6B

Simulación de variables
especiables:Tablas
Yamile Gpe. Chan Vidal
Angel Miguel Ramirez Garcia
Miguel Frias Morales
Jesus Manuel Lopez Contreras
Ruben Gonzales Gomez
 Variables
01 especiales ¿que
son?
Parámetros adicionales que se introducen en un
modelo para capturar efectos específicos o eventos
que pueden influir en los resultados simulados.
 Se obtienen
02 mediante:
• GENERACION DE
NUMEROS ALEATORIOS
• MUESTREO DE VARIABLES
ALEATORIAS
 Procedimientos para generar
03 números aleatorios:

• Utilización de tablas (Excel)

• Aplicaciones
04 Propiedades de los
números aleatorios:
• Distribucion uniforme
• No correlación serial

Ejemplo: 1, 15, 16,20,22,30,39

Tabla de números
aleatorios

Por: Angel Miguel Ramirez García

 Tabla de números aleatorios
Se generan con métodos aleatorios puros
mediante ruletas, extracción de números al azar,
dados, etc. La secuencia generada se carga en la
memoria de la
computadora.

Ventajas:
• son números aleatorios puros.
Desventajas:
• La sucesión de números es finita,
• Requiere cargar la tabla en memoria
(eventualmente ocupando mucho
espacio), actualmente puede no ser un problema.
1
NÚMEROS
PSEUDOALEATORIOS

Jesús Manuel López Contreras

 ¿Para que sirven?
• Imitan los valores de una variable
aleatoria uniforme. Cumplen los
test de ajuste cómo si fueran esa
variable aleatoria.

• Los números pseudoaleatorios son

secuencias de números generados
p o r algoritmos. Aunque no son
realmente aleatorios.
 Se utilizan para s imular aleatoriedad en a generación
de datos.

Se genera atraves de una formula y se usa cómo semilla p a r a

general valores de variables aleatorias ( discretas,continuas).

son pseudoaletorios porqué se obtienen realizando un conjunto

de operaciones apartir de un número generado en algún paso
anterior

Ventaja Método muy veloz y barato

 Desventaja

Son de periodo finito ( el periodo es la cantidad de números diferentes de

la secuencia generada, hasta que se genera un numero ya generado)
Tanto las secuencias como las subsecuencias de
los números generados deben cumplir las
hipótesis
• Distribución uniforme.
• Independencia ( no correlacionado serial)
•Deben ser secuencias largas y sin huecos
( Densas)
 Equipo 4

Metodo montecarlo-
Simulacion
Ruben gonzalez gomez
 ¿Qué es?

La simulación de Montecarlo es un método enfocado en la

resolución de problemas de carácter matemático a través de un
modelo estadístico que consiste en generar posibles
escenarios resultantes de una serie de datos iniciales.

Este método trata de simular un escenario real y sus distintas

posibilidades, permitiendo al usuario realizar una predicción del
comportamiento de las variables según las estimaciones obtenidas
con el método.
 Donde se utiliza
• A la hora de llevar a cabo grandes proyectos por parte de las empresas, ayuda
a generar diferentes escenarios que se podrían producir en función de los costes
y plazos del proyecto.

• Para crear y estudiar el comportamiento de opciones financieras o carteras de

inversión.

• En muchas ocasiones también se utiliza para gestionar el riesgo en las

inversiones.
 Ventajas

• Genera múltiples posibilidades de escenarios futuros, por lo que nos

ayuda a entender qué puede pasar y tendremos una estimación del
rendimiento del proyecto o inversión.

• Cuando lo utilizamos en sistemas de trading, nos puede ayudar a

darnos cuenta de que el sistema no es útil o va a dejar de serlo.

• Permite analizar el riesgo de la inversión, ya que obtendremos

aproximaciones de las probabilidades de éxito y fracaso.
 Inconvenientes

• Si el sistema opera con datos que no se han llegado a actualizar con

respecto a la situación actual, puede que las conclusiones finales que
saquemos no sean correctas.

• En casos donde la relación entre variables pueda modificar el

resultado final del proyecto o inversión, la simulación de Montecarlo
no nos va a ser de ayuda, ya que no tiene en cuenta la dependencia
entre los datos.

• En muestras poco representativas no tiene sentido aplicarlo, ya que

los resultados finales serán tan poco fiables como la muestra inicial.
Aplicaciones del Metodo
Montecarlo
por: Ing. Miguel Frias Morales
 Principales aplicaciones
01 02
Sistema de inventario P y Q Criptografía

03 04
Programas de computadora Ecología
 En contexto
Es un conjunto de valores generados de forma aleatoria a partir de una distribución de probabilidad
específica estos valores se usan para simular un conjunto de resultados posibles

Se puede aplicar una simulación Montecarlo en presupuestos, estimación de costes, previsiones de ventas,
cobertura FOREX, cálculos del ROI, lanzamiento de nuevos productos etc. también se puede aplicar en
seguros, a la entrada a nuevos mercados o a la gestión de la calidad