Foro Simulacion Gerencial

Otras aplicaciones:
Se utilizan a menudo en problemas fsicos y matemticos

Se usan tambin cuando se presentan estos problemas diferentes:
optimizacin, integracin numrica y la generacin de muestras a partir de
una distribucin de probabilidad.
Estimacin del tamao de la muestra
Se pueden aplicar dos procedimientos:
Procedimiento aditivo: se parte de un nmero inicial de
simulaciones (n), se calcula la media y la desviacin tpica. A
continuacin aadir un nmero de nuevas simulaciones
equivalente al bloque inicial (n), de forma que se calcula la
media y la desviacin tpica del modelo matemtico utilizando
y el nmero de simulaciones asciende a "2n". Los resultados
calculados se comparan con las anteriores, repitindose el
proceso hasta que la media y la desviacin tpica no diverjan
en ms de un 0,5 1 por ciento.
-Procedimiento multiplicativo: se parte de un nmero inicial de
simulaciones (n), y se calcula la media y la desviacin tpica.
Luego aadir un nmero de nuevas simulaciones equivalente a
las acumuladas, de forma que ahora se calcula la media y la
desviacin tpica del modelo matemtico utilizando el nmero
de simulaciones es el doble de las utilizadas en el paso
anterior. Se comparan los resultados con las anteriores,
repitindose el proceso hasta que la media y la desviacin
tpica no diverjan en ms de un 0,5 1 por ciento.
Estimacin de las variables

Seleccionar el modelo matemtico que se va a utilizar, siendo en
el caso de la valoracin de proyectos de inversin los ms
habituales el Valor Actual Neto (VAN), y la Tasa Interna de
Rentabilidad (TIR)
Identifcar las variables cuyo comportamiento se va a simular y
las variables relacionadas.
Determinar la funcin de densidad de probabilidad f(x) asociada a
cada una de ellas y las funciones de distribucin asociadas a las
variables
Proceder a la generacin de nmeros aleatorios comprendidos
entre cero y uno. Estos se llevan sobre el eje de ordenadas, y se
proyectan horizontalmente sobre las correspondientes funciones.
Este proceso habr de repetirse el nmero de veces necesario
para poder disponer del nmero adecuado de valores muestrales.
A continuacin, se sustituyen los valores simulados en el modelo
matemtico para ver el resultado obtenido para las simulaciones
realizadas.
Agrupacin y clasifcacin de los resultados. Con esto proceder
con el anlisis estadstico y de inferencia sobre el
comportamiento de la realidado
La aplicacin del mtodo de Monte Carlo para valorar inversiones plantea dos
aspectos fundamentales:
Para una buena aplicacin de esta simulacin es muy importante identificar
claramente las variables que se consideran ms significativas, as como las
relaciones existentes entre ellas, para explicar la realidad a estudiar mediante la
sustitucin del universo real, por un universo terico utilizando nmeros aleatorios.
Tomando como referencia las fuentes de informacin brindadas dentro del mdulo
y las investigaciones adicionales con referencia a la tcnica de Simulacin
Montecarlo la principal aplicacin est orientada a permitir llevar a cabo la
valoracin de los proyectos de inversin considerando que una o varias de las
variables que se utilizan para la determinacin de los flujos netos de caja no son
variables ciertas, sino que pueden tomar varios valores.
Esta herramienta permite tener en cuenta para el anlisis un elevado nmero de
escenarios aleatorios, por lo que, se puede decir que hace posible llevar la tcnica
del anlisis de escenarios al infinito ampliando la perspectiva de los escenarios
posibles
Aplicaciones reales de la simulacin de Montecarlo
tiles para los sistemas con muchos grados de libertad acoplados, tales
como fluidos, materiales desordenados, slidos fuertemente acoplados, y
estructuras celulares simulando. Se utilizan para fenmenos modelo con
una incertidumbre significativa en los insumos, como el clculo del riesgo
en los negocios.
El modelo de Monte Carlos es un procedimiento bastante prctico para la
simulacin de fenmenos con incertidumbre en los insumos y sistemas con
un gran nmero de grados de libertad acoplados. Las reas de aplicacin
incluyen:
Ciencias fsicas Ingeniera
Biologa Computacional
Infografa
Estadstica aplicada
Diseo y visuales
Finanzas y negocio
Telecomunicaciones
Matemticas
Integracin
Simulacin / Optimizacin
Problemas inversos
Matemtica Computacional
Actualmente la simulacin presta un invalorable servicio en casi todas las reas

posibles, entre las que se destacan:
Procesos de manufacturas
Ayuda a detectar cuellos de
botellas, a distribuir personal,
determinar la poltica de
produccin.
Plantas industriales
Brinda informacin para
establecer las condiciones
ptimas de operacin, y para la
elaboracin de procedimientos
de operacin y de emergencias
Sistemas pblicos
Predice la demanda de energa
durante las diferentes pocas
del ao, anticipa el
comportamiento del clima,
predice la forma de propagacin
de enfermedades
Sistemas de transportes
Detecta zonas de posible
congestionamiento, zonas con
mayor riesgo de accidentes,
predice la demanda para cada
hora del da
Construccin
Predice el efecto de los vientos y
temblores sobre la estabilidad
de los edifcios, provee
informacin sobre las
condiciones de iluminacin y
condiciones ambientales en el
interior de los mismos, detecta
las partes de las estructuras
quedeben ser reforzadas
Capacitacin
Dado que el riesgo y los costos
son casi nulos, una persona
puede utilizar el simulador para
aprender por s misma utilizando
el mtodo ms natural para
aprender: el de prueba y error
La herramienta de Simulacin Montecarlo, as como tiene grandes beneficios y

aplicaciones, a continuacin se describen algunas de las posibles desventajas:
El desarrollo del modelo puede ser costoso, laborioso y lento.
Existe la posibilidad de cometer errores. No se debe olvidar que la
experimentacin se lleva a cabo con un modelo y no con el sistema real;
entonces, si el modelo est mal o se cometen errores en su manejo, los
resultados tambin sern incorrectos.
No se puede conocer el grado de imprecisin de los resultados. Por lo
general el modelo se utiliza para experimentar situaciones nunca
planteadas en el sistema real, por lo tanto no existe informacin previa para
estimar el grado de correspondencia entre la respuesta del modelo y la del
sistema real.
Herramientas computacionales para la solucin de modelos de Simulacin

de Montecarlo
Existen varias herramientas computacionales para la solucin de la
simulacin de Montecarlo
XLSTAT-Sim: es un software de simulacin que le permite crear modelos
con evaluacin de riesgo en Microsoft Excel y emplea mtodos de
simulacin como simulaciones Monte Carlo e Hipercubos Latinos para
estimar la distribucin (incluyendo los intervalos de confianza) de variables
importantes.
Excel.
EGS4, EGSnrc, PENELOPE, NOREC, MCNP y GEANT4. Algunos, como el
MCNP y el GEANT, tienen el respaldo de miles de cientficos y
programadores que han trabajado en ellos de forma paralela y sucesiva
desde su primera versin.
1. Por qu la simulacin de Montecarlo es una excelente herramienta para

modelar problemas como los analizados?
La simulacin Monte Carlo brinda a la persona responsable de tomar las

decisiones una serie de posibles resultados, as como la probabilidad de
que se produzcan segn las medidas tomadas. Muestra las posibilidades
extremas los resultados de tomar la medida ms arriesgada y la ms
conservadora as como todas las posibles consecuencias de las
decisiones intermedias.
Este mtodo es muy til usar para analizar situaciones del mundo real
grandes y complejas, permite preguntas de Qu-pasa-Si?
Adems de que resuelve problemas que no tienen solucin analtica

permite abordar desde problemas sencillos hasta problemas muy
complicados pues esta no interfiere con el mundo real ya que permite
experimentar.
El objeto de la investigacin es el objeto en s mismo, un suceso aleatorio o

pseudo-aleatorio se usa para estudiar el modelo.
El anlisis de escenarios tiene las siguientes limitaciones:
Las combinaciones crecen exponencialmente cuantas ms variables

aleatorias haya en juego.
Definir la aleatoreidad de cada variable como valores con probabilidades

discretas ignora la posibilidad que las variables sean de tipo continuo.
No tiene en cuenta que los valores ms probables tienen una probabilidad

de ocurrencia mucho mayor que los extremos.
Montecarlo genera una serie de escenarios posibles, pero tiene en cuenta

todos los valores que una variable puede tomar y pondera cada escenario
por su probabilidad de ocurrencia.
http://www.expansion.com/diccionario-economico/simulacion-de-monte-carlo.html
http://docsetools.com/articulos-utiles/article_100105.html
http://datateca.unad.edu.co/contenidos/301126/Datateca/TE_U2_3_DS.pdf

Foro Simulacion Gerencial

Cargado por

Copyright:

Formatos disponibles

Foro Simulacion Gerencial

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Foro Simulacion Gerencial

Cargado por

Copyright:

Formatos disponibles

Otras aplicaciones:

Se utilizan a menudo en problemas fsicos y matemticos

Estimacin de las variables

Actualmente la simulacin presta un invalorable servicio en casi todas las reas

La herramienta de Simulacin Montecarlo, as como tiene grandes beneficios y

Herramientas computacionales para la solucin de modelos de Simulacin

1. Por qu la simulacin de Montecarlo es una excelente herramienta para

La simulacin Monte Carlo brinda a la persona responsable de tomar las

Adems de que resuelve problemas que no tienen solucin analtica

El objeto de la investigacin es el objeto en s mismo, un suceso aleatorio o

El anlisis de escenarios tiene las siguientes limitaciones:

Las combinaciones crecen exponencialmente cuantas ms variables

Definir la aleatoreidad de cada variable como valores con probabilidades

No tiene en cuenta que los valores ms probables tienen una probabilidad

Montecarlo genera una serie de escenarios posibles, pero tiene en cuenta

También podría gustarte

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.