Simulación de Sistemas

Método Montecarlo
Objetivo
• Al final de la sesión los alumnos
• Conocen y aplican la Simulación de Montecarlo.
• Entienden que son Variables Aleatorias y su uso
en la simulación.
• Entienden que es una Función de probabilidad.
• Entienden que es una Función de Distribución o
función de probabilidad acumulada.
• Comprenden que es y como se emplea un GVA
Discreta Empírica en la simulación.
Simulación Montecarlo

• La Simulación Montecarlo es una técnica numérica cuya

aplicación permite aproximarnos al comportamiento de un
sistema real.
• Combina conceptos estadísticos (muestreo aleatorio) con la
capacidad que tienen los ordenadores para generar
números aleatorios y automatizar cálculos.
• El objetivo de la simulación Montecarlo será el ayudarnos a
tomar decisiones, para esto el sistema permite replicar
eventos que se dan en determinado proceso, esto hace que
su ámbito de aplicación sea muy amplio.
Simulación Montecarlo
• Entre las principales aplicaciones prácticas de este
método podemos encontrar las siguientes:
• Cálculo de integrales.
• Establecer variables aleatorias (esto de por si le
brinda infinidad de aplicabilidad al modelo).
• Resolución de problemas diversos tales como
tiempos de reparto, productos defectuosos,
demanda de productos, etc.
 • Experimento: Lanzar • ¿Cuál es la probabilidad de obtener
Simulación una moneda y contar el
numero de caras y
cara?

Montecarlo sellos
• ¿Cuál es la probabilidad de obtener
sello?

(EC01) • Cada simulación es de

300 lanzamientos
• Probabilidad de obtener cara = 0.5,
probabilidad de obtener sello = 0.5
• Se hacen 6 réplicas • ¿Qué requerimos para simular el
lanzamiento de la moneda?
• Analizar los resultados
• Requerimos una función, que
relacione el experimento (en este
caso el lanzamiento de la moneda)
con los valores “Cara” y “Sello”.
• Dado que ya conocemos las
probabilidades, grafiquemos estas
probabilidades
 Simulación Montecarlo (EC01)
Probabilidad de que salga cara: 50% (0.5), probabilidad que salga sello: 50% (0.5)

Si esto lo graficamos, tenemos: Graficamos la probabilidad acumulada Igualamos a los números aleatorios

f(x) F(x) F(r)

1.0 1.0
S
0.75
0.5 0.5
C 0.25

C S VA C S 0.25 0.75 1.0

Li Ls V.A.
0 0.5 CARA
0.5 1 SELLO
 Simulación Montecarlo (EC02)
Experimento: Lanzar un dado y contar cuantas veces sale cada
número. Cada simulación es de 30 lanzamientos Se hacen 6 réplicas
f(x) F(x)

f(x) F(x) Li Ls VA
1
0.1667 0.1667 0.0000 0.1667 1
5/6
0.1667 0.3333 0.1667 0.3333 2
4/6
0.1667 0.5000 0.3333 0.5000 3
3/6 0.1667 0.6667 0.5000 0.6667 4
2/6 0.1667 0.8333 0.6667 0.8333 5
0.23
1/6 1/6
0.1667 1.0000 0.8333 1.0000 6

1 2 3 4 5 6 1 2 3 4 5 6 Ejemplo si r = 0.23
Entonces X = 2
 Variable Aleatoria (VA), función de probabilidad f(x) y Función de
distribución acumulada F(x)
Experimento: Lanzar tres monedas y contar el numero de sellos

• La Variable Aleatoria (VA), es una función, por lo tanto tiene un dominio

Dominio VA Valores VA f(x) F(X<=x)

CCC
0 1/8 1/8
SCC
CSC
1 3/8 4/8
CCS
SSC
2 3/8 7/8
SCS
CSS
3 1/8 1
SSS
 GVA para una función discreta
Para obtener el GVA de una función discreta se siguen los siguientes pasos:
• Hallar las probabilidades f(x) para cada valor discreto.
• Calcular el acumulado F(x)
• Generar un valor y verificar en F(x) a que intervalo de x pertenece, esa será la V.A. Generada
por la distribución discreta propuesta.

f(x) F(x)

7/8

4/8

3/8

1/8 1/8

0 1 2 3 0 1 2 3
 GVA para una función discreta
Dada la cantidad de Mes Demanda Hallamos la función de probabilidad f(x) y
requerimientos de 1 1 la Función de distribución acumulada F(x)
usuarios registrados en 2 2
los últimos 10 meses: 3 1 Demanda f(x) F(x)
4 2
Hallar el GVA Discreto y 1 0.3 0.3
5 3
hallar los valores de la VA
6 4 2 0.4 0.7
para los siguientes
números aleatorios: 7 1 3 0.2 0.9
0.15, 0.62, 0.85 8 2
9 2 4 0.1 1
10 3
f(x) F(x) Li Ls Demanda
0.3 0.3 0 0.3 1
0.4 0.7 0.3 0.7 2
0.2 0.9 0.7 0.9 3
0.1 1 0.9 1 4
GVA para una función discreta
f(x) F(x) Li Ls Demanda
0.3 0.3 0 0.3 1
0.4 0.7 0.3 0.7 2
0.2 0.9 0.7 0.9 3
0.1 1 0.9 1 4

f(r) F(x)

1 1

0.9

0.85

0.7

0.62

0.3
0.15

1 1 2 3 4
 • El objetivo del presente ejercicio es
Simulación entender como podemos aproximar
Montecarlo – un valor conocido usando la
simulación Montecarlo y el concepto
Aproximación de réplicas.
de Áreas • Aprenderemos el algoritmo para
aproximar el área entre curvas.
 Simulación
Montecarlo –
Aproximación de
Áreas
Montecarlo –
Área del Círculo
(EC03)
• Estimar el área de un círculo
cuya ecuación de su
circunferencia es: (x-3)2 + (y-2)2
= 16
• Ver resultados en Excel,
generando 100 números
aleatorios para “x” y 100 para
“y”, 10 Réplicas y α = 5% de
rechazo para los intervalos de
confianza
 Montecarlo – Área del Círculo (EC03)
• Pasos a seguir
• Determinar un cuadrilátero que encierre el área a calcular
• Para el cálculo del área del círculo usando la simulación, usamos el supuesto de que todos los
puntos del cuadrado son igualmente probables o en otras palabras se distribuyen
uniformemente. De este modo, si generamos aleatoriamente k puntos aleatorios y m puntos
caen dentro del círculo, entonces:
' '
• Á ! "í "$!% ≈ Á ! "$ % = *∗*
( (
• Recordar que los puntos son pares (x,y)
• El cuadrilátero determina los límites para “x” y para “y”.
• La Variables aleatorias serán “x” y “y”. Su generador será de la forma VA= a+(b-a)r, donde “a” y
“b” son los límites entre los que varía la VA y r un número aleatorio entre 0 y 1
• En nuestro caso “x” varía entre -1 y 7. Si , es un número aleatorio: - = −/ + * /
• Por otro la “y” varía entre -2 y 6. Si 1 es un número aleatorio tenemos: 2 = −3 + * 3
• La definición anterior de “x” y “y” asegura que los puntos generados están siempre dentro del
cuadrado
• Determinamos el criterio para saber si los puntos generados, pares (x,y), están dentro o fuera
del círculo
• Para nuestro caso reemplazamos los pares “x” y “y” en la ecuación de la circunferencia y estarán
dentro del círculo aquellos cuyo resultado nos de un valor menor o igual al radio elevado al
cuadrado, es decir: - − 4 3 + 2 − 3 3 ≤ /6
 Montecarlo – Área del Círculo (EC03)
• Realizadas las “n” réplicas, se puede estimar un Réplica m Area Simulada
1 78 49.92
intervalo de confianza para el promedio. 2 78 49.92
• Las fórmulas para el intervalo de confianza son: 3 84 53.76
R 4 79 50.56
L±N
K Q∗ , S O < 4U 5 76 48.64
OP/,/P O
3 6 87 55.68
R 7 77 49.28
L
K ± V/PQ ∗ , S O ≥ 4U 8 80 51.20
3 O 9 75 48.00
• Donde: 10 79 50.56
o X YZ [\ Xú^[ _ `[ éa\bcdZ 79.3 50.75
o NOP/,/PQ , Z[ _efb[X[ de la tabla T-Student
3 n 10
o V/PQ , Z[ _efb[X[ de la tabla Normal estándar α 5%
3 Promedio 50.75
o m [Z [\ Xbn[\ `[ [cℎdp_ S 2.3379
o qr [Z [\ a _^[`b_ `[ \dZ éa\bcdZ GL 9
Tn-1,1-α/2 2.2622
o s [Z \d `[ZnbdcbóX [ZfáX`d `[ \dZ éa\bcdZ Li 49.0796
Ls 52.4244
Montecarlo –
Área bajo la
curva (EC04)
• Hallar el área bajo la curva
f(x) = 1-x2, considerando
sólo el cuadrante positivo.
Trabajar con 200 números
aleatorios y hacer 10
réplicas
 Aplicación – Limpiador de parabrisas (EC05)
• Un limpia vidrios en un crucero de
semáforos tiene las siguientes
Autos 0 1 2 3 4 5
probabilidades de que lo autos los Prob. 0.10 0.20 0.10 0.10 0.30 0.20
dejen limpiar parabrisas, en el
transcurso de una hora:
• Y una vez que le permitan limpiar Pago 0.50 1.00 1.50 2.00
el vidrio tiene las siguientes
probabilidades de que le paguen Prob. 0.30 0.50 0.10 0.10
cierta cantidad de dinero
• Simule 8 horas y calcule la
Aleatorios para Autos
ganancia promedio por hora. Use
los siguientes números aleatorios 0.6557 0.3175 0.0471 0.2780 0.7438 0.3966 0.0887 0.4872
para los autos y pago
respectivamente

Aleatorios para pagos

0.7581 0.6130 0.3532 0.0234 0.3686 0.0098 0.5036 0.0195 0.3288 0.8793 0.3816 0.6938 0.0313 0.1963 0.2399 0.4304
 • Se tiene la siguiente 1
función:
Aplicación – • y=x2. Si representamos la
Área bajo la función para valores de x
entre 0 y 1 se tiene la
curva (EC06) siguiente gráfica:
• Hallar por simulación el
área rayada, genere 50
puntos y 10 réplicas 0
 Aplicación – Área bajo la curva (EC07)

Supongamos que tenemos

un círculo con centro en el
punto (x, y) = (0.3, 0.2) y
radio 0.4, y queremos
calcular la superficie de la
intersección de este círculo
con el cuadrante positivo (es
decir, x≥ 0, y ≥ 0).

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
x 0.02 0.625 0.732 0.924 0.243 0.188 0.532 0.632 0.303 0.926 0.411 0.285 0.328 0.913 0.29 0.429 0.359 0.711 0.747 0.26
y 0.437 0.191 0.441 0.123 0.87 0.267 0.203 0.896 0.176 0.288 0.217 0.18 0.846 0.126 0.312 0.619 0.221 0.685 0.308 0.094
 Problema función de probabilidad discreta (EC08)
El precio de una acción de un valor en particular, listado en la Bolsa de Valores es actualmente de 35 pesos. La
siguiente distribución de probabilidad muestra la forma en que se espera que el precio por acción cambie a
través de un período de tres meses.

Cambio del precio

Probabilidad
de la acción
-2 0.06
-1 0.09
0 0.24
1 0.21
2 0.21
3 0.09
4 0.1
a) Establezca intervalos de números que puedan utilizarse para generar el cambio en el precio de la acción a
lo largo de un período de tres meses.
b) Con el precio de la acción a 35 y los números aleatorios 0,1091, 0,9407, 0,1941, y 0,8083, simule el precio
por acción para cada uno de los siguientes cuatro períodos de 3 meses. ¿Cuál es el precio simulado final
por acción?