto de
investigación de la bomba atómica durante la II Guerra Mundial. La denominación de
“Montecarlo” proviene de Mónaco, conocida como la capital del juego del azar, esto
debido a que el juego de la ruleta era consideradocomo el primer generador de números
aleatorios. La definición elemental de este método parte de la probabilidad, debido a
que establece conocer la posibilidad de ocurrencia de un suceso o evento, que
resulta realizando el experimento un número suficiente de veces y determinando la
variable aleatoria dependiente.(Urbina et al. 2021)

3.1 Método de Monte Carlo

El método Montecarlo representa una estrategia para la indagación y
programación; esencialmente es una técnica de sondeo artificial, utilizada para operar de
manera numérica sistemas grandes o complejos que posean componentes aleatorios, en
otras palabras, es una técnica que fusiona conceptos estadísticos con la facilidad

4
que poseen los sistemas informáticos para generar números pseudo-aleatorios y
automatizar cálculos.(Urbina et al. 2021)
El modelo de simulación de Montecarlo es un método que considera la probabilidad de
ocurrencia.(Mamani y Limachi 2019)

3.1.1 Números Aleatorios

Se entiende como número aleatorio todo aquel obtenido al azar; en otras palabras,
todo conjunto de números que tengan la misma probabilidad de ser elegidos y en
los que la elección de uno no dependa de otro, es decir, sin correlación alguna.
(Alarcón Cadena 2018)

3.1.2 Técnicas para la generación de Números Aleatorios

1. Método del cuadrado medio: propuesto por Jhon von Newmann y Nicholas
Metropolis. El método comienza tomando un número al azar de 2n dígitos y
elevarlo al cuadrado. El resultado tendrá 4n dígitos (si no es así se completa
con ceros a la izquierda). Los 2n dg´ itos centrales de este producto se
toman como el número aleatorio siguiente. Esto es, se eliminan los n dígitos
menos significativos y los n más significativos (incluyendo ceros). El
procedimiento se vuelve a repetir para este nuevo número, y así
sucesivamente. El método fue propuesto por John Von Neumann.[M00]

2. Método de congruencia Lineal: propuesto por Lehmer.

xi+1 = ( a · xi + c )modm

x
R= m
donde a es el multiplicador constante, c es el incremento y m es el módulo.

La ecuación anterior significa que a · xi + c se divide entre m y el residuo se

considera el valor del número aleatorio.

Ejemplo (Método de Monte Carlo). Considerar el cálculo de la probabilidad de

lanzar dos dados estándar. Hay 36 combinaciones al lanzar los dados. en función

5
de esto, puede calcular manualmente la probabilidad de un determinado resultado.
Usando una simulación Monte Carlo, puede simular el lanzamiento de dos dados
10 000 veces (o más) para lograr predicciones más precisas.

4 Metodología
La presente investigación tendrá un diseño documental, y nivel descriptivo, se pretende
entender en forma detallada los aspectos teóricos del método Monte Carlo, basándonos
en la bibliografía especializada del tópico, proveniente de fuentes secundarias. También
esperamos describir formalmente su fundamento y desarrollo, Esta descripción se hará
desde la perspectiva del entendimiento del tópico p o r parte del autor, y de acuerdo
con sus consideraciones. Para cumplir con los objetivos de estudio se requiere
seguir un modelo de investigación con enfoque teórico, que nos proporcione una
amplia visión del tópico y sus aplicaciones.

La metodología propuesta en esta investigación contempla la ejecución de las

siguientes actividades:

1. Obtención y revisión del material bibliográfico para la comprensión del tópico.

2. Entender la teoría detrás del método de Monte Carlo y su aplicación.

3. Investigar sobre las simulaciones de Monte Carlo en problemas tratados en la

bibliografía.

4.1 Tipo de Investigación

Este trabajo de investigación es de tipo documental, con soporte en fuentes
secundarias, como libros y bibliografía especializada del tópico, tesis y artículos
relacionados con el tema, con enfoque cualitativo y nivel descriptivo. Se utilizarán

6
 recursos tecnológicos como el lenguaje de programación R, o la plataforma Excel,
para simular el método de Monte Carlo.

5 Cronograma de actividades
TIEMPO DE DURACIÓN
ACTIVIDADES Septiembre Octubre Noviembre Diciembre Enero
S1 S2 S3 S4 S1 S2 S3 S4 S1 S2 S3 S4 S1 S2 S3 S4 S1 S2 S3 S4
Selección y
organización de
la bibliografía
Lectura
selectiva del
material
Comprención
del método de
Monte Carlo, y
sus aplicaciones
Comprención
y descripción
de números
Aleatorios

Elaboración
y revisión d e l
trabajo escrito
Entrega del
documento de
titulación y
preparación de
la defensa

Bibliografía

ALARCÓN CADENA, J.J., 2018. Ataques contra generadores de números aleatorios físicos. En: Accepted:
2018-12-05T15:49:29Z [en línea], [Consulta: 23 septiembre 2022]. Disponible en:
https://uvadoc.uva.es/handle/10324/33322.

MAMANI, J.I. y LIMACHI, O.M.R., 2019. Análisis de riesgo mediante el método de simulación de
Montecarlo aplicado a la inversión pública en el sector educativo peruano: el caso del departamento de
Puno. Praxis [en línea], vol. 15, no. 2, pp. 163-176. [Consulta: 23 septiembre 2022]. ISSN 1657-4915,
2389-7856. Disponible en: https://dialnet.unirioja.es/servlet/articulo?codigo=7437386.

7
URBINA, R.O.E., FLORES, F.A.I., VILLARREAL, R.Á.F., BARSALLO, E.C., CORONEL, C.M.P. y
RODRÍGUEZ, J.A.O., 2021. Estimación numérica del volumen de la pulpa del coco (Cocos nucifera)
aplicando el método Montecarlo. REVISTA VERITAS ET SCIENTIA - UPT [en línea], vol. 10, no. 1,
pp. 118-127. [Consulta: 23 septiembre 2022]. ISSN 2617-0639. DOI 10.47796/ves.v10i1.465.
Disponible en: https://revistas.upt.edu.pe/ojs/index.php/vestsc/article/view/465.

[Y07] Piñeiro, Y. (2007). Simulación de Monte Carlo de sistemas complejos en Red.

Universidad de Santiago de Compostela.

[L11] Rodríguez, L. (2011). Simulación, Método de Monte Carlo. Academia

Accelerating the world’s research. 35, 8-13.

8
[L21] Ramos, L. (2021). Métodos de Monte Carlo y sus aplicaciones. Universidad de
Almeria.

[B15] Proaño, B. (2015). Análisis comparativo entre el método determinístico y el

probabilístico en la evaluación financiera de un proyecto. Universidad del
Azuay.

[F08] Juan L. (2008). Análisis comparativo de Reactores Nucleares. Facultad de

ingeniería-UNAM.

[K08] Karla G. (2008). Aplicación del Método de Monte Carlo a la Solución de Algunos
Problemas Financieros. Escuela Superior de Física y Matemática.

[G09] Ybnias G. (2009). Métodos cuantitativos p a r a los negocios. Universidad de

Piura.

[M00] Alfonso M. (2000). Números aleatorios. Historia, teoría y aplicaciones.

Universidad del Norte Barranquilla, Colombia.

[M22] Leslie M. (2022). Números Aleatorios, Generación de Números y Variables

Pseudo-Aleatorios. Universidad Nacional de Rosario; Rosario, Argentina.