Introducción

La Simulación de Monte Carlo es una técnica que permite

realizar un muestreo simulado. Con sólo conocer el
comportamiento probabilístico del evento a través de una
función de densidad, es
posible obtener una cantidad ilimitada de muestras cuya
tendencia será muy similar al comportamiento real. El método
de Monte Carlo calcula la incertidumbre en el pronostico de
eventos futuros.
Orígenes
Se atribuye a Stanislaw Ulam, matemático polaco que trabajo para John
von Neumann en el proyecto Manhattan durante la segunda guerra
mundial y contribuyo junto con Edward Teller en el diseño de la bomba
de Hidrogeno en 1951.
Ulam no inventó el muestreo estadístico, pero reconoció la el potencial
de los computadores electrónicos para automatizar el proceso.
Trabajando con John von Neuman y Nicholas Metrópolis, desarrollo
algoritmos de implementación y exploró formas de convertir problemas
no aleatorios en formas aleatorias para ser solucionados vía muestreo
estadístico.
Ulam y Metropolis publican el primer paper en 1949.
El método se llamó así en referencia al Casino de
Montecarlo (Mónaco) por ser “la capital del juego de azar”,
al ser la ruleta un generador simple de números aleatorios
FUNCIONAMIENTO

La simulación Monte Carlo realiza el análisis de riesgo con la creación de

modelos de posibles resultados mediante la sustitución de un rango de
valores —una distribución de probabilidad— para cualquier factor con
incertidumbre inherente. Luego, calcula los resultados una y otra vez,
cada vez usando un grupo diferente de valores aleatorios de las
funciones de probabilidad

Dependiendo del número de incertidumbres y de los rangos

especificados, para completar una simulación Monte Carlo puede ser
necesario realizar miles o decenas de miles de recálculos
DEFINICION

Es una de las técnicas más usadas en

simulación. Según Naylor, el método de
Montecarlo es una técnica de simulación
para para problemas con una base
estocástica y probabilística.
Existen dos tipos diferentes de problemas que dan
lugar al empleo de esta técnica:

1º.- problemas que implican algún tipo de proceso

estocástico como la demanda del consumidor .

2º.- problemas matemáticos completamente

determinísticos, que no pueden resolverse fácilmente,
como evaluar integrales.
Pasos del Método de Montecarlo:

1.- Identificar el experimento o sistema a

simular.

2.- Identificar el espacio muestral y definir la

variedad aleatoria.

3.- Definir la función de probabilidad.

4.- Construir la función acumulada de
probabilidad

5.- Calcular o construir la tabla de la

transformación inversa de la función acumulada
de probabilidad.

6.- Generar un número aleatorio y ubicarlo en la

tabla de la transformada inversa para simular un
valor específico de la variable aleatoria.
 probabilidad de ruleta
x p(x) fx intervalos
1 0.125 0.125 0 0.125
2 0.125 0.250 0.125 0.25 Ruleta
3 0.125 0.375 0.25 0.375
4 0.125 0.500 0.375 0.5
5 0.125 0.625 0.5 0.625
6 0.125 0.750 0.625 0.75
7 0.125 0.875 0.75 0.875
8 0.125 1.000 0.875 1

no. De pontencia
lanzamient de giro Buscar
1 0.8494917 7 1 2 3 4 5 6 7 8

2 0.88324889 8
3 0.61755607 5
4 0.36690731 3
5 0.73998572 6
6 0.4634581 4
7 0.56872342 5
8 0.29482415 3
9 0.28441456 3
10 0.00016405 1
 probabilidad del dado

X P(X) fx intervalos no. De potencia de

buscar
1 0.16667 0.16666667 0 0.16666667
lanzamiento giro

2 0.16667 0.33333333 0.16666667 0.33333333 1 0.20411774 2

2 0.99571138 6
3 0.16667 0.5 0.33333333 0.5
3 0.27815999 2
4 0.16667 0.66666667 0.5 0.66666667 4 0.76240557 5
5 0.16667 0.83333333 0.66666667 0.83333333 5 0.29890791 2
6 0.16667 1 0.83333333 1 6 0.98209489 6
7 0.73110835 5
8 0.8708231 6
9 0.30980798 2
10 0.0391842 1
Un ejemplo del método de
Montecarlo es el cálculo de áreas y
de integración numérica.
F(x)

+ Rechazo

+
Yi

Acierto

x
0 a Xi b
Si se requiere obtener el área bajo f(x)
en el intervalo (a,b).
Entonces:
a)f(Xi) ≥Yj, entonces el valor de Yi
esta dado por debajo de la curva f(x)
y se dice que se ha obtenido un
acierto.
b)F(Xi) ‹ Yj entonces sucede lo
contrario y se dice que hay un error.
Por tanto se rechaza el punto
localizado.
 VENDEDOR DE PERIÓDICOS

Un vendedor de periódico compra cada mañana una cantidad fija de periódicos Q que adquiere
a s/.0.50 cada uno y los vende a s/.1.00 . Debido a la caducidad de los periódicos aquellos
que no son vendidos el mismo día se venden como reciclaje a s/. 0.10 por unidad

la demanda diaria esta dada desacuerdo al cuadro

Q unidades P (x)
10 8%
25 10%
40 15% ¿Cual es la cantidad diaria de periódicos que debe comprar
55 24% el vendedor para obtener utilidad considerables?
70 21%
85 15%
100 7%
Q unidades LI LS ALEATORIO DEMANDA Q COSTO DE COMPRA $ VENTA A TIEMPO SALVAMENTO UTILIDAD
10 0 8% 1 0.72396369 70 35 24500 49000 0 24500
25 0.08 18%
2 0.470138498 55 35 24500 49000 0 24500
40 0.18 33%
3 0.656911214 70 35 24500 49000 0 24500
55 0.33 57%

70 0.57 78%
4 0.854926488 85 35 24500 49000 0 24500
85 0.78 93% 5 0.70762599 70 35 24500 49000 0 24500
100 0.93 100% 6 0.04627498 10 35 24500 14000 1250 -9250
7 0.432287515 55 35 24500 49000 0 24500
8 0.929071377 85 35 24500 49000 0 24500
9 0.406394132 55 35 24500 49000 0 24500
10 0.385337657 55 35 24500 49000 0 24500
11 0.351973128 55 35 24500 49000 0 24500
12 0.154026753 25 35 24500 35000 500 11000
13 0.232603769 40 35 24500 49000 0 24500
14 0.904967163 85 35 24500 49000 0 24500
15 0.843309752 85 35 24500 49000 0 24500
21350
 Q REPLICA 1 REPLICA 2 REPLICA 3 REPLICA 4 REPLICA 5 PROMEDIO U
15 10500 9600 10500 10500 10050 10230
25 16150 16150 13450 14800 14800 15070
35 18200 21350 22700 18200 16400 19370
45 24750 17550 24300 22500 22950 22410
55 19600 30400 29050 31750 20950 26350
65 19850 17600 22100 30650 19850 22010
75 3000 24150 7500 24600 31800 18210
85 33850 21700 25750 28450 19000 25750
95 6650 19250 10700 21950 8000 13310
100 9250 21400 17350 6550 2500 11410
 Chart Title
30000

25000

20000

15000

10000

5000

0
0 20 40 60 80 100 120