METODO MONTE CARLO La invencin del mtodo de Monte Carlo 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. Podan utilizarse mquinas de computacin, que comenzaban a estar disponibles, para efectuar las pruebas numricas y en efecto reemplazar el aparato experimental del fsico. Durante una de las visitas de von Neumann a Los lamos en 1946, Ulam le mencion el mtodo. Despus de cierto escepticismo inicial, von Neumann se entusiasm con la idea y pronto comenz a desarrollar sus posibilidades en un procedimiento sistemtico. Ulam expres que Monte Carlo comenz a tener forma concreta y empez a desarrollarse con todas sus fallas de teora rudimentaria despus de que se lo propuse a Johnny. A principios de 1947 Von Neumann envi una carta a Richtmyer a Los lamos en la que expuso de modo influyente tal vez el primer informe por escrito del mtodo de Monte Carlo. Su carta fue encuadernada junto con la respuesta de Richtmyer como un informe de Los lamos y distribuida entre los miembros del laboratorio. Von Neumann sugera aplicar el mtodo para rastrear la generacin istropa de neutrones desde una composicin variable de material activo a lo largo del radio de una esfera. Sostena que el problema era adecuado para el ENIAC y estimaba que llevara 5 horas calcular la accin de 100 neutrones a travs de un curso de 100 colisiones cada uno. Ulam estaba particularmente interesado en el mtodo Monte Carlo para evaluar integrales mltiples. Una de las primeras aplicaciones de este mtodo a un problema determinista fue llevada a cabo en 1948 por Enrico Fermi, Ulam y von Neumann cuando consideraron los valores singulares de la ecuacin de Schrdinger. Una de las tcnicas estadsticas ms usadas en simulacin es el mtodo de Monte Carlo. Segn Naylor, el mtodo Monte Carlo es una tcnica de simulacin para problemas que tienen una base estocstica o probabilstica. Existen dos tipos diferentes de problemas que dan lugar al empleo de esta tcnica; primero, aquellos problemas que implican algn tipo de proceso estocstico como la demanda del consumidor y la prioridad en la produccin e inversin total para la expansin de plantas industriales; segundo, ciertos problemas matemticos completamente determinsticos, que no pueden resolverse fcilmente (si es que admiten solucin) por mtodos estrictamente determinsticos, por ejemplo, evaluar integrales. En este texto nos dedicaremos al caso probabilstico. A continuacin se describe el mtodo Monte Carlo:

1. 2. 3. 4. 5.

Identificar el experimento o sistema a simular. Identificar el espacio muestral y definir la variable aleatoria. Definir la funcin de probabilidad. Construir la funcin acumulada de probabilidad. Calcular o construir la tabla de la transformacin inversa de la funcin acumulada de probabilidad. La transformacin inversa utiliza la funcin acumulada de probabilidad de la variable aleatoria que se va a simular. Puesto que la funcin acumulada est definida en el intervalo (0,1), se puede generar un nmero aleatorio uniforme en (0,1) RND, y tratar de determinar el valor de la variable aleatoria para la cual su distribucin acumulada es igual al valor de RND. 6. Generar un nmero aleatorio y ubicarlo en la tabla de transformada inversa para simular un valor especfico de la variable aleatoria. En general, un modelo de simulacin requiere de: 1. La definicin del sistema con sus variables, parmetros, funciones de probabilidad, relaciones funcionales y medidas de efectividad. 2. La definicin del estado del sistema, es decir, el establecimiento de las condiciones iniciales de operacin. 3. La identificacin de los posibles estados del sistema y sus componentes que pueden ocurrir. 4. La previsin de los posibles eventos que pueden cambiar el estado del sistema y de sus componentes. 5. La disponibilidad de un mecanismo que mida el transcurso del tiempo de simulacin: eltiempo reloj (clock). 6. Procedimientos para la generacin aleatoria de los diversos eventos. 7. Las relaciones lgicas que enlazaran transiciones de estado que son generadas por los diversos eventos que ocurren.

Lenguajes de simulacin. Hay que denotar que lenguajes de programacin ptimos para su utilizacin en la simulacin son todos aquellos lenguajes orientados a objetos pues el paradigma POO esta enfocado en proyectar la realidad en la manera de escribir cdigo. Sin embargo existen lenguajes de programacin enfocados a la creacin de simulaciones de manera que cuando escribimos cdigo se asemeje aun mucho ms a la realidad. No es de sorprendernos que la POO haya nacido con el propsito de escribir simulaciones, al final de cuentas es un paradigma para crear software interpretado y compilado para un sistema operativo especfico y que facilita la escritura de software y plataformas para proyectar la realidad. El auge de los lenguajes de programacin para la simulacin de eventos se dio en el ao de 1967 cuando O. J. Dahl y Kristen Nygaard desarrollaron el lenguaje de programacin SIMULA (acrnimo de simulation lenguaje), el cual fue el primer lenguaje de programacin orientado a objetos y que

sirvi para la creacin de modelos o simulaciones del mundo en que vivimos, proyectando la manera en que un programador ve las cosas dentro de cdigo fuente. Los creadores de SIMULA concibieron la idea de que los programadores deberan concebir los problemas entorno a objetos y no a procedimientos, adems crearon las clases las cuales podrn servir de plantillas para ser compartidas con otras clases u objetos de similares caractersticas, simplemente se creo la idea de que un programa se comunica con mensajes, y dentro de l ocurren eventos. SIMULA fue inspirado de LISP (no POO) y posteriormente sirvi de inspiracin para otros lenguajes de programacin como Smalltalk, C++, y Java. Hoy en da el paradigma del POO ha sufrido leves cambios pues SIMULA es una POO primitiva que no maneja caractersticas que muchos lenguajes modernos tienen. Un lenguaje de simulacin es aquel lenguaje de programacin que describe la operacin de una simulacin en una computadora. Existen dos tipos de simulacin que se pueden aplicar, aquellas simulaciones de eventos discretas y de eventos continuos, aun que los lenguajes de programacin modernos pueden manejar ambas. No se debe confundir lo que es un lenguaje de programacin para simulado y lo que es un entorno de simulacin. Por lo tanto podemos clasificar a los lenguajes de programacin para simulado de la siguiente manera:

Lenguajes de programacin para eventos discretos. 1.SIMULA 2.GPSS Lenguajes de programacin para eventos continuos. 1.CSMP 2.DYNAMO 3.DIFFERENTIAL EQUATIONS Lenguajes de programacin hbridos. 1.SIMSCRIPT 2.GASP Un sistema simulador es aquel entorno de simulacin en el cual existen variables definidas y herramientas que ayudan a crear una proyeccin, modelado y eventos dentro del sistema. Es importante reconocer las diferencias entre un sistema simulador y un lenguaje de programacin para simulaciones. El uso de un sistema simulador es restringido a determinada rea, tarea, o grupo de personas, as como esta limitado posiblemente en cuanto a variables y el tipo de eventos

a evaluar. Por lo tanto es ms eficiente desarrollar nuestras simulaciones partiendo de lenguajes que son amplios y eficientes puesto que la nica limitacin seria nuestra propia imaginacin. Por supuesto es importante elegir un lenguaje de programacin que satisfaga nuestras necesidades, y pensar en que es necesario contar con el hardware y los recursos necesarios. Dentro de las plataformas de simulacin tenemos de igual manera las mismas clasificaciones:

Sistema para eventos discretos. 1.Arena 2.ExtendSim Sistema para eventos continuos. 1.VisSim. 2.ACSL Sistema hbrido. 1.Modelica 2.AnyLogic 3.SPICE El desarrollo de los lenguajes de Simulacin comenz a finales de los aos cincuenta; inicialmente los lenguajes que se usaron en fueron los de propsito general, los cuales tenan las siguientes ventajas: La situacin a analizar se puede modelar en forma ms o menos sencilla para el programador por el conocimiento del lenguaje. El proceso se puede describir con tanta precisin como le sea posible en el lenguaje conocido. Se pueden realizar todas las depuraciones posibles. Cualquier lenguaje de programacin puede ser empleado para trabajar en Simulacin, pero los lenguajes especialmente diseados presentan las siguientes propiedades: Acaban la tarea de programacin. Generan una gua conceptual. Colaboran en la definicin de entidades en el sistema. Manejan la flexibilidad en los cambios. Ayudan a analizar y a determinar la relacin y el nmero de entidades en el sistema. Emshoff y Sisson consideran que la Simulacin Discreta requiere de ciertas funciones comunes que diferencian un lenguaje de Simulacin de uno de propsito general, entre las cuales se encuentran las siguientes: Generar nmeros aleatorios. Generar variables aleatorias. Variar el tiempo hasta la ocurrencia del siguiente evento. Registrar datos para salida.

Realizar anlisis estadstico sobre datos registrados. Construir salidas en formatos determinados. Detectar inconsistencias y errores. Los lenguajes precursores en Simulacin fueron los de propsito general, entre ellos por mencionar solo algunos tenemos: FORTRAN, ALGOL, COBOL, RPG, BASIC, PASCAL, MODULA, PL/1, etc. Los principales lenguajes utilizados en Simulacin son: Simulacin de cambio continuo y de cambio discreto en computadoras hbridas: H01. Simulacin de incremento continuo con orientacin a ecuaciones directas con nfasis en ecuaciones diferenciales: DSL/90, MIMIC, BHSL, DIHYSYS y S/360 CSMP. Simulacin de incremento continuo con simuladores orientados a bloques con nfasis en ecuaciones diferenciales: MIDAS, PACTOLUS, SCADS, MADBLOC, COBLOC y 1130 CSMP. Simulacin de incremento continuo con simuladores orientados a bloques con nfasis en ecuaciones de diferencias: DYNAMO, DYSMAP 2. Simulacin de incremento discreto con orientacin a actividades: CSL, CLP, GSP, GERT, FORSIM, ESP, MONTECODE y MILITRAN. Simulacin de incremento discreto con orientacin a eventos: SIMSCRIPT, GASP, SIMCOM, SIMULATE y SIMPAC. Simulacin de incremento discreto con orientacin a procesos: SIMULA, OPS, SLAM y SOL. Simulacin de incremento discreto con orientacin a flujo de transacciones: GPSS y BOSS. PAQUETES Los paquetes son una versin depurada de los diferentes lenguajes de propsito general y presentan algunas ventajas sobre los lenguajes de programacin generales: Reduccin de la tarea de programacin. Definicin exacta del sistema. Flexibilizacin mayor para cambios. Diferenciacin mejor de las entidades que conforman el sistema. Relacin estrecha entre las entidades del sistema. Los paquetes de mayor utilizacin en Simulacin son: EXCEL, STELLA, SIMAN, RISK, STORM, LINDO, CRYSTAL BALL, QSB, MOR/DS, OR/MS, BEER GAME, GREENPACE, SIMULACION, TAYLOR II, CAPRE, SIMNET II, PROMODEL, ITHINK, URBAN DYNAMICS y POWERSIM. En Simulacin Gerencial podemos citar: FISH BANK, FINANACAT, BUGA-BUGA y MARKOPS, TREE PLAN entre otros. DISEO DE EXPERIMENTOS

Disear un experimento significa planear un experimento de modo que rena la informacin pertinente al problema bajo investigacin. El diseo de un experimento es la secuencia completa de pasos tomados de antemano para asegurar que los datos apropiados se obtendrn de modo de modo que permitan un anlisis objetivo que conduzca a deducciones vlidas con respecto al problema establecido.

La necesidad de un diseo de experimento surge de la necesidad de responder a preguntas como:

Cmo se va a medir el efecto? Cules son las caractersticas a analizar? Qu factores afectan las caractersticas que se van a analizar? Cules son los factores que se estudiaran en esta investigacin? Cuntas veces deber ejecutarse el experimento? Cul ser la forma de anlisis? A partir de que valores se considera importante el efecto?

Objetivos de un diseo de experimentos

Proporcionar la mxima cantidad de informacin pertinente al problema bajo investigacin. El diseo, plan o programa debe ser tan simple como sea posible. La investigacin debe efectuarse lo ms eficientemente posible; ahorrar tiempo, dinero, personal y material experimental. "Proporcionar la mxima cantidad de informacin al mnimo costo"

2. Principios bsicos del diseo de experimentos 1.- Reproduccin. 2.3.- Control Local. Reproduccin. Repeticin del experimento porque:

Aleatorizacin.

Proporciona una estimacin del error experimental. Permite obtener una estimacin ms precisa del efecto medio de cualquier factor.

Unidad Experimental Unidad a la cual se le aplica un solo tratamiento (que puede ser una combinacin de muchos factores) en una reproduccin del experimento. Error Experimental Describe la situacin de no llegar a resultados idnticos con dos unidades experimentales tratadas idnticamente y refleja:

Errores de experimentacin Errores de observacin Errores de medicin Variacin del material experimental (esto es, entre unidades experimentales) Efectos combinados de factores extraos que pudieran influir las caractersticas en estudio, pero respecto a los cuales no se ha llamado laatencin en la investigacin.

El error experimental puede reducirse:

Usando material experimental ms homogneo o por estratificacin cuidadosa del material disponible. Utilizando informacin proporcionada por variables aleatorias relacionadas Teniendo ms cuidado al dirigir y desarrollar el experimento Usando un diseo experimental muy eficiente.

Confusin Dos o ms efectos se confunden en un experimento si es posible separar sus efectos, cuando se lleva a cabo el subsecuente anlisis estadstico. Aleatorizacion. Asignacin al azar de tratamiento a las unidades experimentales. Una suposicin frecuente en los modelos estadsticos de diseo de experimentos en que las observaciones o los errores en ellas estn distribuidos independientemente. La aleatorizacin hace vlida esta suposicin. Control local. Cantidad de balanceo, bloqueo y agrupamiento de las unidades experimentales que se emplean en el diseo estadstico adaptado. Agrupamiento. Colocacin de un conjunto de unidades experimentales homogneas en grupos, de modo que los diferentes grupos puedan sujetarse a distintos tratamientos. Bloqueo. Distribucin de las unidades experimentales en bloques, de manera que las unidades dentro de un bloqueo sean relativamente homogneas, de esta manera, la mayor parte de la variacin predecible entere las unidades queda confundida con el efecto de los bloques. Balanceo. Obtencin de las unidades experimentales, el agrupamiento, el bloqueo y la asignacin de los tratamientos a las unidades experimentales de manera que resulte una configuracin balanceada. Tratamiento o combinacin de tratamientos. Conjunto particular de condiciones experimentales que deben imponerse a una unidad experimental dentro de los confines del diseo seleccionado. Factor. Una variable independiente. En la mayora de las investigaciones se trata con ms de una variable independiente y con los cambios que ocurren en la variable independiente, cuando varia una o mas de las variables independientes. Etapas de un diseo de experimentos.

Enunciado o planteamiento del problema. Formulacin de hiptesis. Proposicin de la tcnica experimental y el diseo. Examen de sucesos posibles y referencias en que se basan las razones para la indagacin que asegure que el experimento proporcionar la informacin requerida y en la extensin adecuada. Consideracin de los posibles resultados desde el punto de vista de los procedimientos estadsticos que se aplicarn y para asegurar que se satisfagan las condiciones necesarias para que sean vlidos estos procedimientos.

Ejecucin del experimento. Aplicacin de las tcnicas estadsticas a los resultados experimentales. Extraccin de conclusiones con medidas de la confiabilidad de las estimaciones generadas. Deber darse cuidadosa consideracin a la validez de las conclusiones para la poblacin de objetos o eventos a la cual se van a aplicar. Valoracin de la investigacin completa y contrastacin con otras investigaciones del mismo problema o similares. para planear programas de pruebas.

Lista de comprobacin Obtenga un enunciado claro del problema 1. 2. 3. 4.

Identifique la nueva e importante rea del problema. Subraye el problema especfico dentro de sus limitaciones usuales. Defina el propsito exacto del programa de prueba. Determine la relacin del problema particular con la investigacin total o desarrollo del programa

Rena la informacin bsica disponible. 1. Investigue todas las fuentes de informacin posible. 2. Tabule los datos pertinentes para planear el nuevo problema. Disee el programa de prueba 1. Sostenga una conferencia respecto a todas las partes concernientes. a. b. c. d. e. Enuncie las proposiciones por probar. Especifique respecto a la magnitud de las diferencias que usted considere que valen la pena. Esboce las alternativas posibles de los sucesos. Escoja los factores por estudiar. Determine el rango prctico de estos factores y los niveles especficos a los qie se harn las pruebas. f. Escoja las mediciones finales que van a hacerse. g. Considere el efecto de variabilidad de muestreo y de la precisin de mtodos de prueba. h. Considere las posibles interrelaciones ( o interacciones) de los factores. i. Determine las limitaciones de tiempo, costo, materiales, potencia humana, instrumentacin y otros factores y de condiciones extraas tales como condiciones metereolgicas. j. Considere los aspectos de las relaciones humanas del programa. 1. Disee el programa en forma preliminar. a. b. c. d. e. f. prepare una cdula sistemtica y completa. Proporcione las etapas de ejecucin o adaptacin de la cdula si es necesario. Elimine los efectos de las variables que no estn en estudio. Reduzca al mnimo el nmero de ejecuciones del experimentos. Elija el mtodo de anlisis estadstico. Haga las indicaciones prudentes para una acumulacin ordenada de datos.

1. Revise el diseo con todo lo concerniente. a. Ajuste el programa de acuerdo con los comentarios. b. Desglose en trminos precisos los pasos a seguir. Planee y lleve a cabo el trabajo experimental. 1. 2. 3. 4. 5. 6. Desarrolle mtodos, materiales y equipo. Aplique los mtodos o tcnicas. Supervise y cheque los detalles modificando los mtodos si es necesario. Registre cualquier modificacin al diseo del programa. Sea cuidadoso en la coleccin de datos. Registre el avance del programa.

Analice los datos. 1. Reduzca los datos registrados a forma numrica, si es necesario. 2. Aplique las tcnicas adecuadas de la Estadstica Matemtica. Interprete los resultados. 1. 2. 3. 4. Considere todos los datos observados. Limite las conclusiones a deducciones estrictas a partir de la evidencia obtenida. Pruebe, mediante experimentos independientes, las controversias que susciten los datos. Llegue a conclusiones, tanto respecto al significado tcnico de resultados como respecto a significancia estadstica. 5. Especifique lo que implican los resultados para su aplicacin y para trabajos posteriores. 6. Tome en cuente las limitaciones impuestas por los mtodos usados. 7. Enuncie los resultados en trminos de probabilidades verificables. Prepare el reporte. 1. Describa claramente el trabajo dando antecedentes, aclaraciones pertinentes del problema y del significado de los resultados. 2. Use mtodos grficos y tabulares para la presentacin de los datos en forma eficiente para usos futuros. 3. Suministre informacin suficiente para que el lector pueda verificar resultados y sacar sus propias conclusiones. 4. Limite las conclusiones a un resumen objetivo, tal que el trabajo evidencie su uso para consideraciones rpidas y acciones decisivas. 3. Ventajas y Desventajas de los experimentos diseados estadsticamente. Ventajas 1. Se requiere una estrecha colaboracin entre los estadsticos y el investigador o cientficos con las consiguientes ventajas en el anlisis einterpretacin de las etapas del programa. 2. Se enfatiza respecto a las alternativas anticipadas y respecto a la pre-planeacin sistemtica, permitiendo aun la ejecucin por etapas y laproduccin nica de datos tiles para el anlisis en combinaciones posteriores.

3. Debe enfocarse la atencin a las interrelaciones y a la estimacin y cuantificacin de fuentes de variabilidad en los resultados. 4. El nmero de pruebas requerido puede determinarse con certeza y a menudo puede reducirse. 5. La comparacin de los efectos de los cambios es ms precisa debido a la agrupacin de resultados. 6. La exactitud de las conclusiones se conoce con una precisin matemticamente definida. Desventajas de los experimentos diseados estadsticamente. 1. Tales diseo y sus anlisis, usualmente estn acompaados de enunciados basados en el lenguaje tcnico del estadstico. Sera significativos a la generalidad de la gente, adems, el estadstico no debera subestimar el valor de presentarnos los resultados en forma grfica. De hecho, siempre debera considerar a la representacin grfica como un paso preliminar de un procedimiento ms analtico. 2. Muchos diseos estadsticos, especialmente cuando fueron formulados por primera vez, se han criticado como demasiado caros, complicados y que requieren mucho tiempo. Tales crticas, cuando son vlidas, deben aceptarse de buena fe y debe hacerse un intento honesto para mejorar la situacin, siempre que no sea en detrimento de la solucin del problema.