INTRODUCCIN

MONTECARLO
Podramos decir que simular tiene como objetivo duplicar caractersticas y
comportamientos propios de un sistema real. La utilizacin de modelos
matemticos permite:
Introducir nuevas variables.
Hacer variar sus valores.
Analizar las consecuencias de estas modificaciones.
Algunos de estos problemas permiten una solucin a mano aunque la
mayora de los casos requieren el uso de ordenadores.
El mtodo de Montecarlo permite resolver problemas matemticos
mediante la simulacin de variables aleatorias.

DEFINICN TERICA Y PRCTICA

Cuando un sistema contiene elementos que exhiben azar en su
comportamiento, se puede aplicar el mtodo Monte Carlo de
simulacin.
La idea bsica en la simulacin Monte Carlo es generar valores de las
variables que forman el modelo que se estudia. En los sistemas reales
hay muchas variables que tienen naturaleza probabilstica y que
podemos querer simular.
Una aplicacin inmediata del mtodo, es el clculo de integrales
definidas.

Cuando un sistema contiene elementos que exhiben azar en su comportamiento, se puede

aplicar el mtodo Monte Carlo de simulacin.
La idea bsica en la simulacin Monte Carlo es generar valores de las variables que forman
el modelo que se estudia. En los sistemas reales hay muchas variables que tienen
naturaleza probabilstica y que podemos querer simular. Unos cuantos ejemplo de estas
variables son:
1. La demanda de un inventario diaria o semanal
2. El tiempo de entrega para las rdenes del inventario
3. Los tiempos entre descomposturas de las mquinas
4. Los tiempos entre llegadas a las instalaciones de servicio
5. Los tiempos de servicio
6. Los tiempos para terminar las actividades de un proyecto
7. El nmero de empleados ausentes en el trabajo cada da

Cinco pasos para la simulacin Monte

Carlo
1. Establecer las distribuciones de probabilidad para las variables
importantes de entrada
2. Elaborar una distribucin de probabilidad acumulada para cada
variable del paso 1
3. Establecer un intervalo de nmeros aleatorios para cada variable
4. Generar nmeros aleatorios
5. Simular una serie de pruebas

Ejemplo de Auto Tire de Harry

Auto Tire de Harry vende todo tipo de neumticos, pero una llanta
radial popular es responsable de una gran parte de las ventas generales
de Harry. Al reconocer que los costos de inventario pueden ser
significativos con este producto, Harry quiere determinar una poltica
para administrar dicho inventario.
Para ver cmo estara la demanda durante un periodo, desea simular la
demanda diaria para cierto nmero de das.

Paso 1: Establecer distribuciones de probabilidad. Una forma comn de establecer

una distribucin de probabilidad es examinar los eventos histricos. La probabilidad
o frecuencia relativa para cada resultado posible de una variable se encuentra
dividiendo la frecuencia observada entre el nmero total de observaciones. La
demanda diaria para las llantas radiales en Auto Tire de Harry durante 200 das se
muestra en la tabla. Podemos convertir estos datos en una distribucin de
probabilidad, si suponemos que las tasas de demanda del pasado se mantendrn
en el futuro, dividiendo cada frecuencia de demanda entre la demanda total, 200.
Deberamos observar que no es necesario que la distribucin de probabilidad est
basada tan solo en observaciones histricas. A menudo, las estimaciones de la
administracin basadas en el juicio y la experiencia se usan para crear una
distribucin. Algunas veces, una muestra de ventas, las descomposturas de una
mquina o las tasas de servicio se usan para crear probabilidades para tales
variables. Las distribuciones en s pueden ser empricas, como en la tabla o basarse
en lo que se conoce como patrn normal, binomial, de Poisson o exponencial.

TABLA N1
DEMANDA
LLANTAS
0
1
2
3
4
5

DE FRECUENCIA (DAS) PROBABILIDAD

OCURRENCIA
10
10/200=0.05
20
20/200=0.10
40
40/200=0.20
60
60/200=0.30
40
40/200=0.20
30
30/200=0.15
200
200/200=1.00

DE

 Paso 2: Elaborar una distribucin de probabilidad acumulada para

cada variable. La conversin de una distribucin de probabilidad
regular, como en la columna de la derecha de la tabla 1, en una
distribucin acumulada es una tarea sencilla. Una probabilidad
acumulada es la probabilidad de que una variable (demanda) sea
menor o igual que un valor especfico. Una distribucin acumulada
lista todos los valores posibles y las probabilidades. En la tabla 2
vemos que la probabilidad acumulada para cada nivel de demanda es
la suma del nmero en la columna de probabilidad (columna central)
sumada a la probabilidad acumulada anterior (columna de la
derecha). La probabilidad acumulada graficada en la figura 2 se utiliza
en el paso 3 para ayudar a asignar nmeros aleatorios.

TABLA N2
DEMANDA
LLANTAS
0
1
2
3
4
5

DE PROBABILIDAD
0.05
0.10
0.20
0.30
0.20
0.15
1.00

PROBABILIDAD
ACUMULADA
0.05
0.15
0.35
0.65
0.85
1.00

FIGURA N2

Paso 3: Establecer intervalos de nmeros aleatorios. Despus de establecer una

distribucin de probabilidad acumulada para cada variable incluida en la simulacin,
queremos asignar un conjunto de nmeros para representar cada valor o resultado posible.
Estos se conocen como intervalos de nmeros aleatorios. Los nmeros aleatorios se
estudian con detalle en el paso 4. Bsicamente, un nmero aleatorio es una serie de
dgitos (digamos, dos dgitos de 01, 02,, 98, 99, 00) que se seleccionan mediante un
proceso totalmente aleatorio.
Si existe 5% de posibilidades de que la demanda de un producto (como la llanta radial de
Harry) sea de 0 unidades por da, queremos que 5% de los nmeros aleatorios disponibles
correspondan a una demanda de 0 unidades. Si en la simulacin se tiene un total de 100
nmeros de dos dgitos (piense en ellos como en fichas numeradas en un recipiente),
podemos asignar la demanda de 0 unidades a los primeros cinco nmeros aleatorios: 01,
02, 03, 04 y 05.* Entonces, una demanda simulada de 0 unidades se crea cada vez que se
obtiene uno de los nmero 01 a 05. Si tambin existe 10% de posibilidades de que esa
demanda del mismo producto sea 1 unidad por da, podemos hacer que los siguientes 10
nmeros aleatorios (06, 07, 08, 09, 10, 11, 12, 13, 14 y 15) representen esa demanda, y as
sucesivamente para otros niveles de demanda.
En general, si se utiliza la distribucin de probabilidad acumulada que se calcul y grafic
en el paso 2, se puede establecer el intervalo de nmeros aleatorios para cada nivel de
demanda de una manera muy sencilla.

Note en la tabla 3 que el intervalo seleccionado para representar cada

demanda diaria posible tiene una relacin estrecha con la probabilidad
acumulada a su izquierda. El lmite superior de cada intervalo es siempre
igual al porcentaje de la probabilidad acumulada.
De manera similar, vemos en la figura 2 y la tabla 3 que la longitud de cada
intervalo a la derecha corresponde a la probabilidad de cada una de las
posibilidades de la demanda diaria. Por lo tanto, al asignar nmeros
aleatorios a la demanda diaria de 3 llantas radiales, el intervalo de nmeros
aleatorios (36 a 65) corresponde exactamente a la probabilidad (o
proporcin) de ese resultado. Una demanda diaria de tres llantas radiales
ocurre 30% de las veces. Cualquiera de los 30 nmeros aleatorios mayores
que 35 y hasta 65 inclusive se asignan a ese evento.

TABLA N 3
DEMANDA
LLANTAS
0
1
2
3
4
5

DE PROBABILIDAD

0.05
0.10
0.20
0.30
0.20
0.15
1.00

PROBABILIDAD
ACUMULADA
0.05
0.15
0.35
0.65
0.85
1.00

INTERVALO
DE NMEROS
ALEATORIOS
01 a 05
06 a 15
16 a 35
36 a 65
66 a 85
86 a 00

De manera alternativa podramos asignar los nmeros aleatorios 00, 01, 02, 03, 04
para representar una demanda de 0 unidades. Los dos dgitos 00 se pueden tomar
como 0 o como 100. Siempre que 5 nmeros de los 100 se asignen a la demanda de
0, no importa cules 5 sean.
Paso 4: Generar nmeros aleatorios. Los nmeros aleatorios se pueden generar de
varias maneras en los problemas de simulacin. Si el problema es muy grande y el
proceso que se estudia incluye miles de pruebas de simulacin, se dispone de
programas de software para generar los nmeros aleatorios necesarios.
Si la simulacin se hace a mano, como en este libro, los nmeros se pueden
seleccionar dando vuelta a una ruleta que tenga 100 ranuras, tomando a ciegas
fichas numeradas en un sombrero o con cualquier mtodo que permita hacer una
seleccin aleatoria.* Lo que ms se usa es elegir los nmeros de una tabla de
dgitos aleatorios como la tabla 4.
La tabla 4 en s se gener con un programa por computadora. Tiene la caracterstica
de que cada dgito o nmero ah tiene la misma posibilidad de ocurrir. En una tabla
de nmeros aleatorios muy grande, 10% de los dgitos sern 1, 10% sern 2, 10%
sern 3, etctera. Como todo es aleatorio, podemos seleccionar nmeros de
cualquier punto en la tabla para utilizarlo en los procedimientos de simulacin en el
paso 5.

Paso 5: Simular una serie de pruebas. Podemos simular los resultados de un

experimento simplemente seleccionando nmeros aleatorios de la tabla 4.
Comenzamos en cualquier lado de la tabla y observamos el intervalo donde
cae cada nmero en la tabla 4 o en la figura 2.
TABLA N 4
52 06 50 88 53 30 10 47 99 37 66 91 35 32 00 84 57 07
37 63 28 02 74 35 24 03 29 60 74 85 90 73 59 55 17 60
82 57 68 28 05 94 03 11 27 79 90 87 92 41 09 25 36 77
69 02 36 49 71 99 32 10 75 21 95 90 94 38 97 71 72 49
98 94 90 36 06 78 23 67 89 85 29 21 25 73 69 34 85 76
96 52 62 87 49 56 59 23 78 71 72 90 57 01 98 57 31 95
33 69 27 21 11 60 95 89 68 48 17 89 34 09 93 50 44 51
50 33 50 95 13 44 34 62 64 39 55 29 30 64 49 44 30 16

88 32 18 50 62 57 34 56 62 31 15 40 90 34 51 95 26 14
90 30 36 24 69 82 51 74 30 35 36 85 01 55 92 64 09 85
50 48 61 18 85 23 08 54 17 12 80 69 24 84 92 16 49 59
27 88 21 62 69 64 48 31 12 73 02 68 00 16 16 46 13 85
45 14 46 32 13 49 66 62 74 41 86 98 92 98 84 54 33 40
81 02 01 78 82 74 97 37 45 31 94 99 42 49 27 64 89 42
66 83 14 74 27 76 03 33 11 97 59 81 72 00 64 61 13 52
74 05 81 82 93 09 96 33 52 78 13 06 28 30 94 23 37 39
30 34 87 01 74 11 46 82 59 94 25 34 32 23 17 01 58 73
59 55 72 33 62 13 74 68 22 44 42 09 32 46 71 79 45 89
67 09 80 98 99 25 77 50 03 32 36 63 65 75 94 19 95 88
60 77 46 63 71 69 44 22 03 85 14 48 69 13 30 50 33 24
60 08 19 29 36 72 30 27 50 64 85 72 75 29 87 05 75 01
80 45 86 99 02 34 87 08 86 84 49 76 24 08 01 86 29 11
53 84 49 63 26 65 72 84 85 63 26 02 75 26 92 62 40 67
69 84 12 94 51 36 17 02 15 29 16 52 56 43 26 22 08 62
37 77 13 10 02 18 31 19 32 85 31 94 81 43 31 58 33 51

Por ejemplo, si el nmero aleatorio elegido es 81, y el intervalo de 66 a 85 representa una

demanda diaria de cuatro llantas, seleccionamos una demanda de cuatro llantas.
Ahora ilustramos el concepto simulando otros 10 das de demanda de llantas radiales en Auto
Tire de Harry (vase la tabla 5). Elegimos los nmeros aleatorios necesarios en la tabla 4
comenzando en la esquina superior izquierda y continuando hacia abajo en la primera columna.
Es interesante observar que la demanda promedio de 3.9 llantas en esta simulacin de 10 das
difiere significativamente de la demanda diaria esperada, que podemos calcular a partir de los
datos de la tabla 2:
Demanda esperada diaria
5

=0

= 0.05*0+0.10*1+0.20*2+0.30*3+0.20*4+0.15*5 = 2.95 llantas

Si esta simulacin se repite cientos o miles de veces, es ms probable que la demanda simulada
promedio sea casi la misma que la demanda esperada.
Naturalmente, sera riesgoso sacar conclusiones apresuradas respecto a la operacin de una
empresa con tan solo una simulacin corta. No obstante, esta simulacin a mano demuestra los
principios importantes que intervienen; ayuda a entender el proceso de simulacin Monte Carlo
que se usa en los modelos de simulacin computarizados.

TABLA N5
DA
1
2
3
4
5
6
7
8
9
10

NMERO ALEATORIO
52
37
82
69
98
96
33
50
88
90
DEMANDA TOTAL SIMULADA (10 DIAS)

DEMANDA
SIMULADA
3
3
4
4
5
5
2
3
5
5
39

DIARIA

La simulacin para Auto Tire de Harry contiene solamente una variable.

El verdadero poder de simulacin se ve cuando se trata de varias
variables aleatorias y la situacin es ms compleja.