Simulación manual aplicando el método Montecarlo.
Ángel Eduardo Montoya García
RESUMEN
La simulación manual es una herramienta de
mucha ayuda para la resolución de un sistema,
evaluando los posibles escenarios que se pueden
generar dentro del mismo.
Nos enfocaremos en la simulación mediante el
método Montecarlo.
INTRODUCCIÓN
Antes de conocer en que consiste el Método
Montecarlo debemos saber que es la Simulación
Manual. Es el proceso de diseñar el modelo de un
sistema real y evaluar diversas estrategias para el
funcionamiento del sistema mediante las técnicas
de uso manuales.
PROCEDIMIENTO
1. Recolectar datos de arribo de entidades y
procesamiento de las mismas.
2. Generar números y variables aleatorias
ajustados a distribuciones teóricas o empíricas.
3. Establecer el o los relojes de la simulación.
4. Simular el proceso hasta el tiempo de parada,
actualizando el o los relojes y usando una tabla de
simulación.
5. Calcular las estadísticas de las medidas de
efectividad y hacer gráficos.
MÉTODO MONTECARLO
El método de Montecarlo es una técnica
matemática que usa números aleatorios y
probabilidad para entender el impacto del riesgo
en un modelo de la realidad. Dicho modelo nos
ayuda a entender como estas perturbaciones
aleatorias se propagan al resto del modelo.
Este método fue nombrado como tal por la clara
analogía con los juegos de ruleta de los casinos, y
el más célebre Montecarlo, tal casino fue
inaugurado en 1861.
Se compone por una serie de elementos:
 Construcción de un modelo a simular
 Identificar insumos (variables aleatorias)
y salidas dentro del modelo.
 Correr la simulación
 Tomar una decisión basado en los
resultados.
Como se menciona, hay ciertas variables que no
controlamos y por lo cual tenemos que describir
su comportamiento y el mejor resumen de este
comportamiento de una variable aleatoria es su
función de distribución. (Por ejemplo, podemos
decir que las ventas de X compañía están
normalmente distribuidas, por lo cual sigue una
distribución normal). Analizamos el
comportamiento de modelo a simular ante los
valores generados. Tras repetir n veces la
simulación, dispondremos de n observaciones
sobre el comportamiento del modelo, las cuales
nos ayudaran a tomar una decisión.
SIMULACIÓN MONTECARLO
La simulación de Monte Carlo es un método que
emplea números aleatorios uniformemente
distribuidos en el intervalo [0,1] que es utilizado
para resolver problemas donde la evolución con
el tiempo no es de importancia. A continuación,
se analizarán dos ejemplos para comparar una
solución analítica con una solución obtenida por
simulación.
Determinación del área de una figura
Cuando se desea calcular el área de un círculo de
radio r = 10 cm no existen mayores problemas, ya
que tanto el área a como su perímetro p pueden
evaluarse analíticamente con las siguientes
fórmulas:
𝑎 = 𝜋𝑟 2 (1)
 Simulación manual aplicando el método Montecarlo. 2

𝑝 = 2𝜋𝑟 (2) El mismo principio se puede aplicar para figuras

complejas como se muestra en la Figura 2.
En este caso la solución es a = 314.16 𝑐𝑚2 y Conociendo la escala, se puede fijar un cuadrado
p=62.83 cm. arbitrario y calcular el área de Argentina.
Sin embargo, cuando se desea determinar el área Sin embargo, la determinación del perímetro de la
de una forma irregular, por ejemplo la superficie figura es un problema de mayor magnitud para el
plana de Argentina, el problema debe cual se necesita recurrir a la teoría de fractales.
necesariamente ser resuelto con un método
numérico; es decir, simulación. La determinación
del área del círculo utilizando la simulación de
Monte Carlo implica la siguiente secuencia:
1. Crear un cuadrado de lado 2.r que encierre al
círculo (Figura 1).
2. Colocar n puntos al azar dentro del cuadrado.
3. Asignar a c el número de puntos que quedaron
dentro del círculo.
4. Como la probabilidad de colocar un punto
dentro del círculo es igual al cociente del área del
Figura 2: Determinación del área de una figura
círculo dividida el área del cuadrado, el área del
compleja.
círculo se puede estimar en función del área del
cuadrado (fácilmente calculable) con: Evaluación de integrales
𝑐 𝑐 Suponga que se desea evaluar la siguiente integral que
𝑎𝑐𝑖𝑟𝑐𝑢𝑙𝑜 = 𝑎 = (4𝑟 2 ) (3)
ℎ 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜 ℎ no tiene solución analítica:
I   g (x) dx
b

Si bien para este caso en particular existen mejores

métodos para hacerlo, cuando se deben resolver
integrales múltiples con integrandos mal
condicionados la simulación de Monte Carlo
puede ser una buena alternativa.

Suponga que x es un número aleatorio con

distribución uniforme continua en el intervalo
Figura 1: Determinación del área de un círculo
[a,b], f(x) es la correspondiente función de densidad
Es importante notar que para un dado n, el de probabilidad que es igual a 1/(b-a); entonces,
resultado será distinto cada vez que se realice la el número y = g(x) es también un número
simulación. Es decir, que el resultado será un aleatorio cuyo valor medio (E(y) o y) está dado
número aleatorio. A medida que n aumente, la por:
varianza del resultado disminuirá y el valor medio
se aproximará a la solución analítica. Para un
n=100, el resultado de una simulación es 320 Por lo tanto:
𝑐𝑚2 ; mientras que para n=10000, un resultado es
313 𝑐𝑚2 .
 Simulación manual aplicando el método Montecarlo. 3

Sin embargo, E(y) no es conocido; sólo puede ser

estimado con el promedio de una muestra. Por
el mismo motivo, I sólo puede ser estimado por el
número aleatorio Y que se calcula de la siguiente
manera:

Note que E(Y) = I y Var(Y) = (b-a).Var(y)/n,

donde Var(y) (o  2) es la varianza de y.

La Tabla 1 muestra los resultados obtenidos para la

siguiente integral: 

La solución analítica es igual a 2.

Tabla 1: integral con simulación Montecarlo.

REFERENCIA

 Profesor: Dr. Jorge Acuña A. (2016).

Simulación Manual [archivo PDF].
Recuperado de
https://simulacion.files.wordpress.com/
2009/10/4-simulacion-manual.pdf

 Enrique Eduardo Tarifa. (2012). Teoría de

Modelos y Simulación [archivo PDF].
Recuperado de
https://www.econ.unicen.edu.ar/attach
ments/1051_TecnicasIISimulacion.pdf