Professional Documents
Culture Documents
Montecarlo
SIMULACION DE SISTEMAS
Descripción general
Los métodos de Monte Carlo varían, pero tienden a seguir un patrón particular:
Definición
No hay consenso sobre cómo se debe definir Monte Carlo. Por ejemplo, Ripley define la
mayoría de los modelos probabilísticos como simulación estocástica, con Monte Carlo
reservado para la integración de Monte Carlo y las pruebas estadísticas de Monte Carlo.
Sawilowsky distingue entre una simulación, un método de Monte Carlo y una simulación
de Monte Carlo: una simulación es una representación ficticia de la realidad, un método
de Monte Carlo es una técnica que puede usarse para resolver un problema matemático
o estadístico, y una simulación de Monte Carlo usa muestreo repetido para determinar
las propiedades de algún fenómeno (o comportamiento). Ejemplos:
Ventajas
La simulación Monte Carlo proporciona una serie de ventajas sobre el análisis
determinista o “estimación de un solo punto”:
Ejemplo
Los programas de diseño asistido por ordenador (CAD) pueden determinar rápidamente
el volumen de modelos muy complejos. Estos modelos, en general, no tienen una
expresión analítica para determinar su volumen (por ejemplo, para un prisma, área de
la base multiplicada por la altura), y la única solución es dividir el modelo en un conjunto
de pequeños submodelos (teselación) cuyo volumen pueda determinarse (por ejemplo,
dividir el modelo en miles de tetraedros). Sin embargo, esto consume muchos recursos,
tanto para la teselación como para el cálculo del volumen de cada uno de los elementos.
Por ello utilizan métodos de Montecarlo, más robustos y eficientes.
Como el software sí que conoce la expresión analítica de la geometría del modelo
(posición de los nodos, aristas y superficies) puede determinar si un punto está dentro
del modelo o está fuera con un coste mucho menor que el de determinar un volumen.