You are on page 1of 28

MÉTODO DE

MONTECARLO

INTRODUCCIÓN
El método de Montecarlo es un método numérico que
permite resolver problemas matemáticos mediante la
simulación de variables aleatorias.
Se considera como fecha de nacimiento del método de
Montecarlo el año 1949 en el que apareció el artículo
titulado “The Montecarlo method”

3354 O 1 x .y N = número de puntos 1 N’ = número de puntos dentro de la región de interés S = superficie a calcular S ≈ N’/N N=44 N’=17 N’/N=17/44=0.3864 S=0.

CARACTERÍSTICAS DEL MÉTODO DE MONTECARLO Estructura sencilla Diseñar un procedimiento para realizar una prueba aleatoria. Repetir N veces la prueba de modo que cada experimento sea independiente de los restantes y tomar la media de los resultados. El error es proporcional a la magnitud 𝐷 𝑁. siendo D una constante y N el número de pruebas Suele decirse que el método de Montecarlo resulta eficaz en problemas donde se requiere poca exactitud (error del 5 al 10%) .

PROBLEMAS QUE PERMITE RESOLVER EL MÉTODO DE MONTECARLO Procesos dependientes de factores aleatorios Problemas matemáticos donde es posible establecer un modelo probabilístico artificial .

y N = número de puntos 1 N’ = número de puntos dentro de la región de interés S = superficie a calcular S ≈ N’/N N=44 N’=27 N’/N=27/44=0.6136 S=0.3354 O 1 x .

VARIABLES ALEATORIAS Variables para las que desconocemos el valor que tomarán Sin embargo sí se conoce qué valores pueden tomar así como las probabilidades de que se presenten tales valores VARIABLES ALEATORIAS DISCRETAS Una variable aleatoria es discreta si puede tomar un conjunto de valores numerables x1. x3. x2. Una variable aleatoria discreta se define como sigue: 𝑥𝑛 𝑥1 𝑥2 𝑥3 ξ= … 𝑝𝑛 𝑝1 𝑝2 𝑝3 Es decir 𝑃 ξ = 𝑥𝑖 = 𝑝𝑖 . …. xn.

. p2. p3. ….Las probabilidades p1.Todos los números pi deben ser positivos 2. pn deben cumplir dos condiciones: 1..La suma de todos los pi debe ser igual a 1 Se denomina esperanza matemática de la variable aleatoria ξ el número: 𝑛 𝑖=1 𝑥𝑖 𝑝𝑖 𝑛 𝑖=1 𝑝𝑖 𝑀ξ = 𝑛 𝑀ξ = 𝑥𝑖 𝑝𝑖 𝑖=1 Se denomina varianza de la variable aleatoria ξ el número: 𝐷ξ = 𝑀 ξ − 𝑀ξ 𝐷ξ = 𝑀 ξ 2 2 − 𝑀ξ 2 .

b’) es igual a la integral: 𝑏′ 𝑃 𝑎′ < ξ < 𝑏′ = 𝑝 𝑥 𝑑𝑥 𝑎′ .b) que contiene los valores posibles de esta variable y la función p(x) que lleva el nombre de densidad de probabilidad de la variable aleatoria. Toda variable aleatoria continua queda definida con el intervalo (a.VARIABLES ALEATORIAS CONTINUAS Una variable aleatoria es contínua si puede tomar cualquier valor comprendido en un intervalo (a. La probabilidad de que ξ tome un valor perteneciente al intervalo (a’.b).

.La integral de la densidad p(x) correspondiente a todo el intervalo (a.La densidad p(x) debe ser positiva 2.b) debe ser igual a 1 Se denomina esperanza matemática de la variable aleatoria contínua el número: 𝑏 𝑀ξ = 𝑥 𝑝 𝑥 𝑑𝑥 𝑎 Se denomina varianza de la variable aleatoria ξ el número: 𝐷ξ = 𝑀 ξ 2 − 𝑀ξ 2 ..La densidad p(x) debe cumplir dos condiciones análogas a las condiciones para variables discretas: 1.

.VARIABLES ALEATORIAS NORMALES Variables aleatorias definidas en todo el eje (-∞. ∞) y densidad 𝑝 𝑥 = 1 2𝜋 𝜎 −(𝑥−𝑎)2 𝑒 2𝜎2 Donde a y σ > 0 son parámetros numéricos.

006 0.01 0.0.012 0.008 0.002 0 -350 -250 -150 -50 50 150 250 350 .004 0.

002 0 -350 -250 -150 -50 50 150 250 350 .008 0.012 0.0.006 0.004 0.01 0.

012 0.01 0.0.004 0.006 0.002 0 -350 -250 -150 -50 50 150 250 350 .008 0.

002 0 -350 -250 -150 -50 50 150 250 350 .008 0.0.004 0.01 0.006 0.012 0.

004 0.01 0.008 0.0.006 0.012 0.002 0 -350 -250 -150 -50 50 150 250 350 .

006 0.004 0.01 0.012 0.002 0 -350 -250 -150 -50 50 150 250 350 .0.008 0.

002 0 -350 -250 -150 -50 50 150 250 350 .01 0.012 0.004 0.006 0.008 0.0.

008 0.002 0 -350 -250 -150 -50 50 150 250 350 .01 0.004 0.006 0.012 0.0.

006 0.008 0.004 0.012 0.002 0 -350 -250 -150 -50 50 150 250 350 .01 0.0.

008 0.004 0.002 0 -350 -250 -150 -50 50 150 250 350 .012 0.006 0.0.01 0.

ESPERANZA Y VARIANZA DE VARIABLES ALEATORIAS NORMALES La esperanza y varianza de una variable aleatoria normal son: 𝑀ζ = 𝑎 𝐷ζ = 𝜎 2 .

002 0.006 1 2𝜋 𝜎 −(𝑥−𝑎)2 𝑒 2𝜎2 0.001 0 -350 -300 -250 -200 -150 -100 -50 0 50 100 −3𝜎 𝑃 𝑎 − 3𝜎<ζ < 𝑎 + 3𝜎 = 0.003 0.007 0.997 150 3𝜎 200 250 300 350 . 𝜎 = 50 0.REGLA DE LAS TRES SIGMAS 𝑎 = 0.008 𝑝 𝑥 = 0.004 0.009 0.005 0.

lo que importa es sólo que cada sumando por separado no influya considerablemente en la suma. .TEOREMA CENTRAL DEL LÍMITE La suma de una gran cantidad de variables aleatorias idénticas es aproximadamente normal. Este teorema es válido en situaciones mucho más generales: los sumandos pueden no ser idénticos e independientes.

.

ESQUEMA GENERAL DEL MÉTODO DE MONTECARLO Magnitud ”m” 𝑀ξ = 𝑚 𝐷ξ = 𝑏2 .

007 𝜎2 = 𝑁𝑏2 200 250 0.005 0.𝐷ξ = 𝑏2 ξ1 + ξ2 + ξ3 + … + ξ𝑁 = ρ𝑁 0.003 0.009 0. 0.006 0.001 0 -350 -300 -250 -200 -150 -100 -50 0 50 100 150 300 350 .008 𝑎 = 𝑁𝑚.002 0.004 0.

997 .997 𝑁 𝑁 Se tiene entonces que: 𝑃 1 𝑁 𝑁 ξ𝑗 − 𝑚 < 𝑗=1 3𝑏 𝑁 = 0.997 Si dividimos entre N la desigualdad: 𝑃 𝑚− 3𝑏 𝑁 < ρ𝑁 3𝑏 <𝑚+ = 0.Aplicando la regla de las tres sigma: 𝑃 𝑁𝑚 − 3𝑏 𝑁<ρ𝑁 < 𝑁𝑚 + 3𝑏 𝑁 = 0.