El mtodo de simulacin de Montecarlo

John Allen Paulos

Sabemos que un determinado jugador de basquetbol encesta el 40 % de sus tiros. Si en un
partido hace 20 tiros cul es la probabilidad de que enceste exactamente 11 veces? Hay
unos clculos estndar que se pueden efectuar para saber la respuesta. Tambin hay otro
mtodo que, aunque en este caso es opcional, a veces es el nico modo de abordar el
problema. En el caso planteado, supondra pedir al jugador que jugara rpidamente unos
10000 partidos para que pudiramos determinar el porcentaje de veces en las que mete
exactamente 11 canastas.
Aunque resulta evidentemente impracticable para un jugador humano de basquetbol, este
mtodo, llamado de Montecarlo, se puede realizar fcilmente en una computadora. Basta
con pedir a la computadora que genere aleatoriamente un nmero comprendido entre 1 y
5, y que mire si dicho nmero es 1 2. Como 2 es el 40% de 5, si sale 1 2 lo
interpretaremos como un acierto en la simulacin de los tiros del jugador, mientras que si
sale 3, 4 5 lo interpretaremos como un fallo. Luego pediremos a la computadora que
genere aleatoriamente 20 de tales nmeros entre 1 y 5, y que mire si exactamente 11 de
ellos son 1 2. Si es as, lo interpretaremos como si el jugador simulado hubiera metido
exactamente 11 canastas de 20 intentos cuando su porcentaje de aciertos es del 40%. Por
ltimo, pediremos a la computadora que realice este ejercicio 10000 veces y que cuente
el nmero de veces en que exactamente 11 de los 20 intentos del jugador simulado en el
partido se convierten en canastas. Si dividimos este nmero entre 10000 tendremos una
muy buena aproximacin de la probabilidad terica en cuestin.
Para valorar la utilidad de la simulacin es bueno realizar una por uno mismo. (No te
preocupes si no tienes computadora, no hace falta, basta con una moneda) Imagina que un
gobierno sexista de un cierto pas te contrata como asesor. Acaba de adoptar una poltica
que obliga a las parejas a tener hijos hasta que les nazca el primer varn, momento en el
que habrn de cesar de procrear. Lo que quieren saber los gobernantes de ese pas es:
cuntos hijos tendr la familia media como resultado de esta poltica? y cul ser la
distribucin de los sexos? En vez de hacer una recopilacin de datos estadsticos, para lo
cual tendran que transcurrir aos, uno puede lanzar una moneda un nmero
suficientemente grande veces para tener una muestra que nos permita hacer una
estimacin. Si interpretamos el sol como hombre (H) y el guila como mujer (M), uno
lanza la moneda hasta que sale el primer sol y apunta el nmero de lanzamientos, esto es
el nmero de hijos de la familia. La sucesin MMH corresponde a dos mujeres seguidas
de un hombre, H corresponde a un hijo nico hombre, etc. Se repite este procedimiento
100 1000 veces para producir 100 1000 familias y se calcula el nmero medio de
hijos de cada familia y la distribucin de los sexos. Puede que t, y tambin los
funcionarios del pas, encuentren sorprendente la respuesta.
La aplicacin de los mtodos de Montecarlo facilita mucho los estudios de los sistemas
grandes, las situaciones que se dan en problemas de colas y planificacin de horarios, y
JohnAllenPaulos:ElmtododesimulacindeMontecarlo
Hoja1

en fenmenos fsicos, tecnolgicos y matemticos. Desde las rebajas de los grandes

almacenes hasta los laboratorios de turbulencia en aeronutica, todo el mundo hace
simulaciones. Generar nmeros aleatorios en una computadora y manejar luego las
simulaciones probabilsticas basadas en ellos es ms fcil y barato que tratar con los
fenmenos aleatorios reales. La nica advertencia es que no hay que olvidar que existe
una clara diferencia entre el modelo y la simulacin de un fenmeno y el fenmeno real
propiamente dicho. No es lo mismo tener un hijo que lanzar una moneda.
En relacin con esto es til la siguiente representacin esquemtica de la simulaciny,
hasta cierto punto, de la matemtica aplicada en general. El proceso puede dividirse en
cinco estadios:
El primero es la identificacin del fenmeno real que nos interesa,
a continuacin, la creacin de una versin idealizada de dicho fenmeno,
en tercer lugar, la construccin de un modelo matemtico basado en dicha versin
simplificada,
luego, la realizacin de una serie de operaciones matemticas con el modelo para
obtener predicciones y
por ltimo, la comparacin de estas predicciones con el fenmeno original para ver si
concuerda. (Vase el artculo sobre La filosofa de la matemtica.)
Muchas aplicaciones de la matemtica son inmediatas, pero lamentablemente es muy
fcil, especialmente en las ciencias sociales, confundir el modelo propio con la realidad
y atribuir a esta ltima alguna propiedad que slo existe en el modelo. He aqu un ejemplo
simple tomado del lgebra elemental: Jorge puede realizar una tarea en 2 horas y Marta
emplea 3 horas en realizar la misma tarea. Cunto tardarn trabajando los dos a la vez?
La respuesta correcta de 1 hora y 12 minutos supone que, trabajando juntos, la
presencia de uno no estorba ni estimula el trabajo del otro. En este caso, y en muchsimos
otros, la certeza de las conclusiones matemticas derivadas del modelo no siempre es
extensiva a las suposiciones, simplificaciones y datos que uno ha empleado en la
construccin del modelo. stos no se dejan manejar bien, son nebulosos y totalmente
falibles, a pesar de las afirmaciones, fastidiosamente autosuficientes a veces, de
socilogos, psiclogos y economistas. Al igual que la seora Brown, la mujer
perfectamente ordinaria de Virginia Woolf, la realidad es infinitamente compleja e
imposible de captar por completo en ningn modelo matemtico.

JohnAllenPaulos:ElmtododesimulacindeMontecarlo
Hoja2