SIMULACIÓN MONTE CARLO

INVESTIGACIÓN OPERATIVA
 SIMULACIÓN MONTE CARLO
INVESTIGACIÓN OPERATIVA

Introducción
La Simulación Monte Carlo es una técnica que se utiliza para resolver sistemas con elementos cuyo
comportamiento está regido por el azar, del árabe zahr, dado, literalmente “flores”.

La base de SMC es la experimentación con los elementos de azar (o probabilísticos) a través de un

muestreo aleatorio, del latín aleatorïus, propio del juego de dados.

¿Lo aleatorio interviene en nuestras vidas?

Si hoy es lunes, mañana es martes; si pago, puedo comprar; si bajo el andén, pasará el metro; etc.
>>Probabilidad = 1. ¿La vida es determinista?

¿Y si cambia el tipo de calendario?... ¿Y si se produce un desabastecimiento?... ¿Y si hay huelga de

conductores?... Casi nunca sucede. ¿La vida es casi segura? >> Probabilidad cercana a 1.

¿Tu hijo nacerá en martes?... ¿Cuánto tardarás en la cola del hipermercado?... ¿A qué hora pasará el
próximo colectivo para tu trabajo?... Estamos rodeados de fenómenos azarosos… La vida en general
es aleatoria.>> Probabilidad variable.

En muchos casos, es muy complicado calcular estas probabilidades explícitamente. El método Monte
Carlo lo que hace es simular estos fenómenos –muchas veces, con ordenador- y aproximarlos, para
ello se sirve de los números aleatorios.

Historia
Los orígenes de esta técnica están ligados al trabajo desarrollado por Stanislaw Ulam y John von
Neumann.

A partir de los juegos militares o de operaciones, durante la Segunda Guerra Mundial el gran
matemático John von Neumann desarrolló un nuevo concepto, la simulación Monte Carlo. Debido a
que trabajaba con neutrones en el laboratorio científico Los Alamos, utilizó la simulación para
resolver problemas de física cuyo análisis manual o mediante un modelo físico era demasiado
complejo o costoso. La naturaleza aleatoria de los neutrones sugería la utilización de una rueda de
SIMULACIÓN MONTE CARLO | 03/12/2010

ruleta para manejar sus posibilidades. En razón de la naturaleza del juego, von Neumann lo bautizó
como modelo Monte Carlo para estudiar las leyes del azar. Monte Carlo fue uno de los casinos más
célebres en juegos de ruleta inaugurado en 1861.

En años posteriores, la simulación Monte Carlo se ha venido aplicando a una infinidad de ámbitos
como alternativa a los modelos matemáticos exactos o incluso como único medio de estimar
soluciones para problemas complejos. Así, en la actualidad es posible encontrar modelos que hacen
uso de simulación MC en las áreas informática, empresarial, económica, industrial e incluso social.

Simulación Monte Carlo

La idea básica de la SMC es generar valores para las variables que componen el modelo bajo estudio.
Los sistemas cotidianos cuentan con muchas variables de naturaleza probabilísticas que quizás se
deseen simular. Algunos ejemplos de estas variables son las siguientes:

1. Demanda de inventario diario o semanal.

1
 2. Plazo de entrega para que lleguen los pedidos de inventario.
3. Tiempo entre descomposturas de maquinaria.
4. Tiempos entre llegadas en una instalación de servicio.
5. Tiempos de servicios.
6. Tiempos para terminar las actividades de un proyecto.
7. Número de empleados ausentes de trabajo cada día.

Los cinco pasos de la simulación Monte Carlo:

1. Fijar una distribución de probabilidad para las variables importantes.

Las distribuciones de probabilidad no necesitan únicamente basarse en observaciones históricas. A

veces, se utiliza un muestreo de ventas, descomposturas de maquinaria o tasas de servicio para
determinar probabilidades de dichas variables.

2. Construir una distribución de probabilidad acumulada para cada variable en el paso 1.

Una probabilidad acumulada es la probabilidad de que la variable sea menor que o igual a un valor
específico. Ordena en una lista todos los valores y probabilidades posibles.

3. Establecer un intervalo de números aleatorios para cada variable.

Se debe asignar un grupo de números para representar cada valor o resultado posible a estos se los
conoce como intervalos de números aleatorios.

4. Generar números aleatorios.

Si los números aleatorios son muy grandes y el proceso a estudiar involucra miles de pruebas de
simulación, se pueden encontrar programas de cómputo para generar los números aleatorios
requeridos.

Si la simulación se lleva a cabo a mano los números pueden seleccionarse mediante el giro de una
rueda de ruleta de 100 divisiones, sacando a ciegas piezas numeradas. El método que se utiliza más
comúnmente es elegir números de un cuadro de dígitos aleatorios.

5. Simular realmente una serie de pruebas.

Se pueden simular resultados de un experimento eligiendo simplemente números aleatorios de la tabla

de números aleatorios. Se comienza en cualquier lugar de la tabla, y se observa el intervalo de
números asignados a cada variable dentro del cual cae el número.
SIMULACIÓN MONTE CARLO | 03/12/2010

Luego se calcula el promedio de los resultados obtenidos.

Problema 15-15 de Métodos Cuantitativos para los negocios

El número de automóviles que llegan por hora a Lundberg`s Car Wash durante las últimas 200 horas
de funcionamiento se ordenó de la siguiente forma:

2
Paso 1. Establecimiento de una distribución de probabilidad

Paso 2. Construcción de una distribución de probabilidad acumulada para cada variable.

SIMULACIÓN MONTE CARLO | 03/12/2010

Paso 3. Establecimiento de intervalos de números aleatorios.

3
 Paso 4. Generación de números aleatorios.

Para la generación de números aleatorios entramos a la pagina: http://www.random.org/ y obtuvimos

la siguiente tabla:
SIMULACIÓN MONTE CARLO | 03/12/2010

Paso 5. Simulación del experimento.

4
Resultados obtenidos:

Total de Automóviles que llegan en 15 horas= 90

Promedio de automóviles por hora= 6

Resolución del problema en EXCEL

SIMULACIÓN MONTE CARLO | 03/12/2010

5
 Resolución del problema en QM for WIN
SIMULACIÓN MONTE CARLO | 03/12/2010

6
 SIMULACIÓN MONTE CARLO | 03/12/2010

CONCLUSIÓN
Luego de haber resuelto el problema por diferentes métodos obtuvimos resultados similares en los
tres: a mano, EXCEL y QM for Win. El promedio de automóviles que llegan varia entre 6 y 7 por
hora.

La simulación en computadora es una de las técnicas más utilizada actualmente en la administración

de todo tipo de organización. Muchas organizaciones usan la simulación para tomar decisiones cuando

7
 no se cuenta con modelos matemáticos analíticos que permitan alcanzar resultados óptimos en el
estudio de sistemas y subsistemas, debido a la complejidad que presentan, a las relaciones estocásticas
que existen entre sus componentes o a la ausencia de información y datos. Quienes toman decisiones
en las organizacionales, sean de tipo administrativo, económico, de negocios, de inventarios, de
nuevas instalaciones, etcétera enfrentan situaciones que posiblemente no experimentaron nunca antes,
y entonces, los intentos por usar modelos analíticos para resolver sus problemas de decisión, por lo
general, requieren tantas suposiciones simplicadoras, que es probable que las soluciones sean
inadecuadas para ponerlas en práctica.

Actualmente, existen técnicas para probar con anticipación los resultados de algunas de las
decisiones que se piensan tomar en las organizaciones; esto es posible mediante la simulación en
computadoras de los procesos o sistemas reales de esas organizaciones y, de hecho, ya existe un gran
número de empresas en todo el mundo que han implantado modelos de simulación en computadoras
para seleccionar cursos de acción en áreas financieras, de mercadotecnia, producción, inventarios,
etc.

Bibliografía consultada
Métodos cuantitativos para los negocios, Render –Stair – Hanna, novena edición, Cap. 15 Modelado
de la Simulación.

“ENSEÑANZA DE SIMULACIÓN MONTE CARLO CON HOJA DE CÁLCULO EXCEL EN LA

CARRERA DE ADMINISTRACIÓN” Vicente Ángel Ramírez Barrera Universidad Autónoma
Metropolitana

Curso Simulaciones Monte Carlo, PDF, Universidad Politécnica de Madrid.

Simulación de Monte Carlo con EXCEL, Autores: Javier Faulín (ffaulin@uoc.edu), Ángel A. Juan
(ajuanp@uoc.edu).
SIMULACIÓN MONTE CARLO | 03/12/2010