ORGENES DEL MTODO MONTECARLO

Los orgenes de esta tcnica estn ligados al trabajo desarrollado por Stan
Ulam y John Von Neumann a finales de los 40 en el laboratorio de Los lamos,
cuando investigaban el movimientoaleatorio de los neutrones [W1].
En aos posteriores, la simulacin de Monte Carlo se ha venido aplicando a
una infinidad de mbitos como alternativa a los modelos matemticos exactos o
incluso como nico medio de estimar soluciones para problemas complejos.
As, en la actualidad es posible encontrar modelos que hacen uso de
simulacin MC en las reas informtica, empresarial, econmica, industrial e
incluso social.
En otras palabras, la simulacin de Monte Carlo est presente en todos
aquellos mbitos en los que el comportamiento aleatorio o probabilstico
desempea un papel fundamental precisamente, el nombre de Monte Carlo
proviene de la famosa ciudad de Mnaco, donde abundan los casinos de juego
y donde el azar, la probabilidad y el comportamiento aleatorio conforman todo
un estilo de vida.
QU ES LA SIMULACIN DE MONTE CARLO?
La simulacin de Monte Carlo es una tcnica cuantitativa que hace uso de la
estadstica y los ordenadores para imitar, mediante modelos matemticos, el
comportamiento aleatorio de sistemas reales no dinmicos (por lo general,
cuando se trata de sistemas cuyo estado va cambiando con el paso del tiempo,
se recurre bien a la simulacin de eventos discretos o bien ala simulacin de
sistemas continuos).
USOS

Estimar el retorno de la inversin y el riesgo de productos.

Pronosticar costos e ingresos.
Pronosticar la capacidad ptima de produccin de plantas.
Estimar cantidades ptimas para pedidos y ventas.
Estimar las opciones reales de un proyecto.
Definir estrategias de inversin.

VENTAJAS
Es un mtodo directo y flexible.
Cuando el modelo matemtico es demasiado complicado la simulacin
permite obtener una simulacin.
La simulacin permite resolver problemas que no tiene solucin
analtica.
La simulacin no interviene en el mundo real, permite experimentar.
DESVENTAJAS

La simulacin no genera soluciones ptimas globales.

Una buena simulacin puede resultar muy complicada, debido al gran

nmero de variables.
No proporciona la decisin a tomar, sino que resuelve el problema

mediante aproximacin para unas condiciones inciales.

Cada simulacin es nica, interviene el azar.

DESCRIPCIN DEL MTODO DE MONTECARLO

Existen 5 pasos ideales a seguir para el mtodo.
1. Establecer distribuciones de probabilidad. La idea inicial es la
generacin de valores para las variables que componen el modelo a
efectuar. Existen una gran variabilidad de ejemplos donde se llega
anotar este punto, algunos de ellos son: el tiempo de descompostura de
una maquina, la demanda de un inventario sobre una base diaria o
semanal, el tiempo deservicio, etc. Una manera fcil de establecer una
distribucin de probabilidad de una variable es a travs de examen
histrico. La frecuencia relativa para cada resultado de una variable se
encuentra al dividir la frecuencia de la observacin entre el nmero total
de observaciones.
2. Construir una distribucin de probabilidad acumulada para cada
variable. Aqu se tiene que convertir una distribucin de probabilidad
regular a una distribucin de probabilidad acumulada.
3. Establecer intervalos de nmeros aleatorios. En este paso se debe
asignar un conjunto que represente a cada valor posible. Estos estn

establecidos como intervalos de nmeros aleatorios que surgieron un

proceso aleatorio (tomando el nmero de dgitos requeridos)
4. Generacin de nmeros aleatorios. Estos nmeros se pueden generar
de dos maneras:
La primera es, si se tiene un problema grande y el proceso involucra
miles de ensayos, lo conveniente es utilizar algn software especializado
para generarlo.
La segunda, si la simulacin se tiene que hacer a mano, los nmeros se
pueden seleccionar en una tabla establecida de nmeros aleatorios.
5. Simular el experimento. No es ms que poner en prctica la simulacin
de dicho experimento, mediante varios ensayos para poder concluir
correctamente, ya que al hacer pocos ensayos podramos cometer
errores que perjudicaran el experimento o en el peor de los casos
echarlo a perder.