MTODO DE MONTECARLO

El mtodo de Montecarlo es un mtodo no determinstico o estadstico numrico,

usado para aproximar expresiones matemticas complejas y costosas de evaluar
con exactitud. El mtodo se llam as en referencia al Casino de Montecarlo
(Principado de Mnaco) por ser la capital del juego de azar, al ser la ruleta un
generador simple de nmeros aleatorios. El nombre y el desarrollo sistemtico de
los mtodos de Montecarlo datan aproximadamente de 1944 y se mejoraron
enormemente con el desarrollo de la computadora.

La invencin del mtodo de Montecarlo se asigna a Stanislaw Ulam y a John von

Neumann. Ulam ha explicado cmo se le ocurri la idea mientras jugaba un
solitario durante una enfermedad en 1946. Advirti que resulta mucho ms simple
tener una idea del resultado general del solitario haciendo pruebas mltiples con
las cartas y contando las proporciones de los resultados que computar todas las
posibilidades de combinacin formalmente. Se le ocurri que esta misma
observacin deba aplicarse a su trabajo de Los lamos sobre difusin de
neutrones, para la cual resulta prcticamente imposible solucionar las ecuaciones
ntegro-diferenciales que gobiernan la dispersin, la absorcin y la fisin. La idea
consista en probar con experimentos mentales las miles de posibilidades, y en
cada etapa, determinar por casualidad, por un nmero aleatorio distribuido segn
las probabilidades, qu sucedera y totalizar todas las posibilidades y tener una
idea de la conducta del proceso fsico.

Algunos matemticos que han contribuido a la historia del mtodo Monte Carlo

1.777 A la edad de 20 Georges Buffon descubri el teorema binomial, colabor

con Cramer (*) en mecnica, geometra, probabilidad , teora del nmero y
el clculo diferencial e integral.

Su primer trabajo-carreau de Sur le jeu introdujo clculo diferencial e

integral en la teora de las probabilidades, escribi Thorie de la terre

Lo recuerdan la mayora, en el campo de las matemticas por un

experimento de la probabilidad que realiz calculando los palillos, que una
vez lanzados sobre su hombro caan sobre un piso embaldosado.
Contando el nmero de ensayos, los palillos cayeron a travs de las lneas
entre los azulejos. Este experimento caus mucha discusin entre los
matemticos que ayudaron hacia una comprensin de la probabilidad. (*)
1.824 Guillermo Thomson Kelvin, ingres en la Universidad de Glasgow a la edad
de aos. En el curso 1.838-39 estudi Qumica y Astronoma, y el curso
siguiente cursos de filosofa natural (hoy llamado Fsicas) en los cuales
profundiz en los estudios de calor, electricidad y magnetismo.
 En 1.841 estudi las transformadas de Fourier para concluir un informe
sobre el movimiento uniforme de calor y su conexin con la teora
matemtica de la electricidad, publicado en 1.842.

Los estudios de termodinmica de Kelvin, le hicieron proponer una escala

absoluta de temperaturas, la cual, fue enunciada antes del principio de
conservacin de la Energa, si esta se hubiera formulado antes, los
estudios de Kelvin se hubieran comprendido mejor.
1.888 En 1.934, Richard Courant se incorpor en la Universidad de Nueva York,
dnde form un pequeo grupo de investigacin, este grupo reflej el estilo
de trabajo del famoso instituto Gttinger, Alemania, dnde haba sido
alumno de David Hilbert.

Las investigaciones de Courant fueron de diversos tipos: mtodos finitos de

la diferencia, superficies mnimas y ecuaciones diferenciales parciales. Fu
pionero en publicaciones de textos matemticos y de monogrficos de alta
calidad; un ejemplo "Mtodos de Fsica Matemtica" por Courant e Hilbert.

Quizs es ms conocido, "posiblemente" por sus talentos cientficos de la

organizacin y direccin en el instituto que lleva su nombre.

Friedrichs dijo de l: "No se pueden apreciar los logros cientficos de

Courant simplemente fijndose en sus publicaciones, pues sus
investigaciones no eran aisladas sino que estaba completamente
interrelacionado con otros campo de la Ciencia, y adems, era la
inspiracin de muchos otros trabajos de investigacin" (*)
1.889 Hyman Levy Matemtico, filsofo y humanista. Nacido en Edimburgo en
una familia juda ortodoxa. Educado en la escuela de George Heriot y la
universidad de Edimburgo, en donde estudi matemticas y fsica. Trabaj
en Alemania hasta el inicio de la primera guerra mundial, que se desplaz a
Inglaterra, inicialmente en Oxford y la entonces la universidad imperial
(Londres) donde lo designaron profesor de matemticas en 1923. Public
en el campo de la probabilidad y de ecuaciones diferenciales, junto con
varios trabajos sobre la filosofa, incluyendo el universo de Science (1932).
(*)
1.901 Kurt Otto Friedrichs solucion un problema en relatividad mientras an
estaba en la universidad. Su disertacin en la teora de las placas elsticos
fue escrita bajo la supervisin de Courant en Gttingen. Fu ayudante de
Courant y ayud a la publicacin del libro de Courant y de Hilbert.

Su trabajo principal trataba sobre ecuaciones diferenciales parciales en

 fsica matemtica. Utiliz diferencias finitas para probar la existencia de
soluciones. Friedrichs tambin trabaj en la dinmica de fluidos.

1903 John Von Newman, Formo parte del grupo de los seis profesores de
matemticas de instituto de estudios avanzados de Princeton junto con
J.W. Alexander, A. Einstein, O. Veblen y H. Weyl, en 1.933 fu corredactor
de "los anales de las matemticas" y dos aos ms tarde del "Compositio
Mathematica".

En 1.938 la sociedad de matemtica americana, concedi a Neumann el

premio Bcher por su trabajo "Funciones y grupos casi peridicos de la
memoria" publicado en dos partes en 1.934 y 1.935. Fu uno de los
pioneros de la informtica haciendo contribuciones significativas al
desarrollo del diseo lgico. Avanzo considerablemente la teora de los
autmatas celulares. Su trabajo con el grupo de Los Alamos continu
desarrollando el synergism entre las capacidades de las computadoras y
las necesidades de soluciones de cmputo a los problemas nucleares
relacionados con la bomba de hidrgeno.
1908 Student Funcin T ,
1909 Stanilaw Marcin Ulam, solucion el problema de cmo iniciar la fusin en la
bomba de hidrgeno. l tambin ide el ' mtodo de Monte Carlo ' usado
extensamente en solucionar problemas matemticos usando el muestreo
estadstico.

El uso de los mtodos de Montecarlo como herramienta de investigacin, proviene

del trabajo realizado en el desarrollo de la bomba atmica durante la Segunda
Guerra Mundial en el Laboratorio Nacional de Los lamos en EE. UU. Este trabajo
conllevaba la simulacin de problemas probabilsticos de hidrodinmica
concernientes a la difusin de neutrones en el material de fisin. Esta difusin
posee un comportamiento eminentemente aleatorio. En la actualidad es parte
fundamental de los algoritmos de Raytracing para la generacin de imgenes 3D.

La importancia actual del mtodo Montecarlo se basa en la

existencia de problemas que tienen difcil solucin por mtodos exclusivamente
analticos o numricos, pero que dependen de factores aleatorios o se pueden
asociar a un modelo probabilstica artificial (resolucin de integrales de muchas
variables, minimizacin de funciones, etc.). Gracias al avance en diseo de los
ordenadores, clculos Montecarlo que en otro tiempo hubieran sido inconcebibles,
hoy en da se presentan como asequibles para la resolucin de ciertos problemas.
 Tcnicas de Monte Carlo.

La idea bsica del mtodo de Monte Carlo consiste en escribir la integral requerida
como el valor esperado de alguna funcin con respecto a alguna distribucin de
probabilidad, lo cual sugiere una solucin ``estadstica'' al problema de integracin.
Para motivar la discusin consideremos el siguiente ejemplo.

Sea . Supongamos que existe , tal que para todo

y que se desee calcular la integral

El valor de esta integral no es ms que el rea bajo la curva para

. Dicha grfica queda inscrita en el rectngulo

Sea

Entonces corresponde a la funcin de densidad (respecto a la medida de

LEbesgue) de una distribucin uniforme sobre el rectngulo . La integral puede
entonces estimarse simulando una muestra de y
contando cuntos de estos valores caen bajo la curva .

Especificamente sea
donde

es un estimador insesgado de . En efecto, cada observacin corresponde

a un ensayo Bernoulli con probalbilidad de xito , por lo que
.

Ms an la varianza de este estimador es

REFERENCIAS

Pea Snchez de Rivera, Daniel (2001). Deduccin de distribuciones: el mtodo de

Montecarlo, en Fundamentos de Estadstica. Madrid: Alianza Editorial. ISBN 84-206-
8696-4.

Maikel Fuentes Rodrguez, Gabriel J. Gil PereZ METODO DE MANTE CARLO

.PDF

Instituto de Fsica Rosario, (C.O.N.I.C.E.T.-U.N.R.) y Departamento de Fsica, Universidad

Nacional de Rosario