Foro De Simulacion Gerencial

1. Aplicaciones reales de la simulación de Montecarlo.

2. Herramientas computacionales para la solución de modelos de Simulación de Montecarlo

La Simulación de Monte Carlo es una técnica cuantitativa, que permite estadísticamente, la valoracion de los proyectos de inversion, mediante modelos matemáticos, el comportamiento aleatorio de sistemas reales no dinámicos, se miden mediante varias clases de algoritmos, se ven reflejados mediante muestreo aleatorio para obtener resultados numéricos, mediante la ejecución de simulaciones, donde permite calcular las probabilidades.

De acuerdo a lo anterior la planificación de tratamientos en radioterapia se utilizan potentes algoritmos que emplean métodos de convolución y superposición, calculadas previamente con métodos de Monte Carlo; existen varios paquetes de simulación Monte Carlo con características diferentes, tanto para PET como para SPECT. Algunos códigos generales y precisos, también existen otros códigos de simulación más específicos para PET o SPECT, en el grupo de Física Nuclear de la UCM, se ha desarrollado el código PeneloPET, que está basado en PENELOPE y es específico para PET.

Podemos encontrar los modelos de simulación que vienen de los modelos matemáticos, donde se divide en dos aspectos; modelos de simulacion normal y general.

Herramientas computacionales para la solución de modelos de Simulación de Montecarlo :

software palisade @risk

Software Crystal Ball: es una herramienta analítica que auxilia a ejecutivos, analistas y tomadores de decisiones

Microsoft Excel: es un programa al alcance de toda su capacidad para recalcular valores y, sobre todo, en las posibilidades que ofrece con respecto al análisis de situaciones.

Importancia

La aplicación de la simulación de Monte Carlo, nos permite la mayor obtención de muestras aleatorias del comportamiento dinámico de los parámetros estocásticos y variables de estado o fuentes de incertidumbre de los que depende el valor del derivado, de acuerdo a lo anterior se puede resaltar que es de gran importancia la estimación de una única trayectoria de la evolución de cada variable no es suficiente para aproximar el valor de la opción, una correcta aproximación requiere la generación de un gran número de trayectorias.

Ventajas

La adaptación del modelo de Montecarlo permite remplazar todo tipo de soluciones para una inversion en un solo cálculo.

Mediante el modelo de Montecarlo se puede manejar datos empíricos, sin necesidad de formularlos analíticamente.

Permite estudiar la interacción entre las diferentes variables del problema.

La flexibilidad del modelo para considerar cualquier patrón estocástico de las fuentes de incertidumbre.

Evita costos o riesgos ya que no es necesario interrumpir el desarrollo del sistema, para

...