Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 358 vistas

    Simulacion Metodo de Monte Carlo

    Cargado por

    Kriss Galvez Rodriguez
    El documento describe el método de Montecarlo para simulación, el cual utiliza números aleatorios para resolver problemas matemáticos y físicos. El método de Montecarlo puede usarse para resolver una amplia variedad de problemas determinísticos o estocásticos mediante experimentos de muestreo estadístico en una computadora. Genera variables aleatorias con distribuciones de probabilidad conocidas para simular fenómenos aleatorios o pseudoaleatorios y estudiar modelos matemáticos.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    Simulacion Metodo de Monte Carlo

    Cargado por

    Kriss Galvez Rodriguez
    358 vistas35 páginas
    El documento describe el método de Montecarlo para simulación, el cual utiliza números aleatorios para resolver problemas matemáticos y físicos. El método de Montecarlo puede usarse para resolver una amplia variedad de problemas determinísticos o estocásticos mediante experimentos de muestreo estadístico en una computadora. Genera variables aleatorias con distribuciones de probabilidad conocidas para simular fenómenos aleatorios o pseudoaleatorios y estudiar modelos matemáticos.

    Descripción original:

    Simulacion Metodo de Monte Carlo

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento describe el método de Montecarlo para simulación, el cual utiliza números aleatorios para resolver problemas matemáticos y físicos. El método de Montecarlo puede usarse para resolver una amplia variedad de problemas determinísticos o estocásticos mediante experimentos de muestreo estadístico en una computadora. Genera variables aleatorias con distribuciones de probabilidad conocidas para simular fenómenos aleatorios o pseudoaleatorios y estudiar modelos matemáticos.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    358 vistas35 páginas

    Simulacion Metodo de Monte Carlo

    Cargado por

    Kriss Galvez Rodriguez
    El documento describe el método de Montecarlo para simulación, el cual utiliza números aleatorios para resolver problemas matemáticos y físicos. El método de Montecarlo puede usarse para resolver una amplia variedad de problemas determinísticos o estocásticos mediante experimentos de muestreo estadístico en una computadora. Genera variables aleatorias con distribuciones de probabilidad conocidas para simular fenómenos aleatorios o pseudoaleatorios y estudiar modelos matemáticos.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    de 35

    SIMULACION:

    METODO DE
    MONTECARLO

    MTODOS DE MONTECARLO
    1. Definicin
    Los mtodos de Montecarlo abarcan una coleccin de
    tcnicas que permiten obtener soluciones de problemas
    matemticos o fsicos por medio de pruebas aleatorias
    repetidas. En la prctica, las pruebas aleatorias se
    sustituyen por resultados de ciertos clculos realizados
    con nmeros aleatorios.
    Bajo el nombre de Mtodo Montecarlo o Simulacin
    Montecarlo se agrupan una serie de procedimientos que
    analizan distribuciones de variables aleatorias usando
    simulacin de nmeros aleatorios.

    2. Cobertura
    El Mtodo de Montecarlo da solucin a una gran variedad de
    problemas matemticos haciendo experimentos con
    muestreos estadsticos en una computadora. El mtodo es
    aplicable a cualquier tipo de problema, ya sea estocstico o
    determinstico. Generalmente en estadstica los modelos
    aleatorios se usan para simular fenmenos que poseen algn
    componente aleatorio. Pero en el mtodo Montecarlo, por
    otro lado, el objeto de la investigacin es el objeto en s
    mismo, un suceso aleatorio o pseudo-aleatorio se usa para
    estudiar el modelo.
    A veces la aplicacin del mtodo Montecarlo se usa para
    analizar problemas que no tienen un componente aleatorio
    explcito; en estos casos un parmetro determinista del
    problema se expresa como una distribucin aleatoria y se
    simula dicha distribucin.

    La simulacin de Montecarlo tambin fue creada


    para resolver integrales que no se pueden
    resolver por mtodos analticos, para solucionar
    estas integrales se usaron nmeros aleatorios.
    Posteriormente se utiliz para cualquier esquema
    que emplee nmeros aleatorios, usando variables
    aleatorias con distribuciones de probabilidad
    conocidas, el cual es usado para resolver ciertos
    problemas estocsticos y determinsticos, donde
    el tiempo no juega un papel importante

    3, Aplicaciones
    Flujos de Trfico
    Pronstico de comportamiento de Acciones de Bolsa de
    Valores
    Exploracin de yacimientos y minas
    Evolucin de mantos estelares
    Diseo de reactores nucleares
    Comportamiento de nanoestructuras
    Estudios de reproduccin de clulas cancergenas
    Procesamiento/Generacin de Imgenes por
    computadora
    Comportamiento de ambientes contaminados

    4. Proposicin formal
    Proposicin formal El mtodo de Montecarlo est basado
    en la generacin de mltiples pruebas para determinar el
    valor esperado de una variable aleatoria. El mtodo est
    basado

    Si X es una variable aleatoria y definimos su valor esperado


    como A = E[X]. Si podemos generar n variables aleatorias
    independientes X1, X2, Xn con una distribucin uniforme,
    entonces podemos decir que

    Donde.
    cuando

    5. La variable aleatoria
    Se denomina variable aleatoria, a una variable X que
    puede tomar un conjunto de valores {x0, x1, x2, ... xn-1},
    con probabilidades {p0, p1, p2, ... pn-1}.
    Por ejemplo, en la experiencia de
    lanzar monedas, los posibles
    resultados son {cara, cruz}, y sus
    probabilidades son {1/2, 1/2}.
    En la experiencia de lanzar dados, los
    resultados posibles son {1, 2, 3, 4, 5, 6}
    y sus probabilidades respectivas son
    {1/6, 1/6, 1/6, 1/6, 1/6, 1/6}.

    6. Ejercicios prcticos de los Mtodos de Montecarlo


    Instalacin de Anlisis de datos (ToolPak)
    Desde el men ir a Opciones de Excel
    Luego complementos,, luego Herramienta para
    anlisis y hacer Check en Herramienta para
    anlisis y aceptar
    6.1. GENERADOR DE NUMEROS ALEATORIOS
    Aleatorio RAND()
    Devuelve un nmero aleatorio entre 0 y 1
    .
    Sintxis: ALEATORIO()

    Listas de Nmeros Aleatorios


    Abra una hoja de Excel.
    En la columna A generar una lista de 100 nmeros
    utilizando la funcin RAND()
    Ingrese la funcin en la celda A2 y copie 99 celdas
    hacia abajo hasta la celda A101
    Introduzca Los encabezados mostrados en la figura de
    abajo en el rengln 1 y observe que pasa con los
    nmeros aleatorios (cambian despus de cada enter).
    Observe qu pasa al presionar la tecla de funcin F9.

    Listas de nmeros aleatorios en rangos


    especificados
    Utilizando la funcin =ALEATORIO()
    Genere una lista de 1000 valores cuyos valores caigan
    en los siguientes rangos
    - Valores continuos min=0 max=100
    Genere una lista de 10000 valores cuyos valores caigan
    en los siguientes rangos
    - Valores discretos min=1 max=6
    - Valores continuos min=-1 max=1
    - Valores binarios 0 y 1

    Listas de nmeros aleatorios en rangos


    especificados
    Utilizando la funcin =ALEATORIO.ENTRE()
    Genere una lista de 1000 valores cuyos valores caigan
    en los siguientes rangos
    - Valores continuos min=0 max=100
    Genere una lista de 10000 valores cuyos valores caigan
    en los siguientes rangos
    - Valores discretos min=1 max=6
    - Valores continuos min=-1 max=1
    - Valores binarios 0 y 1

    Lanzamiento de una moneda


    Utilizando un generador de nmero aleatorios en Excel
    determine la probabilidad de que al lanzar una moneda, esta
    caiga de una sola cara (digamos Sol), para 10, 100, 1000 y
    10000 lanzamientos (volados). Genere una grfica que
    muestre la tendencia de la probabilidad.

    GRACI
    AS

    También podría gustarte