Método de simulación de Montecarlo

[pic 1]

FACULTAD DE CIENCIAS DE LA

COMPUTACIÒN

Tema:

Método de simulación de Montecarlo

ALUMNO:

Anthony Arteaga

SEMESTRE:

Sexto

Periodo académico: A20

Tema: Método de simulación de Montecarlo.

¿Cuáles son los posibles problemas en la aplicación de esta simulación?

Introducción:

Es muy conocido desde muchos años atrás a Montecarlo como un método de simulación considerado como una técnica matemática computarizada, que permite evidenciar , según una situación de riesgo en un estado de análisis, siendo imprescindible en la toma de decisiones, frente a una serie de supuestos resultados, dentro del mismo contexto también se la concibe como una herramienta que sirve para la determinación de la incertidumbre mediante el uso de variables aleatorias, Esta herramienta es de amplia utilidad en diversos campos. No obstante, pese a que se basa en el uso de variables aleatorias el problema de la aplicación de esta simulación es hallar los valores de una variable aleatoria discreta o continua; además otro problema es la interpretación de resultados de lo que también deriva el inconveniente de un mayor uso de equipos informáticos.

Resumen:

Como un método estadístico se ha considerado la simulación Montecarlo, destinado a resolver problemas físicos y matemáticos muy complejos, a través de la reproducción de variables aleatorias por simulación para una posible imitación del comportamiento de variables reales, pudiendo realizar un análisis o predecir su situación de riesgo, lo que permite tomar decisiones en base a los resultados siempre y cuando reflejen un alto índice de confiabilidad [1].

Pese a su amplio abanico de aplicación de este método en diferentes campos, es posible que exista problemas como son: Encontrar los valores de una variable aleatoria discreta o continua; la interpretación de resultados cuya precisión depende de que mientras más interacciones se realiza, el resultado será más preciso, lo que estará en concordancia con la complejidad del proceso y a esto también se suma el esfuerzo computacional que también será un inconveniente.

Desarrollo:

“El método de Monte Carlo, está basado en la generación de números aleatorios, cuyo proceso consiste en simular el comportamiento aleatorio del sistema para adquirir índices de confiabilidad de los puntos de carga de manera artificial, Utiliza un tipo de simulación secuencial dado que los tiempos de salida y restauración generados, se acumulan dando un tiempo sumativo de operación de circuito primario motivo de conocimiento [2]”.

[pic 2]

Imagen N#1: Análisis Método de Montecarlo

“El problema crucial de la aplicación de los métodos de Montecarlo es encontrar los valores de una variable aleatoria discreta o continua con una distribución de probabilidad dada por la función p(x) a partir de los valores de una variable aleatoria uniformemente distribuida en el intervalo [0, 1), dada por el ordenador o programa, otro problema radica en la interpretación de resultados que dependiendo de la complejidad del proceso, se debe realizar múltiples interacciones para que el resultado sea preciso, del que también deriva el gran esfuerzo computacional y que muchos no lo cumplen, fallando los resultados [3]”.

...