Professional Documents
Culture Documents
=
x
x d x f x F ) ( ) ( , donde f(x) es una pdf. Es decir, es la suma de todas las probabilidades asociadas a
valores menores o iguales a un nmero x. F(x) incrementa monotnicamente en el rango [0,1]. Tambin se le
conoce como funcin de distribucin de probabilidad. [12]
CAPTULO 2. FUNDAMENTOS BSICOS DE MONTE CARLO N-PARTICLE.
8
2.3.2.1 Mtodo de Rechazo.
El Mtodo de Rechazo tambin es utilizado para obtener nmeros aleatorios de una
distribucin continua. Para explicar los conceptos que intervienen en esta tcnica, se
describir el ejemplo de la trayectoria libre media. La trayectoria libre media , es el valor
esperado de la distancia R entre dos colisiones que sufre una partcula en el sistema. Se
sabe que la funcin de densidad de probabilidad de R es:
R
e R p
= ) ( (2.4)
donde es la seccin eficaz. Entonces:
1
) ( = >= =<
b
a
dR R p R R (2.5)
Esta relacin tiene sentido fsico y se puede comprobar experimentalmente.
El llamado mtodo de rechazo se utiliza por MCNP cuando se desea encontrar por
ejemplo las R
n
de 10 000 000 partculas que correspondan a dicha funcin de densidad
p(R). Este procedimiento genera primero dos nmeros aleatorios
2 1
, entre 0 y 1. Despus
se obtiene un valor aleatorio de la distancia tal que a < R < b, interpolando con:
1
) ( a b a R + = (2.6)
Finalmente se rechaza el valor de R si ) (
2
R p > ya que no corresponde a dicha funcin de
densidad de probabilidad; y se acepta y guarda para futuros clculos si ) (
2
R p < .
2.3.2.2 Distribucin normal.
El Mtodo Polar es la tcnica ms utilizada para encontrar nmeros aleatorios a
partir de una distribucin normal (=1, =0). El procedimiento es [11]:
1. Generar dos nmeros aleatorios uniformes (U
1
, U
2
) en el rango [0,1].
2. Obtener V
1
=2U
1
-1 y V
2
=2U
2
-1, para conseguir dos nmeros uniformemente
distribuidos en [-1,1].
3. Calcular
2
2
2
1
V V S + =
CAPTULO 2. FUNDAMENTOS BSICOS DE MONTE CARLO N-PARTICLE.
9
4. Si S 1, regresar al paso 1. Si S < 1, calcular los nmeros aleatorios
normalmente distribuidos, X
1
y X
2
, a partir de:
S
S
V X
ln 2
1 1
= y
S
S
V X
ln 2
2 2
= (2.7)
Si la distribucin normal tiene una media y una desviacin estndar , entonces la
variable aleatoria Y se obtiene con
n n
X Y + = .
Knuth [11] explica que la teora detrs de este mtodo consiste en encontrar las
coordenadas de un punto aleatorio uniformemente distribuido, (V
1
, V
2
), dentro de un
circulo unitario S. Convirtiendo a coordenadas polares, = cos
1
R V y = sin
2
R V ,
obtenemos
2
R S = , = cos
1
R X y = sin
2
R X , donde S R ln 2 = . est
uniformemente distribuida entre 0 y 2; y la probabilidad de que r R es igual a la
probabilidad de que
2
2
r
e S
, que al tratarse de un circulo unitario se tiene que
0 1
2
2
r
e . Por consiguiente la probabilidad de que R se encuentre entre r y r+dr es la
derivada de
2
2
1
r
e
, es decir, dr re
r
2
2
d
2
1
. Regresando a coordenadas cartesianas, tenemos:
2
2
1
2
2 2
2 2 1 1
2
1
2
1
) , (
x
y
x x
dy e dx e x X x X F
(2.8)
donde se puede observar que X
1
y X
2
corresponden a una distribucin normal y adems
son independientes.
2.3.2.3 Distribucin exponencial.
El tiempo transcurrido entre la emisin de dos partculas por una fuente radioactiva
tiene una distribucin exponencial con media , si en promedio una partcula es emitida
cada segundos. El proceso se describe por
x
e x F
=1 ) ( . Aunque existen otros mtodos
CAPTULO 2. FUNDAMENTOS BSICOS DE MONTE CARLO N-PARTICLE.
10
para obtener nmeros aleatorios con esta distribucin, el denominado Mtodo Logartmico
es el ms utilizado por su simplicidad [11]. Si y = F(x), entonces y) - -ln(1 (y) F x
-1
= = .
Generando un nmero aleatorio uniformemente distribuido, U, se obtiene una variable
aleatoria X con una distribucin exponencial a partir de:
) 1 ln( U X = (2.9)
2.3.3 Vectores aleatorios.
Para completar la simulacin de todo sistema fsico, es necesario saber la
orientacin de una partcula despus de que sufre una interaccin. En el mtodo ms
sencillo para seleccionar una orientacin aleatoria en tres dimensiones, se debe primero
generar un nmero aleatorio uniforme U en el rango [0, 1]. U se escala para obtener un
nmero aleatorio que este uniformemente distribuido entre [0, 2], es decir, = 2U. De
manera similar se obtiene un nmero aleatorio distribuido uniformemente entre -1 y 1.
Las coordenadas del vector de orientacin son [14]:
=
=
=
z
y
x
sin 1
cos 1
2
2
(2.10)
2.4 Error Relativo.
Existe una diferencia entre el valor esperado verdadero de una funcin f y el valor
de la misma funcin cuando solo se toma un muestreo de N variables estadsticas
independientes (Nmero de partculas a simular) [15]. Para saber si nuestra simulacin
arroja un resultado confiable, es importante tomar en cuenta el error relativo R. Este dato
representa la precisin estadstica y es calculado por el programa a partir cada historia
aleatoria.
CAPTULO 2. FUNDAMENTOS BSICOS DE MONTE CARLO N-PARTICLE.
11
El error esperado en
N
f se estima con la desviacin estndar, ya que:
( )
2
2 1 2 1
2
) ,..., , ( ) ,..., , ( = x x f x x x f
N N
(2.11)
Sin embargo como no se tiene un nmero infinito de variables, el error se estima
considerando cada seleccin aleatoria como un estimador independiente de
N
f ; as:
=
=
N
i
N
i N
f x f
N
1
2 2
] ) ( [
1
(2.12)
2
2
N
N
h h = (2.13)
La suma de las desviaciones estndar,
2
sum
, es N veces el valor de
2
N
. Por
consiguiente el error de expectacin es:
N sum
N = (2.14)
El error relativo es la media de dicho error de expectacin, de tal manera que:
N N
R
N sum
= = ( 2.15)
Es importante recalcar que R es proporcional a
N
1
, es decir, mientras mayor sea
el nmero de partculas simuladas se podr obtener un resultado ms preciso. Para reducir
el error relativo en una simulacin se puede aumentar N o reducir el valor de
N
. Sin
embargo, el presupuesto limita el incremento que se puede tener en N por el tiempo de
computadora que requiere. Por esta razn, existen tcnicas de reduccin de varianza en el
cdigo MCNP que se basan en disminuir el valor de
N
[16].
CAPTULO 2. FUNDAMENTOS BSICOS DE MONTE CARLO N-PARTICLE.
12
La Tabla 2.1 resume el significado del valor de R.
Rango de R Calidad de la simulacin
0.5 a 1.0 Sin sentido
0.2 a 0.5 Mala
0.1 a 0.2 Cuestionables
< 0.10 Generalmente aceptables excepto para detectores puntuales
< 0.05 Generalmente aceptables para detectores puntuales
Tabla 2.1: Error Relativo en MCNP [16].
2.5 Simulacin.
Para realizar una simulacin, se debe crear un archivo de entrada llamado inp (Ver
Apndice 1). Este archivo contiene de manera estructurada informacin sobre la geometra,
los materiales utilizados, las secciones eficaces a utilizar, la localizacin, caractersticas y
tipo de la fuente (electrones, fotones o neutrones), los tallies y cualquier tcnica de
reduccin de varianza. Los tallies o conteos son instrucciones que le dicen al programa el
tipo de datos que se desea calcular; por ejemplo, la corriente y el flujo de algn tipo de
partculas resultantes, o la deposicin y distribucin de energa.
El programa MCNP leer las instrucciones del archivo inp, realizar la simulacin y
creara un nuevo archivo llamado out (Ver Apndice 2). El out incluir los resultados
generados por cada tally, los errores producidos y algunas tablas que resumen el proceso de
simulacin.