SIMULACIÓN DE SISTEMAS

Melanie Vallejos Castro

6-2

ALGORITMO DE MONTECARLO
El método de Monte Carlo es una técnica numérica para calcular probabilidades y otras cantidades
relacionadas, utilizando secuencias de números aleatorios. Es un algoritmo, en general no
determinista, para problemas de decisión que, a veces, no dan la respuesta correcta.
El algoritmo de Simulación Monte Carlo Crudo o Puro está fundamentado en la generación de
números aleatorios por el método de Transformación Inversa, el cual se basa en las
distribuciones acumuladas de frecuencias:

 Determinar la/s V.A. y sus distribuciones acumuladas(F).

 Generar un número aleatorio uniforme ∈ (0,1).
 Determinar el valor de la V.A. para el número aleatorio generado de acuerdo a las clases
que tengamos.
 Calcular media, desviación estándar error y realizar el histograma.
 Analizar resultados para distintos tamaños de muestra.
Las principales características a tener en cuenta para la implementación o utilización del algoritmo
son:

 El sistema debe ser descrito por 1 o más funciones de distribución de probabilidad (fdp).
 Generador de números aleatorios: como se generan los números aleatorios es importante
para evitar que se produzca correlación entre los valores muestrales.
 Establecer límites y reglas de muestreo para las fdp: conocemos que valores pueden
adoptar las variables.
 Definir Scoring: Cuando un valor aleatorio tiene o no sentido para el modelo a simular.
 Estimación Error: ¿Con que error trabajamos, cuanto error podemos aceptar para que una
corrida sea válida?
 Técnicas de reducción de varianza.
 Paralelización y vectorización: En aplicaciones con muchas variables se estudia trabajar
con varios procesadores paralelos para realizar la simulación.
Teorema
Si este algoritmo se aplica a n cláusulas de longitud 2 y r 2n2, entonces si las cláusulas
son consistentes, la probabilidad de encontrar una asignación verdadera es mayor o igual que
1/2.

Si podemos demostrar que la probabilidad de encontrar una asignación consistente es mayor o

igual que 1/2, entonces la podemos hacer tan cercana a uno como queramos. Si repetimos el
mismo algoritmo k veces, y decimos que es consistente si en una de las k veces resulta consistente,
entonces:
SIMULACIÓN DE SISTEMAS
Melanie Vallejos Castro
6-2

Método de Montecarlo por Distribución Normal Probabilística

Se utiliza como herramienta de simulación el método de Monte Carlo, que permite la

simulación de un sistema cuando presenta elementos de naturaleza aleatoria en su
comportamiento, esta facultad facilita la proyección de las ventas, no obstante, la precisión se
pierde al por ser completamente aleatorio por lo cual se propone utilizar la distribución normal
probabilística, herramienta que lograr obtener cálculos probabilísticos precisos, en conjunto con
el método Montecarlo dando como resultado una proyección con menor margen de error Se
adapta la siguiente fórmula de la Distribución Normal que se aplicado en el algoritmo Búsqueda
Tabú, según Cevallos:

Esta distribución permite obtener la demanda de un día de venta por lo cual hay que
despejar la x y tomarla entorno a n por lo cual se muestra lo siguiente formulas:

La media y la desviación estándar tiene la formula dedicada para varios valores así mismo el
cálculo de los números aleatorios, por lo tanto, el valor de x queda de la siguiente forma:

Para aplicar el algoritmo de Montecarlo se debe conocer la fórmula de la distribución normal

como se muestra en fórmulas.