METODO DE MONTE CARLO INTELIGENCIA ARTIFICIAL

SEBASTIAN SALGADO ALZATE 1094920446 OSCAR FERNANDO YEPES VARGAS 1097396152

REVISADO POR: Ing. FERNANDO TOVAR HERRERA

TITULAR DE LA ASIGNATURA DE MODELOS ESTOCASTICOS

PROGRAMA DE INGENIERA CIVIL

ARMENIA 7 de Marzo de 2013

MODELOS ESTOCASTICOS
CONSULTA 2

METODO DE MONTECARLO

El mtodo de Monte Carlo1 es un mtodo no determinstico o estadstico numrico, usado para aproximar expresiones matemticas complejas y costosas de evaluar con exactitud. El mtodo se llam as en referencia al Casino de Monte Carlo (Principado de Mnaco) por ser la capital del juego de azar, al ser la ruleta un generador simple de nmeros aleatorios. El nombre y el desarrollo sistemtico de los mtodos de Monte Carlo datan aproximadamente de 1944 y se mejoraron enormemente con el desarrollo de la computadora. El uso de los mtodos de Monte Carlo como herramienta de investigacin, proviene del trabajo realizado en el desarrollo de la bomba atmica durante la Segunda Guerra Mundial en el Laboratorio Nacional de Los lamos en EE. UU. Este trabajo conllevaba la simulacin de problemas probabilsticos de hidrodinmica concernientes a la difusin de neutrones en el material de fisin. Esta difusin posee un comportamiento eminentemente aleatorio. En la actualidad es parte fundamental de los algoritmos de Raytracing para la generacin de imgenes 3D. En la primera etapa de estas investigaciones, John von Neumann y Stanislaw Ulam refinaron esta ruleta rusa y los mtodos "de divisin" de tareas. Sin embargo, el desarrollo sistemtico de estas ideas tuvo que esperar al trabajo de Harris y Herman Kahn en 1948. Aproximadamente en el mismo ao, Enrico Fermi, Nicholas Metropolis y Ulam obtuvieron estimadores para los valores caractersticos de la ecuacin de Schrdingerpara la captura de neutrones a nivel nuclear usando este mtodo. La importancia actual del mtodo Montecarlo se basa en la existencia de problemas que tienen difcil solucin por mtodos exclusivamente analticos o numricos, pero que dependen de factores aleatorios o se pueden asociar a un modelo probabilstica artificial (resolucin de integrales de muchas variables, minimizacin de funciones, etc.). Gracias al avance en diseo de los ordenadores, clculos Montecarlo que en otro tiempo hubieran sido inconcebibles, hoy en da se presentan como asequibles para la resolucin de ciertos problemas. En estos mtodos el error ~ 1/N, donde N es el nmero de pruebas y, por
Facultad de Ingeniera Programa de Ingeniera Civil
-2-

FACULTAD DE INGENIERIA

MODELOS ESTOCASTICOS
CONSULTA 2

tanto, ganar una cifra decimal en la precisin implica aumentar N en 100 veces. La base es la generacin de nmeros aleatorios de los que nos serviremos para calcular probabilidades. Conseguir un buen generador de estos nmeros as como un conjunto estadstico adecuado sobre el que trabajar son las primeras dificultades con la nos vamos a encontrar a la hora de utilizar este mtodo. En el caso que presentamos hemos hecho uso de la funcin random incluida en la clase Math que la mquina virtual Java trae por defecto como generador. Las pruebas realizadas, algunas de las cuales se propondrn como ejercicio, verifican su calidad a la hora de calcular nmeros aleatorios sin tendencia aparente a la repeticin ordenada.

Facultad de Ingeniera Programa de Ingeniera Civil

-3-

FACULTAD DE INGENIERIA

MODELOS ESTOCASTICOS
CONSULTA 2

Veamos un ejemplo sencillo: En la imagen inferior se muestra un anlisis histrico de 200 das sobre el nmero de consultas diarias realizadas a un sistema de informacin empresarial (EIS) residente en un servidor central. La tabla incluye el nmero de consultas diarias (0 a 5) junto con las frecuencias absolutas (nmero de das que se producen 0, 1, ..., 5 consultas), las frecuencias relativas (10/200 = 0,05, ...), y las frecuencias relativas acumuladas.

Podemos interpretar la frecuencia relativa como la probabilidad de que ocurra el suceso asociado, en este caso, la probabilidad de un determinado nmero de consultas (as, p.e., la probabilidad de que se den 3 consultas en un da sera de 0,30), por lo que la tabla anterior nos proporciona la distribucin de probabilidad asociada a una variable aleatoria discreta (la variable aleatoria es el nmero de consultas al EIS, que slo puede tomar valores enteros entre 0 y 5). Supongamos que queremos conocer el nmero esperado (o medio) de consultas por da. La respuesta a esta pregunta es fcil si recurrimos a la teora de la probabilidad: Denotando por X a la variable aleatoria que representa el nmero diario de consultas al EIS, sabemos que:

Por otra parte, tambin podemos usar simulacin de Monte Carlo para estimar el nmero esperado de consultas diarias (en este caso se ha
Facultad de Ingeniera Programa de Ingeniera Civil
-4-

FACULTAD DE INGENIERIA

MODELOS ESTOCASTICOS
CONSULTA 2

podido obtener el valor exacto usando teora de probabilidad, pero ello no siempre ser factible). Veamos cmo: Cuando se conozca la distribucin de probabilidad asociada a una variable aleatoria discreta, ser posible usar la columna de frecuencias relativas acumuladas para obtener los llamados intervalos de nmeros aleatorios asociados a cada suceso.

En este caso, los intervalos obtenidos son: [0,00 [0,05 [0,15 [0,35 [0,65 [0,85 , , , , , , 0,05) 0,15) 0,35) 0,65) 0,85) 1,00) para para para para para para el el el el el el suceso suceso suceso suceso suceso suceso 0 1 2 3 4 5

El grfico siguiente nos muestra cada una de las probabilidades sobre el nmero de consultas. En l, se aprecia claramente la relacin existente entre probabilidad de cada suceso y el rea que ste ocupa.

Esto significa que, al generar un nmero pseudo-aleatorio con el ordenador (proveniente de una distribucin uniforme entre 0 y 1), estaremos llevando a cabo un experimento cuyo resultado, obtenido de forma aleatoria y segn la distribucin de probabilidad anterior, estar
Facultad de Ingeniera Programa de Ingeniera Civil
-5-

FACULTAD DE INGENIERIA

MODELOS ESTOCASTICOS
CONSULTA 2

asociado a un suceso. As por ejemplo, si el ordenador nos proporciona el nmero pseudo-aleatorio 0,2567, podremos suponer que ese da se han producido 2 consultas al EIS. Asignamos pues la funcin ALEATORIO a una casilla (la G1 en el caso de la imagen):

Seleccionando la celda y arrastrando con el ratn desde el borde inferior derecho de la misma podemos obtener un listado completo de nmeros pseudo-aleatorios:

A continuacin, podemos usar la funcin SI de Excel para asignar un suceso a cada uno de los nmeros pseudo-aleatorios generados (como veremos, otra forma de hacer esta asignacin ser usando la funcin BUSCARV):

Facultad de Ingeniera Programa de Ingeniera Civil

-6-

FACULTAD DE INGENIERIA

MODELOS ESTOCASTICOS
CONSULTA 2

Repitiendo el proceso de seleccionar y arrastrar obtendremos algo similar a:

Finalmente, usando la funcin PROMEDIO ser posible calcular la media de los valores de la columna H:

En este caso, hemos obtenido un valor estimado que corresponde exactamente con el valor real anteriormente calculado va la definicin terica de la media. Sin embargo, debido a la componente aleatoria intrnseca al modelo, normalmente obtendremos valores cercanos al valor real, siendo dichos valores diferentes unos de otros (cada simulacin proporcionar sus propios resultados). Se puede comprobar este hecho pulsando repetidamente sobre la funcin F9 (cada vez que se pulsa dicha tecla, Excel genera nuevos valores aleatorios y, por tanto,
Facultad de Ingeniera Programa de Ingeniera Civil
-7-

FACULTAD DE INGENIERIA

MODELOS ESTOCASTICOS
CONSULTA 2

nuevos valores para la columna H y la casilla I1). Si en lugar de usar una muestra aleatoria formada por 100 observaciones hubisemos usado una formada por 10, los valores que obtendramos al pulsar repetidamente F9 no seran estimaciones tan buenas al valor real. Por el contrario, es de esperar que si hubisemos usado 1.000 (o mejor an 10.000) observaciones, los valores que obtendramos en la casilla I1 estaran todos muy cercanos al valor real.

Facultad de Ingeniera Programa de Ingeniera Civil

-8-

FACULTAD DE INGENIERIA

MODELOS ESTOCASTICOS
CONSULTA 2

Que es la realidad virtual? La realidad virtual es por lo general un mundo virtual generado por ordenador (o sistemas informticos) en el que el usuario tiene la sensacin de estar en el interior de este mundo, y dependiendo del nivel de inmersin este puede interactuar con este mundo y los objetos del mismo en un grado u otro. No obstante el termino realidad virtual tambin puede aplicarse a otros mundos virtuales generados por otros medios, como por ejemplo a travs de la imaginacin (sueos, libros, cine, etc...) La realidad virtual ideal seria la que desde una inmersin total nos permita una interaccin sin lmites con el mundo virtual, adems de aportarnos como mnimo los mismos sentidos que tenemos en el mundo real (vista, odo, tacto, gusto, olfato). Sin embargo, la mayora de los sistemas actuales se centran en nicamente 2 sentidos (vista y odo), debido a las dificultadas y costes de simular los otros sentidos. En cuanto a los tipos de RV, esta puede subdividirse de modos diversos: TIPO DE INMERSION REALIDAD VIRTUAL INMERSIVA Se consigue una inmersin total mediante perifricos (cascos de realidad virtual, gafas, posicionadores, HDM...), hasta el punto de desaparecer el mundo real. REALIDAD VIRTUAL SEMIINMERSIVA Interactuamos con el mundo virtual, pero sin estar sumergidos en el mismo, por ejemplo a travs de un monitor. Este tipo de RV es muy comn en videojuegos en la actualidad ya que no requiere ningn hardware especial. INDIVIDUAL O COMPARTIDA HUMANO-MAQUINA nicamente puede interaccionar una persona por mundo virtual. Ejemplo de este tipo de RV serian los videojuegos no multijugados,

Facultad de Ingeniera Programa de Ingeniera Civil

-9-

FACULTAD DE INGENIERIA

MODELOS ESTOCASTICOS
CONSULTA 2

Cines 3d, etc... HUMANOS-MAQUINA Es posible que ms de una persona comparta el mismo mundo virtual e interaccin al mismo tiempo con el mismo y/o entre ellos. Los usos actuales mas frecuentes de la realidad virtual son los siguientes: - Entrenamiento de pilotos, astronautas, soldados, etc... - Medicina educativa, por ejemplo para la simulacin de operaciones - CAD (diseos asistidos por ordenador). Permite ver e interactuar con objetos antes de ser creados, con el evidente ahorro de costes. - Creacin de entornos virtual (museos, tiendas, aulas, etc...). - Tratamiento de fobias. (Aerofobia, aracnofobia, claustrofobia, etc...) - Juegos, Cine 3D y todo tipo de entretenimiento.
http://www.realidadvirtual.com/que-es-la-realidad-virtual.htm

Facultad de Ingeniera Programa de Ingeniera Civil

- 10 -

FACULTAD DE INGENIERIA

MODELOS ESTOCASTICOS
CONSULTA 2

Que es la realidad aumentada?

La Realidad Aumentada es una tcnica mediante la cual los usuarios pueden percibir la realidad superponiendo a los objetos reales modelos virtuales enriquecidos. El observador puede trabajar y examinar objetos 3D reales mientras recibe informacin adicional sobre estos objetos o sobre la tarea que se est realizando. De este modo, la RA permite al usuario permanecer en contacto con su entorno de trabajo, mientras su foco de atencin no est en el ordenador, sino en el mundo real. El papel que juega el ordenador es el de asistir y mejorar las relaciones e interacciones entre las personas y el mundo real. En los sistemas de RV el usuario est completamente inmerso en un mundo artificial y no hay manera de interactuar con objetos del mundo real. En contraposicin, en la realidad aumentada los usuarios pueden interactuar mezclando el mundo real y virtual de una forma natural. As, la diferencia entre RV y RA est en el tratamiento que hacen del mundo real. La RV sumerge al usuario dentro de un mundo virtual que remplaza completamente al mundo real exterior, mientras que la RA deja ver al usuario el mundo real a su alrededor y aumenta la visin que ste tiene de su entorno mediante la superposicin o composicin de los objetos 3D virtuales. Idealmente, esto dara al usuario la ilusin que los objetos de los mundos real y virtual coexisten. En definitiva, se podra decir que los sistemas de RA llevan el ordenador al entorno de trabajo real del usuario, mientras que los sistemas de RV intentan llevar el mundo real al interior del ordenador. La Realidad Aumentada es utilizable en mltiples aplicaciones. Pueden organizarse reuniones en las cuales los asistentes vayan equipados con gafas especiales conectadas al ordenador, de forma que todos visualicen un mismo mundo virtual y al mismo tiempo puedan verse entre ellos.
Facultad de Ingeniera Programa de Ingeniera Civil
- 11 -

FACULTAD DE INGENIERIA

MODELOS ESTOCASTICOS
CONSULTA 2

El cirujano puede recibir informacin en sus gafas mientras manipula al paciente. Este tipo de sistemas lo hemos podido apreciar en pelculas de ciencia ficcin. Recuerdas los pilotos que a travs de sus gafas ven la realidad y superpuesta a ella informacin acerca de distancia, altura...?

http://www.innovatecno.com/textora.php

Facultad de Ingeniera Programa de Ingeniera Civil

- 12 -

FACULTAD DE INGENIERIA