Simulacin del valor de segn el mtodo de Montecarlo,

utilizando Microsoft Excel

Simulation of the value of according to the Monte Carlo method, using
Microsoft Excel

Millones Isique, Elvis Eugenio (Cdigo Universitario: 140498-B)

Santisteban Quiroz, Juan Piero (Cdigo Universitario: 144034-K)
Estudiantes de ingeniera de sistemas UNPRG Lambayeque

Curso: Investigacin de Operaciones II

Docente: Ing. Gavino Loyaga Orbegoso

RESUMEN
Este es un trabajo de simulacin para determinar el valor de PI utilizando el Mtodo de Montecarlo, y la Hoja de
Clculo Microsoft Excel.

ABSTRACT
This is a simulation work to determine the value of PI using the Monte Carlo method, and Microsoft Excel
Spreadsheet

PALABRAS CLAVE
Mtodo Montecarlo, Calculo de PI, Nmeros Aleatorios

IO-II

Millones Isique, Elvis Eugenio

Santisteban Quiroz Juan Piero

1. Introduccin
El nmero (pi) segn (Salas Vergara , 2013) es la relacin entre la longitud de una circunferencia y su
dimetro, en geometra euclidiana. Es un nmero irracional y una de las constantes matemticas ms
importantes. Se emplea frecuentemente en matemticas, fsica e ingeniera. El valor numrico de ,
truncado a sus primeras cifras, es el siguiente: 3,1415.
El valor de se ha obtenido con diversas aproximaciones a lo largo de la historia, siendo una de las
constantes matemticas que ms aparece en las ecuaciones de la fsica, junto con el nmero e. Por ello, tal
vez sea la constante que ms pasiones desata entre los matemticos profesionales y aficionados. La
relacin entre la circunferencia y su dimetro no es constante en geometras no eucldeas.
La notacin con la letra griega proviene de la inicial de las palabras de origen griego ""
(periferia) y "" (permetro) de un crculo, notacin que fue utilizada primero por William
Oughtred (1574-1660), y propuesto su uso por el matemtico gals William Jones (1675-1749), aunque fue
el matemtico Leonhard Euler, con su obra Introduccin al clculo infinitesimal de 1748, quien la
populariz.
El valor aproximado de en las antiguas culturas se remonta a la poca del escriba egipcio Ahmes en el ao
1800 a. C., descrito en el papiro Rhind, donde se emplea un valor aproximado de afirmando que: el rea
de un crculo es similar a la de un cuadrado, cuyo lado es igual al dimetro del crculo disminuido en 1/9, es
decir, igual a 8/9 del dimetro.

2. Antecedentes
Todos los casos que hemos analizado hasta ahora, desde Arqumedes hasta las ltimas frmulas de Bailey
y otros son intentos deterministas. En unos casos se utilizan tcnicas geomtricas, en otras tcnicas
aritmticas, clculo diferencial. Sin embargo, a lo largo de la historia han surgido tambin formas de clculo
probabilsticas. Sorprende que el nmero , la razn entre la longitud de una circunferencia y su dimetro,
pueda calcularse utilizando el azar. Pero en esto consiste el problema de la aguja de Buffon, ideado en 1777
por el francs Georges Louis Leclerc, Conde de Bufn.

Simulacin PI

13 de mayo del 2016

IO-II

Millones Isique, Elvis Eugenio

Santisteban Quiroz Juan Piero

Figura 1 :Georges Louis Leclerc, Conde de Buffon (1707-1788).

Buffon propuso el siguiente problema:
En un plano hemos dibujado rectas paralelas (como en la figura 10) separadas, una de otra, a una distancia
constante d. Lanzamos sobre el plano una aguja de longitud l (con d l). Calcular la probabilidad de que la
aguja toque a alguna de las lneas.
Se puede demostrar que en (Aigner, 2005) la probabilidad de que la aguja cruce a alguna de las
lneas es

En particular, si dl=, la probabilidad es entonces

Como consecuencia de este resultado, es posible obtener valores aproximados de experimentalmente.

Si lanzamos una aguja N veces y, de estas veces, en M ocasiones la aguja corta a una de las rectas; entonces
un valor aproximado de ser

Simulacin PI

13 de mayo del 2016

IO-II

Millones Isique, Elvis Eugenio

Santisteban Quiroz Juan Piero

Figura 2:La aguja de Buffon

Tal fascinacin supuso el problema entre los matemticos, que hay documentados algunos experimentos
que dieron, presuntamente, los siguientes valores de :

Todos los experimentadores tuvieron una suerte sorprendente aunque, sin duda, el beneficiado por la diosa
fortuna fue el experimentador llamado Lazzarini, ya que los clculos muestran que para obtener un
resultado, en el problema de Buffon, con un error del orden de 00000002, sera necesario tirar la aguja
unas 1'156675 10 veces. Tirando una aguja cada 5 segundos (la tiramos, miramos si corta y anotamos),
habra que estar unos 3.600.000 aos, sin parar.
El problema de Buffon tiene una enorme importancia histrica, e incluso consecuencias cmicas. No
obstante, hay mejores formas de obtener el nmero mediante tcnicas probabilsticas. Se trata de utilizar
el llamado mtodo de MonteCarlo segn (Metropolis, 1915 - 1999) que consiste en lo siguiente:
Construyamos una diana circular (no hace falta dibujar nada dentro del crculo) de un metro de radio y la
ponemos inscrita en un cuadrado de dos metros de lado, como se muestra en la figura 11. El rea del crculo
es y la del cuadrado en el que est inscrito es 4. Por tanto, al lanzar repetidas veces un dardo (suponiendo
que, al menos, seamos capaces de acertar en dentro del cuadrado que tiene 4 metros cuadrados de rea),
la proporcin de dardos dentro del crculo entre dardos totales, debera tender al nmero /4

Simulacin PI

13 de mayo del 2016

IO-II

Millones Isique, Elvis Eugenio

Santisteban Quiroz Juan Piero

Figura 3 Diana para aplicar el mtodo de Monte Carlo

Ahora ya slo queda encontrar a un lazzarini dispuesto a lanzar el dardo. Bien, para que no nos ocurra como
antes, simplemente podemos simular los lanzamientos mediante un ordenador 10 . Cada lanzamiento de
dardo consiste, para el ordenador, en la generacin de dos nmeros aleatorios, las coordenadas del punto.
El mtodo de Monte Carlo se utiliza, de hecho, para estimar reas de figuras irregulares. En este sentido,
se puede considerar un mtodo de integracin ms.

3. Metodologa usada
El Mtodo usado es el Mtodo de Montecarlo.
Softwares usados en el experimento:
Hoja de Clculo Microsoft Excel

Versin: 2016 MSO (16.0.6868.2062)

Arquitectura: 64 bits

Id. Del Producto: 00339-10000-00000-AA304

Sistema Operativo Windows

Versin: Windows 10 Enterprise Insider Preview

Build: 14342.rs1_release.160506-1708

Arquitectura: 64 bits

Id. Del Producto: 00329-00000-00003-AA259

Computadoras usadas en el experimento:

Laptop Marca Lenovo

Modelo: Z-50

Procesador: Intel Core i5-4210U @ 2.3 GHz

Memoria RAM: 6 GB

Disco Duro: 1 TB

Tarjeta Grfica: NVIDIA GeForce 820M 2GB

Laptop Marca HP
Simulacin PI

13 de mayo del 2016

IO-II

Millones Isique, Elvis Eugenio

Santisteban Quiroz Juan Piero

Modelo: HP 240 G3

Procesador: Intel Core i3-4005U @ 1.70 GHz

Memoria RAM: 4 GB

Disco Duro: 1 TB

Tarjeta de Video: Intel(R) HD Graphics Family 2GB

Para la simulacin con el mtodo Montecarlo se procedi siguiendo la forma en que se desarrolla este
mtodo, la cual se dieron instrucciones de su aplicacin en clase, se utiliz una hoja de Microsoft Excel 2016
para realizar los clculos con 120000,000 ensayos.
Inicialmente se experiment con 4,000 ensayos o tiros y el numero resultante era 3,1... con el primer
decimal esttico, an lejos del nmero real de PI, pero se aproxima mientras se aumenta el nmero de
ensayos, ya que en los siguientes se prob con 10,000 ; 20,000 ; 50,000, obteniendo 3.14, y se fue
acercando ms al nmero real de PI.
A continuacin, se pueden observar algunos de los primeros clculos de este experimento, no todos los
resultados ya que son muy extensos y se pueden simular al guiarse de las siguientes imgenes.

Simulacin PI

13 de mayo del 2016

IO-II

Millones Isique, Elvis Eugenio

Santisteban Quiroz Juan Piero

La cantidad de ensayos se tuvo que dividir en Crculos (Como se aprecia en la imagen anterior), pues el
Microsoft Excel 2016 tiene un lmite mximo de filas (1048,576 filas para ser exactos) en cada hoja.
A continuacin, se explicar las funciones utilizadas en cada columna:

COLUMNA A
Las primeras 4 filas estn conformadas por el encabezado de la tabla resumen.
Luego en la fila 6 tenemos el encabezado N, y luego una serie de nmeros naturales que nos indica la
cantidad de ensayos o tiros por cada crculo.

COLUMNA B, C, D,
A partir de la Columna B el resto adopta en mismo modelo:

En la primera fila nos muestra la cantidad de puntos dentro de la circunferencia.

La segunda fila nos muestra la cantidad de puntos fuera de la circunferencia.

La tercera fila nos muestra la cantidad de Ensayos por crculo

La cuarta fila nos muestra el valor promedio de Pi, en ese crculo o bloque.

Luego en la fila 6 tenemos el encabezado Circulo 1, nos indica el nmero de circulo en la tabla

Luego en el resto de filas se utiliz la funcin que se detalla a continuacin:

SI (0,25 >= ((Aleatorio)-0,5)^2 + ((Aleatorio)-0,5)^2 ; 1; 0)
Se utiliz la funcin condicional SI, que devuelve 1 (Si cumple la condicin) o 0 (si no cumple la
condicin).
Y la Condicin es la adaptacin de la ecuacin de la circunferencia, con los valores X y Y aleatorios.

Simulacin PI

13 de mayo del 2016

IO-II

Millones Isique, Elvis Eugenio

Santisteban Quiroz Juan Piero

COLUMNA AP
Aqu nos muestra el valor promedio general de todo el experimento, el valor aproximado de PI.

4. Presentacin de resultados
Los resultados fueron los siguientes:

Grfico 1: Tendencia del Valor de PI. Elaboracin Propia

Los datos muestran el resultado promedio de PI en cada uno de los 40 Crculos, y al promediar estos
valores se obtiene un valor de PI 3,141.. Obteniendo una aproximacin esttica al tercer decimal.

5. Conclusiones
Con este experimento concluimos que cada mtodo o algoritmo para calcular el nmero PI se acercan
al nmero real mientras ms iteraciones se van realizando.
Adems, podemos concluir que, el mtodo de Montecarlo utilizando la hoja de clculo de Excel, es
factible ya que se acerca al valor real de PI, pero no es recomendable usar este software ya que existe
un dficit de tiempo en ejecucin.
Por ltimo, podemos concluir que este mtodo es aplicable para cualquier tipo de problema ya sea
determinstico, como en problemas complejos que solamente se pueden resolver por programas de
computadora, as como problemas simples que se resolvern a mano sin tanta dificultad.

6. Referencia bibliogrfica
Aigner, M. Z. (2005). El libro de las demostraciones. Madrid: Nivola.
Metropolis, N. C. (1915 - 1999).
Salas Vergara , P. (2013). Simulacion del numero pi.

Simulacin PI

13 de mayo del 2016