Está en la página 1de 13

Simulacin/2002 Hctor Allende

Captulo 5
Mtodo de
MonteCarlo
Simulacin/2002 Hctor Allende
Idea : Es la aproximacin a la solucin de un problema
por medio del muestreo de un proceso al azar.
Esto no ayuda mucho lo que es el Mtodo de Monte Carlo
pero podemos familiarizarnos por la va de ejemplos:
Caso 1
x
y
}}
=
R
dx dx t
2 1
{ } 1 , : ) , (
2 2
s + . 9 e = y x y x y x R
Mtodo de Monte Carlo
Simulacin/2002 Hctor Allende
Caso 2:
Sea g(x) una funcin y supongamos que deseamos conocer
Problema determinista

Sea u ~ U(0,1) y sea x = u
Entonces
E[g(u)] =

siendo

}
=
1
0
) ( dx x g u
}
1
0
) ( * ) ( du u f u g
( ) dx du y x g u g u f = = =

) ( ) ( ; ) (
0 1
1
Mtodo de Monte Carlo
Simulacin/2002 Hctor Allende
Luego
E[g(u)] =
Entonces transformamos la estimacin de por el clculo
E[g(u)] por la va de la ley de los grandes nmeros.

}
=
1
0
) ( u dx x g
u

=
k cuando u g E
k
u g
k
i
i
u )] ( [
) (
1
> k cuando u g P
r
0 ) | ) ( (| c u
) (u g
Mtodo de Monte Carlo
Simulacin/2002 Hctor Allende
Teoremas Lmites
Convergencia en Distribucin:


x pto. continuidad

Convergencia en Probabilidad:



c>0
Nota:

) ( ) ( x F x F lim ssi X X
X X n
D
n
n
=

( ) 0 = >

c X X P lim ssi X X
n n
P
n
X X X X
D
n
P
n

Simulacin/2002 Hctor Allende
Desigualdad de Chebyshev:

Sea X v.a. con

Entonces
| | < X E
| | < X V ;
| | ( )
| |
2
c
c
X V
X E X P s >
Ley dbil de los grandes nmeros:

sucesin de v.a.i.i.d. :

entonces:
| | R X E e =
| | < =
2
o X V
{ }
N n
n
X
e
( ) 0 = >

c
n
n
X P lim
Simulacin/2002 Hctor Allende
Teorema Central de Lmite:

Sea {X} suc. de v.a.i.i.d /

finitas. Entonces:
| | = X E
| |
2
o = X V ;
) 1 , 0 ( N
n
X
Y
D
n
n

|
|
|
|
.
|

\
|

=
o

Simulacin/2002 Hctor Allende
Es decir podemos resolver un problema determinstico por
medio del clculo del valor esperado de una muestra
grande.
Algoritmo Valores iniciales, S
1
=0 ; S
2
= 0
1.- Generar u
i
(U(0,1))
2.- Calcular g(u
i
)
3.- Calcular
4.- Repetir el clculo k-veces
5.- Calcular ;
6.- Calcular el ] 96 , 1 [ ) (
2
95 , 0 k
S
I =
.
u u
S
1
= S
1
+ g(u
i
)
S
2
= S
2
+ [g(u
i
)]
2

k
S
1
=
.
u
) 1 (
] [
2
2
1
2
2


=
k k
S S k
s
Mtodo de Monte Carlo
Simulacin/2002 Hctor Allende
Caso 3 : Para
Sea

Entonces

donde
Luego podemos estimar mediante el clculo de E[h(y)]
b x a dx x g
b
a
s s =
}
) ( u
a b
dx
dy
a b
a x
y

=
}
}
=
+ =
1
0
1
0
) (
) ( ] ) ( [
dy y h
dy a b y a b a g
u
u
) ) ( ( ) ( ) ( y a b a g a b y h + =
Mtodo de Monte Carlo
Simulacin/2002 Hctor Allende
Caso 4 :

u puede ser calculado mediante
donde U
1
, U
2
, ..., U
n
sucesiones v.a.i.i.d. U(0,1)
} } }
=
1
0
2 1
1
0
1
0
2 1
... ) ,..., , ( ...
n n
dx dx dx x x x g u
k
u u u g
k
i
i
n
i i

=
.
=
1
2 1
) ,..., , (
u
)] ,..., , ( [
2 1 n
u u u g E =
.
u
Mtodo de Monte Carlo
Simulacin/2002 Hctor Allende
Caso 5 : Para
Sea

Entonces

Luego siendo
}

=
0
) ( dx x g u
dx y
x
dx
dy
x
y
2
2
) 1 ( 1
1
=
+
=
+
=
1 0
) 1 (
1
0
2
1
s s

=
}
y dy
y
g
y
u
2
1
) 1 (
) (
)] ( [
y
g
y h
y h E
y

=
= u
Mtodo de Monte Carlo
Simulacin/2002 Hctor Allende
Tarea : Usando el mtodo de Monte Carlo
} }

+ +
0
2
5
0
2
) 1 ( ; ) 1 (
2
3
dx x x dx x
} } }
+

1
0
1
0
) (
2 2
; dxdy e dx e
y x x
Mtodo de Monte Carlo
Simulacin/2002 Hctor Allende
Caso 6 :

Derive un mtodo aproximado para resolver este problema
de integracin, va Simulacin de Monte Carlo y proponga
un Algoritmo
}


= dx x g ) ( u
Mtodo de Monte Carlo