Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Trabajo de Investigación
Trabajo de Investigación
Tema
Método de Montecarlo
Estudiantes
Maestro
Introducción.............................................................................................................................. 3
Características ...................................................................................................................... 10
Ventajas ................................................................................................................................ 11
Desventajas .......................................................................................................................... 11
Utilidad ................................................................................................................................. 12
Ingeniería Civil..................................................................................................................... 30
Conclusión ............................................................................................................................... 31
Bibliografía ............................................................................................................................. 32
2
INTEC INI301
Introducción
todas las empresas tanto grandes como pequeñas, que forman el comercio de estos. El primero
predice las pérdidas que puede tener una compañía, en lo que el segundo desconoce las
Los riesgos e incertidumbre son los baches por los cuales una empresa o inversionista va a tener
que atravesar antes de tener una respuesta final hacia la decisión tomada. Dicho peligro financiero
podemos definirlos como las modalidades de pérdida que tiene una compañía con relación a una
inversión, imposibilitando que el comercio alcance sus fines estratégicos. No obstante, se puede
pronosticar esa situación, debido a que las compañías cuentan con información suficiente para
conocer dichas probabilidades. La incertidumbre, sin embargo, es la falta de certeza. Esto significa
que las empresas no tienen la posibilidad de asignarles probabilidades a los resultados, debido a
Análisis probabilístico
3
INTEC INI301
Datos: El valor de los datos para una organización radica en que posibilita hacer estudio más
veraz que posibilite conocer qué está pasando, prever lo cual logre pasar en el futuro y medir el
Riesgo: El riesgo es algo medible y por consiguiente es simple producir previsiones para
encarar aquel peligro e inclusive colocar cierto remedio al riesgo que se avecina. Pongamos un
caso muestra. Una vivienda tiene continuamente peligro de incendio. Hay sitios como la cocina en
la que se manipula fuego, velas que tenemos la posibilidad de situar en una mesa de comedor o
incendiar.
Frente a aquel peligro de incendio tenemos la posibilidad de tomar medidas que logren sofocar
aquel fuego como es la instalación de extintores. Además, usar materiales de ignífugos para que
una organización atraviesa graves inconvenientes económicos. Sus aliados debaten qué hacer al
respecto: la mayor parte estima que lo mejor es cerrar las puertas para eludir más pérdidas. Uno
de los aliados, no obstante, confirma que tiene la certidumbre de que el caso iniciará a mejorar en
el corto plazo. Es fundamental considerar que la certidumbre puede construirse desde datos ya
4
INTEC INI301
prever. Entendemos que algo puede suceder, pero no entendemos ni cómo ni una vez que ni dónde.
especulaciones que resulten creíbles empero únicamente se consigue una falta certeza de control.
que probabilidades de que suceda algo hay. La incertidumbre es una carretera con niebla en la que
no se puede ver como continua, si vendrá una curva o una pendiente, si continuará en línea recta
como.
Toma de decisiones: La mejor forma de conocer los riesgos de una inversión es a través de
diferentes métodos para evaluarlos y elegir el más adecuado dependerá del enfoque que se tenga.
Escoger el método más conveniente para evaluar los riesgos de la toma de decisiones en una
inversión, será el punto de partida para calcular el Valor en Riesgo (VaR), un indicador que permite
A través de esta técnica estadística, se pueden determinar las probabilidades (por lo general
entre 1 y 5 %) de sufrir una pérdida durante un intervalo de tiempo, ya sea un día, una semana o
un mes.
5
INTEC INI301
3. VaR por Montecarlo. Se calcula a través de un software informático que genera una
gran cantidad de posibles resultados de acuerdo con los datos iniciales que introduce el
usuario.
Conocer los activos de inversión: Contar con conocimiento suficiente del mercado en el cual
se va a invertir y sus activos ayudará a medir de forma efectiva el VaR, así como calcular el retorno
Anticipar el futuro: Entendemos que no es posible predecir lo que va a suceder con certeza,
sin embargo, estar al tanto de los sucesos políticos, económicos y sociales del país y de la entidad
donde se quiere invertir ayudará a anticipar los posibles riesgos y qué tan viable es realizar una
Diversificar el riesgo: Es de vital importancia diversificar las inversiones de tal forma que se
llegue a un equilibrio entre las de bajo riesgo y las de alto riesgo, esto es conocido como la regla
los resultados, para implementar medidas que permitan construir una mejor estrategia en
inversiones futuras.
medir las implicancias que tienen la posibilidad de tener en una organización, se necesita realizar
Examinar la dirección de los mercados frente a peligros de corto plazo. Las organizaciones
tienen que estar atentas a todo acontecimiento que podría ser calificado como arriesgado en los
6
INTEC INI301
mercados, como conflictos políticos o acontecimientos atípicos. En dichos escenarios, los costos
no va a ser mucha, empero si el acontecimiento tiene una época prolongada, la incertidumbre puede
Evaluar las cambiantes macroeconómicas. La economía mundial evoluciona una y otra vez. Por
esto, se necesita que las empresas se encuentren atentas a los cambios de intereses que tienen la
Tener en cuenta las proyecciones económicas de instituciones financieras. Una forma positiva
que poseen las organizaciones para examinar el entorno universal que se avecina es considerando
sobre la economía local y universal. Analizando estas tendencias, las compañías tienen la
posibilidad de conocer cómo se moverá el mercado y decidir si es instante de hacer una inversión.
usar en los 1940s para el desarrollo de armas nucleares en Los Alamos, favorecidos por la aparición
de juegos de azar cuyo comportamiento simula algún fenómeno real gobernado por una
Mas técnicamente, un Monte Carlo es un proceso estocástico numérico, es decir, una secuencia
de estados cuya evolución viene determinada por sucesos aleatorios. Recordemos que un suceso
7
INTEC INI301
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
Mónaco, ya que el elemento del azar es el núcleo del enfoque de modelado, similar a un juego de
ruleta.
Desde su creación, las simulaciones de Monte Carlo han evaluado el impacto del riesgo en
muchos escenarios de la vida real, como en la inteligencia artificial, los precios de las acciones, la
serie de ventajas para los modelos predictivos con entradas fijas, como la capacidad de realizar
resultado determinado, y la correlación les permite comprender las relaciones entre las variables
de las entradas.
Un ejemplo simple de una simulación de Monte Carlo es calcular la probabilidad de lanzar dos
Carlo, se puede simular el balanceo de los dados 10,000 veces (o más) para lograr predicciones
más precisas.
El método Montecarlo, se trata de una metodología capaz de calcular mediante una simulación
el valor de un proyecto, una inversión como también una serie estadística en base a una cantidad
dichas variables sobre las que se construye. Además, se utilizó principalmente en sus inicios en las
ciencias, puesto que requiere de herramientas de análisis avanzada, en muchos de los casos suele
ser utilizado para hacer cálculos de rentabilidad y riesgos. (Singular Bank, 2018)
estadístico numérico, dicho método es usado para aproximar expresiones matemáticas que pueden
llegar a ser muy complejas y tediosas de evaluar con precisión. Este método se llamao así en
referencia al Casino de Montecarlo ubicado en Mónaco por ser “la capital del juego de azar” esto
porque era una ruleta generadora de números aleatorios. (Universidad de Alcalá, 2021)
es una bomba atómica desarrollada en el Laboratorio Los Alamos Country, EE. UU. durante la
Segunda Guerra Mundial, en la cual se utilizó este método como fuente resultados de
Las técnicas de simulación Monte Carlo se basan en simular la realidad mediante el estudio de
muestras generadas de forma completamente aleatoria. Por lo tanto, es muy útil en situaciones
donde no se dispone de información sobre la realidad a analizar, o los experimentos no son posibles
o son muy costosos. Por lo tanto, permite considerar en el análisis una gran cantidad de escenarios
aleatorios, por lo que se puede decir que puede jugar hasta el infinito la técnica de análisis de
9
INTEC INI301
análisis más cercano a la variabilidad real de las variables bajo consideración. La aplicación de
esta técnica se basa en la identificación de las variables consideradas más importantes y las
relaciones entre ellas (aunque esto puede ser muy complejo) para explicar la realidad a estudiar
elaboración de los proyectos de inversión considerando que una o más variables pueden ser
utilizadas para determinar flujos netos de caja. Entonces, permite introducir el riesgo en la
Características
gráficos.
• Cuando hay pocos resultados, es más difícil ver qué afecta los resultados, en cambio,
cuando se utilizan simulaciones de Montecarlo, es más fácil ver qué variables tienen
exactamente qué valor tiene cada variable, al igual que puede relacionar diferentes
variables de entrada para determinar por qué ciertos valores tienen cambios repentinos
en paralelo.
10
INTEC INI301
• Pero, no siempre podrá proporcionar un resultado correcto por lo que se podría cometer
un error, ya que la simulación nos dio un resultado erróneo. (Nava Castillo, 2013)
Ventajas
• Es directo y flexible.
demasiados complejos.
Desventajas
variables.
• Puede requerir mucho tiempo para la construcción de aquellos modelos que son muy
11
INTEC INI301
Utilidad
Luego de ver las ventajas y desventajas, podemos mostrar las diferentes utilidades que tiene el
método Montecarlo. Para esto debemos saber que existen diversos conceptos como el coste o el
placo, las cuales no se pueden calcular con valores exactos ya que al momento de trabajar con
estos se suele utilizar puntos variables. Los puntos variables son una variabilidad con doble
vertiente. Otros que se deben tomar en cuenta son las acciones, riesgos y costos, ya que no serán
Este método nos permite dar a los artículos un valor medio. Los ojos no son un valor exacto,
pero son realistas y puedes trabajar con confianza. Gracias a esto, los analistas de inversiones
pueden prevenir riesgos o simular cambios aleatorios que puedan tener y saber cómo usar esta
información. Entonces aquí voy a entrar, si el porcentaje de confianza está por debajo de su nivel
Valorar las opciones financieras, tomar en cuenta varias opciones y decidir gracias a los
números es otra de las utilidades que ofrece las simulaciones de Montecarlo, ya que te permitirá
elegir cual es la más conveniente. De igual forma proporciona la creación de modelos de gestión
de riesgos, que nos servirán para medir futuros riegos en cualquier inversión.
Los métodos de Monte Carlo también se pueden utilizar en programas matemáticos. Uno de
ellos es el cálculo del número π, que se denomina método de Buffon, en el que se utilizan varias
rectas paralelas, una es curva, cuya longitud está relacionada con la distancia entre las rectas, y a
partir de esto se calcula que las líneas que forman estas líneas también pasan por su línea.
Otro uso de los métodos de Monte Carlo es calcular integrales definidas. Hay varios programas
que se pueden usar para calcular integrales definidas, el primero que veremos es el método de
12
INTEC INI301
pasa-falla de Monte Carlo, que se basa en la interpretación de que la integral que estás calculando
es un área. Otro método es el método de la media muestral. Es un poco diferente. Para calcular una
integral definida, se basa en la definición de que la media de una variable aleatoria es continua.
Los métodos de Monte Carlo son una clase de técnicas para muestrear aleatoriamente una
distribución de probabilidad.
probabilidad es relativamente sencillo, pero calcular una cantidad deseada es intratable. Esto puede
deberse a muchas razones, como la naturaleza estocástica del dominio o un número exponencial
de variables aleatorias.
denominado métodos de Monte Carlo. Estos métodos se utilizaron inicialmente en la época en que
se crearon las primeras computadoras y siguen siendo omnipresentes en todos los campos de la
13
INTEC INI301
Figura 1: Análisis de Monte Carlo para seleccionar traders. Fuente: Snchz, D. (2016,
December 14).
matemática. Los modelos matemáticos se utilizan en las ciencias naturales y en las disciplinas de
ingeniería, así como en sistemas no físicos como las ciencias sociales. El uso de modelos
importante del campo de la investigación operativa. Los modelos matemáticos también se utilizan
Un modelo puede ayudar a explicar un sistema y a estudiar los efectos de los distintos
Los modelos matemáticos pueden adoptar muchas formas, como los sistemas dinámicos, los
modelos estadísticos, las ecuaciones diferenciales o los modelos de teoría de juegos. Estos y otros
tipos de modelos pueden superponerse, y un modelo determinado puede incluir una variedad de
estructuras abstractas. En general, los modelos matemáticos pueden incluir modelos lógicos. En
muchos casos, la calidad de un campo científico depende de la concordancia entre los modelos
falta de concordancia entre los modelos matemáticos teóricos y las mediciones experimentales
suele dar lugar a importantes avances a medida que se desarrollan mejores teorías.
En las ciencias físicas, un modelo matemático tradicional contiene la mayoría de los siguientes
elementos;
14
INTEC INI301
• Ecuaciones de gobierno
• Submodelos complementarios
• Ecuaciones de definición
• Ecuaciones constitutivas
• Supuestos y restricciones
• Construcción
determinado resultado. El sistema considerado requerirá ciertas entradas. El sistema que relaciona
las entradas con las salidas depende también de otras variables: variables de decisión, variables de
exógenas se denominan a veces parámetros o constantes. Las variables no son independientes entre
sí, ya que las variables de estado dependen de las variables de decisión, de entrada, aleatorias y
exógenas. Además, las variables de salida dependen del estado del sistema.
Los objetivos y las restricciones del sistema y de sus usuarios pueden representarse como
funciones de las variables de salida o de las variables de estado. Las funciones objetivo dependerán
de la perspectiva del usuario del modelo. Dependiendo del contexto, una función objetivo también
se conoce como un índice de rendimiento, ya que es una medida de interés para el usuario. Aunque
no hay límite en el número de funciones objetivo y restricciones que puede tener un modelo, la
utilización u optimización del modelo se vuelve más complicada a medida que aumenta el número.
15
INTEC INI301
Por ejemplo, los economistas suelen aplicar el álgebra lineal cuando utilizan modelos input-
output. Los modelos matemáticos complicados que tienen muchas variables pueden consolidarse
Información a priori
caja blanca, según la cantidad de información a priori de que se disponga sobre el sistema. Un
modelo de caja negra es un sistema del que no se dispone de información a priori. Un modelo de
caja blanca es un sistema del que se dispone de toda la información necesaria. Prácticamente todos
los sistemas se sitúan entre los modelos de caja negra y caja blanca, por lo que este concepto sólo
Normalmente es preferible utilizar toda la información a priori posible para que el modelo sea
más preciso. Por lo tanto, los modelos de caja blanca suelen considerarse más fáciles, ya que, si se
información a priori viene en forma de conocer el tipo de funciones que relacionan las diferentes
humano, sabemos que normalmente la cantidad de medicamento en la sangre es una función que
decae exponencialmente. Pero aún nos quedan varios parámetros desconocidos: ¿con qué rapidez
lo tanto, este ejemplo no es un modelo completamente de caja blanca. Estos parámetros tienen que
16
INTEC INI301
Para analizar algo con un típico "enfoque de caja negra", sólo se tendrá en cuenta el
En los modelos de caja negra se intenta estimar tanto la forma funcional de las relaciones entre
las variables como los parámetros numéricos de esas funciones. Utilizando información a priori
podríamos acabar, por ejemplo, con un conjunto de funciones que probablemente podrían describir
generales posible para cubrir todos los modelos diferentes. Un enfoque muy utilizado para los
modelos de caja negra son las redes neuronales, que normalmente no hacen suposiciones sobre los
identificación de sistemas no lineales, pueden utilizarse para seleccionar los términos del modelo,
correlacionado y no lineal. La ventaja de los modelos NARMAX frente a las redes neuronales es
que NARMAX produce modelos que pueden escribirse y relacionarse con el proceso subyacente,
Información subjetiva
A veces es útil incorporar información subjetiva a un modelo matemático. Esto puede hacerse
la forma matemática. La estadística bayesiana ofrece un marco teórico para incorporar esa
17
INTEC INI301
Un ejemplo de cuándo sería necesario este enfoque es una situación en la que un experimentador
dobla ligeramente una moneda y la lanza una vez, registrando si sale cara, y luego se le encomienda
la tarea de predecir la probabilidad de que el siguiente lanzamiento salga cara. Después de doblar
la moneda, se desconoce la verdadera probabilidad de que la moneda salga cara, por lo que el
experimentador tendría que tomar una decisión sobre qué distribución previa utilizar. La
incorporación de esta información subjetiva podría ser importante para obtener una estimación
precisa de la probabilidad.
Complejidad
modelización, cuya idea esencial es que, entre los modelos con un poder predictivo
aproximadamente igual, el más sencillo es el más deseable. Aunque la complejidad añadida suele
plantear problemas computacionales, como la inestabilidad numérica. Thomas Kuhn sostiene que,
a medida que la ciencia avanza, las explicaciones tienden a hacerse más complejas antes de que
Por ejemplo, al modelar el vuelo de una aeronave, podríamos incrustar en nuestro modelo cada
una de las partes mecánicas de la aeronave y adquiriríamos así un modelo casi de caja blanca del
sistema. Sin embargo, el coste computacional de añadir una cantidad tan grande de detalles
sistema excesivamente complejo, ya que cada parte separada induce cierta cantidad de varianza en
18
INTEC INI301
el modelo. Por tanto, suele ser conveniente realizar algunas aproximaciones para reducir el modelo
a un tamaño razonable. Los ingenieros suelen aceptar algunas aproximaciones para conseguir un
modelo más robusto y sencillo. Por ejemplo, la mecánica clásica de Newton es un modelo
aproximado del mundo real. Aun así, el modelo de Newton es suficiente para la mayoría de las
situaciones de la vida ordinaria, es decir, siempre y cuando las velocidades de las partículas estén
Hay que tener en cuenta que una mayor precisión no significa necesariamente un mejor modelo.
Los modelos estadísticos son propensos a la sobre adaptación, lo que significa que un modelo se
ajusta demasiado a los datos y ha perdido su capacidad de generalizar a nuevos eventos que no se
Entrenamiento y ajuste
Cualquier modelo que no sea de caja blanca pura contiene algunos parámetros que pueden
utilizarse para ajustar el modelo al sistema que pretende describir. Si el modelado se realiza
mediante una red neuronal artificial u otro tipo de aprendizaje automático, la optimización de los
determinado describe o no un sistema con precisión. Esta cuestión puede ser difícil de responder,
19
INTEC INI301
a las mediciones experimentales o a otros datos empíricos. En los modelos con parámetros, un
enfoque común para probar este ajuste es dividir los datos en dos subconjuntos disjuntos: datos de
entrenamiento y datos de verificación. Los datos de entrenamiento se utilizan para estimar los
parámetros del modelo. Un modelo preciso se ajustará a los datos de verificación, aunque estos
datos no se hayan utilizado para establecer los parámetros del modelo. Esta práctica se conoce
Definir una métrica para medir las distancias entre los datos observados y los predichos es una
herramienta útil para evaluar el ajuste del modelo. En la estadística, la teoría de la decisión y
Mientras que es bastante sencillo comprobar la idoneidad de los parámetros, puede ser más
desarrollado más herramientas matemáticas para probar el ajuste de los modelos estadísticos que
paramétrica pueden utilizarse a veces para evaluar lo bien que se ajustan los datos a una
distribución conocida o para llegar a un modelo general que sólo hace suposiciones mínimas sobre
puede ser menos sencillo. Si el modelo se ha construido a partir de un conjunto de datos, hay que
determinar para qué sistemas o situaciones los datos conocidos son un conjunto de datos "típico".
20
INTEC INI301
La cuestión de si el modelo describe bien las propiedades del sistema entre los puntos de datos
se llama interpolación, y la misma cuestión para los eventos o puntos de datos fuera de los datos
Como ejemplo de las limitaciones típicas del alcance de un modelo, al evaluar la mecánica
clásica newtoniana, podemos observar que Newton realizó sus mediciones sin equipos avanzados,
por lo que no pudo medir las propiedades de las partículas que viajan a velocidades cercanas a la
de la luz. Asimismo, no midió los movimientos de las moléculas y otras partículas pequeñas, sino
sólo los de las macropartículas. Por tanto, no es de extrañar que su modelo no se extrapole bien a
estos ámbitos, aunque su modelo es bastante suficiente para la física de la vida ordinaria.
Consideraciones filosóficas
Muchos tipos de modelos implican implícitamente afirmaciones sobre la causalidad. Esto suele
ocurrir con los modelos que implican ecuaciones diferenciales. Dado que el propósito de la
basa en su ajuste a las observaciones empíricas, sino también en su capacidad para extrapolar
situaciones o datos más allá de los descritos originalmente en el modelo. Se puede pensar en esto
argumentar que un modelo carece de valor a menos que proporcione alguna información que vaya
más allá de lo que ya se conoce a partir de la investigación directa del fenómeno estudiado.
Un ejemplo de esta crítica es el argumento de que los modelos matemáticos de la teoría del
forrajeo óptimo no ofrecen una visión que vaya más allá de las conclusiones de sentido común de
21
INTEC INI301
Análisis probabilístico.
suposición sobre una distribución probabilística del conjunto de todas las entradas posibles. Esta
suposición se utiliza entonces para diseñar un algoritmo eficiente o para derivar la complejidad de
un algoritmo conocido. Este enfoque no es el mismo que el de los algoritmos probabilísticos, pero
estimaciones de complejidad más comunes son la complejidad del caso medio y la complejidad
casi siempre. Para obtener la complejidad del caso medio, dada una distribución de entrada, se
evalúa el tiempo esperado de un algoritmo, mientras que para la estimación de la complejidad casi
siempre, se evalúa que el algoritmo admita una estimación de complejidad dada que se cumpla
entrada, se tienen en cuenta las distribuciones o el promedio de todas las elecciones posibles en
En este capítulo se presentan tres ejemplos de cómo es posible analizar los proyectos de
económica de un proyecto. Cada ejemplo con un método de análisis distinto. En el primer ejemplo
22
INTEC INI301
Ejemplo #1
de ellos:
Como promedio de los distintos valores actuales netos proyectados, ponderados por la
El Proyecto "A" tiene un valor potencial de $4.200 y el Proyecto "B" de $3.700. El valor
esperado "A" es superior al de "B". Si detenemos aquí nuestro análisis, la elección se volcaría al
proyecto "A". Pero aún falta determinar entre qué valores fluctuará el valor esperado de cada
Para completar el estudio de un proyecto se miden los posibles desvíos del VAN de cada
proyecto y el intervalo de confianza. El desvío estándar, como medición del riesgo total, mide la
23
INTEC INI301
dispersión de los valores esperados. La fluctuación posible la mediremos a través del riesgo
El proyecto "A" con un VAN promedio de $4.200 tiene un riesgo absoluto de $1.400, mientras
el rango del valor esperado. Trabajaremos con dos desvíos estándar, que cubre el 95,5% de casos
24
INTEC INI301
En el proyecto "A" el rango de desvíos está más acotado que en el proyecto "B", aunque en este
último, el retorno puede ser superior respecto al proyecto "A", pero también puede entrar en un
Para finalizar, comencemos por señalar que nunca hay una conclusión que podamos considerar
definitiva o total. Mucho tiene que ver las expectativas y los sentimientos de los inversores,
En el caso presente, señalamos que el proyecto "B" ofrece posibilidades de mayor valor, pero
también es más riesgoso, mientras que el proyecto "A" ofrece menos volatilidad, menos riesgo y
¿Cuál debe elegirse? La decisión queda en manos del inversor, pues hay un límite que el
profesional no puede cruzar, y es el de tomar la decisión por otro. En nuestro caso como grupo,
eligiéramos el proyecto “A” debido a que el intervalo de confianza esta alejado de las perdidas.
Ejemplo #2
25
INTEC INI301
𝑉𝐴𝑁𝑝 = $6,400
Ejemplo #3
como influyen las fluctuaciones en los precios en la confiabilidad que se tiene al calcular el ingreso
en la caja. por último, en el tercer ejemplo se ilustra como influyen las fluctuaciones en la demanda
26
INTEC INI301
esta variable arrojó que la misma responde a una distribución normal, con valor esperado igual a
12089 m3/año y una desviación estándar de 1387 m3 /año. La ecuación para el cálculo del costo
obtener un número aleatorio, y el valor promedio y la desviación estándar dadas por dato, e igual
en la figura 4.1.1.
27
INTEC INI301
Para cada uno de los valores de Q obtenido por modelación se calcula mediante el EXCEL el
valor del costo de producción de acuerdo con la ecuación COSTO = 1259.Q + 13000. Una parte
obtenidos muestran que el costo se puede describir mediante una función de distribución normal
Los resultados del ajuste obtenidos con el STATGRAPHICS indican que la función de
El criterio adoptado en relación con la confiabilidad es que el costo no debe rebasar el valor
máximo permitido. Por lo tanto, la confiabilidad se establece como la probabilidad de que el costo
sea menor que este valor máximo, igual a 17000000$/año. Por esta razón, la confiabilidad se
EXCEL, donde la variable x se hace igual al costo máximo permitido, la media y varianza que se
28
INTEC INI301
entregan de datos son los valores calculados con el STATGRAPHICS y se establece la opción
En este caso se obtiene que la confiabilidad es igual a 83%. Esto significa que la probabilidad
de que el costo se encuentre por debajo del valor máximo especificado es de un 85%.
Ingeniería mecánica
parte de las herramientas de cualquier ingeniero mecánico. Hay una serie de casos de uso común
en la ingeniería mecánica a los que se aplica naturalmente la simulación de Monte Carlo, entre
ellos;
• Diseño de la fiabilidad
análisis que puede aplicarse a una variedad de problemas, y la aplicación de este marco a un
El método Monte Carlo no es difícil de implementar y puede ser increíblemente flexible y útil
para una variedad de problemas comunes de ingeniería mecánica. La comprensión del marco
básico le permite crear rápidamente simulaciones útiles en hojas de cálculo o en código python en
29
INTEC INI301
tan sólo unos minutos. A la hora de evaluar la precisión de sus simulaciones, es importante
recordar estos hechos clave: Las funciones de densidad de probabilidad deben ser representativas
Las muestras que extraiga de las funciones de densidad de probabilidad deben ser realmente
La ley de los grandes números dicta que, a medida que aumenta el número de muestras, aumenta
Para los modelos que requieren respuestas muy precisas, el recuento de ensayos debe
convergencia no garantiza que el modelo sea preciso, pero permite obtener resultados eficientes al
permitirle equilibrar el coste del cálculo con los incrementos marginales de la precisión del
modelo.
Ingeniería Civil
Cuando pensamos en análisis de riesgo e incertidumbre, tal vez no pensaríamos que realmente
haya una relación entre esta rama y la ingeniería civil cuando sí la hay. Muchos proyectos de
a que los presupuestos están basados en datos preestablecidos que no abarcan la realidad de las
obras. Es por esto por lo que resulta necesario el uso de una metodología que permita identificar
los riesgos que más afectan en dichos proyectos, y es ahí donde se aplica el análisis de riesgo para
También podemos evidenciar la aplicación de esta herramienta ante la elección de algún terreno
Las consecuencias de tomar decisiones equivocadas son tan grandes que resulta conveniente contar
30
INTEC INI301
con un método eficiente para enfrentar dichas situaciones, ya que siempre existe incertidumbre
Conclusión
En síntesis, podemos ver que el método Montecarlo es de gran interés y utilidad en diversas
procesos es prioritaria e imprescindible. Por medio del método Montecarlo podemos obtener por
de realizar una inversión, ya que esto nos ayuda a ver qué tan factible es una inversión.
Este método nos permite la versatilidad para la toma de decisiones, como hemos visto en los
ejemplos propuestos. El cálculo de varias variables de forma aleatoria puede complicar a cualquier,
En adición a la flexibilidad en las aplicaciones, este se puede utilizar tanto para considerar los
riesgos del proyecto como para ayudar a determinar cuáles deberían ser las decisiones de diseño.
Otras ramas que se pueden utilizar en matemáticas son el cálculo o el cálculo de integrales
definidas. También vimos cómo ayuda a la medicina administrando radiación. Ha podido ayudar
31
INTEC INI301
Bibliografía
Demeza, M. (2020, 28 enero). ¿Qué es y para que sirve un modelo matemático? DemezaNews |
Ciencia, Educación, Salud, Tecnología.
https://www.demeza.com.mx/blog/educacion/modelo-matematico
Global, Z. (s. f.). Brutalk - Una suave introducción al muestreo de Monte Carlo para la
probabilidad. Brutalk. https://www.brutalk.com/es/noticias/brutalk-blog/ver/una-suave-
introduccion-al-muestreo-de-monte-carlo-para-la-probabilidad-6046e12dd0b36
Echeverría. https://www.researchgate.net/profile/Elina-Fernandez-
Santana/publication/321038689_Riesgo_e_incertidumbre_de_la_evaluacion_economica_fina
nciera_en_proyectos_de_Ingenieria_Quimica/links/5a09fe11a6fdcc2736dea028/Riesgo-e-
incertidumbre-de-la-evaluacion-economica-financiera-en-proyectos-de-Ingenieria-
Quimica.pdf
Lagares, J. I., Arce, P., & Gómez-Ros, J. M. (2011). Aplicación del método de Monte Carlo a la
física de radiaciones en la Medicina. Revista Española de Física, 23(1).
http://revistadefisica.es/index.php/ref/article/view/925
Losilla Vidal, J. M. (1994). MonteCarlo MonteCarlo. 154. Martín, J. (2017). ¿Que es el método
Monte Carlo? - Gestión de los Riesgos. https://www.cerem.do/blog/cuanto-vale-el-
riesgo-el-metodo-monte-carlo
32
INTEC INI301
http://unimeta-simulacion-alejandra-meneses.blogspot.com/2012/08/metodo-origen-el- de-
montecarlo-un-no.html
Marinilli, A. (s. f.). Análisis probabilístico simplificado de pórticos de concreto reforzado ante
acciones sísmicas. scielo. http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0376-
723X2009000200002#:%7E:text=Un%20an%C3%A1lisis%20probabil%C3%ADstico%
20permite%20evaluar,concreto%20reforzado%20ante%20cargas%20s%C3%ADsmicas.
Snchz, D. (2016, 14 diciembre). Análisis de Monte Carlo para seleccionar traders. Rankia.
https://www.rankia.com/blog/traders/3417637-analisis-monte-carlo-para-seleccionar-
traders
Universidad de Alcalá. (2021). ¿Qué son los métodos de Montecarlo? - Master en Finanzas
Cuantitativas: Universidad de Alcalá - Madrid. https://www.master-finanzas-
cuantitativas.com/metodos-de-montecarlo/
33