Por que la simulacin de montecarlo es una exelente herramienta , para

modelar problemas como los analizados?

La importancia actual del mtodo Montecarlo se basa en la existencia de
problemas que tienen difcil solucin por mtodos exclusivamente analticos o
numricos, pero que dependen de factores aleatorios o se pueden asociar a un
modelo probabilstica artificial (resolucin de integrales de muchas variables,
minimizacin de funciones, etc.). Gracias al avance en diseo de los ordenadores,
clculos Montecarlo que en otro tiempo hubieran sido inconcebibles, hoy en da se
presentan como asequibles para la resolucin de ciertos problemas.

Una ventaja de la simulacin de Montecarlo seria sobre los resultados

probabilsticos y grficos ya que, con los probabilsticos muestran lo que
puede suceder y que tan probable es que suceda un resultado, con los
grficos cuando los datos son generados por Montecarlo se hace fcil crear
grficas para observar cuales son las posibilidades de que algo suceda.

Cuando se hacen algunas simulaciones es muy difcil modelar diferentes

combinaciones de valores de entrada, pero al utilizar la simulacin de
Montecarlo se puede ver qu valores tiene exactamente cada variable, al
igual que se puede relacionar distintas variables de entrada para averiguar
con certeza porque ciertos valores tienen cambios repentinos
paralelamente.

Otra ventaja que se puede mencionar serian que cuando se tienen pocos
resultados, se hace ms difcil ver lo que afecta el resultado, en cambio
cuando se utiliza simulacin Montecarlo se hace ms fcil que vea cuales
son las variables que influyen ms en los resultados.

Desventajas

Hablando del mtodo de la aguja de bufn, que es una aplicacin del mtodo
Montecarlo su desventaja es que solo se puede aplicar en medios que
contienen geometras planas.
Otra desventaja seria; al tener un modelo de simulacin las salidas producidas
es aleatorias y deben ser tratadas como lo que son, es decir como una
estimacin solamente, tambin que al suponer valores para realizar la
simulacin el sistema puede ser muy poco realista.

Tambin podemos destacar como desventaja que si son modelos de

simulacin muy complejos pueden requerir mucho tiempo para construirlos.

Una ventaja de la simulacin de Montecarlo seria sobre los resultados

probabilsticos y grficos ya que, con los probabilsticos muestran lo que
puede suceder y que tan probable es que suceda un resultado, con los
grficos cuando los datos son generados por Montecarlo se hace fcil
crear grficas para observar cuales son las posibilidades de que algo
suceda.

Cuando se hacen algunas simulaciones es muy difcil modelar diferentes

combinaciones de valores de entrada, pero al utilizar la simulacin de
Montecarlo se puede ver qu valores tiene exactamente cada variable,
al igual que se puede relacionar distintas variables de entrada para
averiguar con certeza porque ciertos valores tienen cambios repentinos
paralelamente.

Otra ventaja que se puede mencionar serian que cuando se tienen pocos
resultados, se hace ms difcil ver lo que afecta el resultado, en cambio
cuando se utiliza simulacin Montecarlo se hace ms fcil que vea
cuales son las variables que influyen ms en los resultados.

1. Por que la simulacin de montecarlo es una exelente herramienta , para

modelar problemas como los analizados?
La importancia actual del mtodo Montecarlo se basa en la existencia de
problemas que tienen difcil solucin por mtodos exclusivamente analticos o
numricos, pero que dependen de factores aleatorios o se pueden asociar a un
modelo probabilstica artificial (resolucin de integrales de muchas variables,
minimizacin de funciones, etc.). Gracias al avance en diseo de los ordenadores,
clculos Montecarlo que en otro tiempo hubieran sido inconcebibles, hoy en da se
presentan como asequibles para la resolucin de ciertos problemas.
La simulacin, como lo hemos visto es el proceso de construir un
modelo matemtico o lgico de un sistema o problema de decisin,
experimentando con el modelo para obtener luces sobre el comportamiento del
sistema o elementos que permitan seleccionar la mejor alternativa para el
problema de decisin.
2. Cules son las dificultades a las que usted cree se debieron enfrentar los actores
que realizaron la investigacin a cada uno de los modelos a la luz de la
metodologa, que se requiere para llevar a cabo un estudio de simulacin?
Los autores debieron probar muchas veces con experimentos mentales las miles
de posibilidades, y en cada etapa determinar por casualidad un nmero aleatorio
distribuidos segn las probabilidades que sucedera para tener una idea del
proceso.
3. Como cree que se podria solucionar el problema, al que se enfrentan en la
aplicacin real?
Mediante el avance tecnolgico y con personas especializadas en el tema del
avance de la ciencia que se presentan hoy en da los cuales son asequibles para
la resolucin de problemas, la base es la generacin de nmeros aleatorios de los
que sirven para calcular probabilidades que han hecho que la tcnica de
simulacin sea una de las herramientas ms ampliamente usadas en el anlisis de
sistemas. Por otra parte que sea de mayor entendimiento para las personas y que
sirva como una herramienta flexible que d resultados positivos y no respuestas
incoherentes.
4. Principales Ventajas del Metodo de Montecarlo?

La utilizacin de este mtodo en cuanto a la conducta habitual de un cliente

y como tal este sistema nos da una visualizacin de posibilidades hacia la
misma.
Es posible visualizar con precisin las variables que influyen en un
resultado.

Se pueden evidenciar los valores exactamente de cada variable, al igual

que se puede relacionar distintas variables de entrada para averiguar con
certeza valores que tienen cambios repentinos.
Muestra lo que puede suceder y que tan probable es que suceda un
resultado, con los grficos cuando los datos son generados por Montecarlo se
facilita crear grficos para observar cuales son las probabilidades de que algo
suceda.
Es fcil ver cules son las variables que influyen ms en los resultados.
5. Desventajas del Mtodo de Montecarlo?

El desarrollo de un modelo puede ser costoso, laborioso y lento.

Existe la posibilidad de errores. La experimentacin se lleva a cabo con un
modelo y no con el sistema real; entonces, si el modelo est mal o se cometen
errores en su manejo, los resultados tambin sern incorrectos.

No se puede conocer el grado de imprecisin de los resultados. Por lo general el

modelo se utiliza para experimentar situaciones nunca planteadas en el sistema
real, por lo tanto no existe informacin previa para estimar el grado de
correspondencia entre la respuesta del modelo y la del sistema real.
No siempre proporciona un resultado correcto y se pueden cometer errores, ya
que la simulacin puede arrojar resultados incorrectos.
Los resultados en cuanto a las salidas producidas es aleatoria y deben ser
tratadas como una estimacin solamente, y tambin que al suponer valores para
realizar la simulacin el sistema puede ser muy poco realista.
Para los modelos de simulacin muy complejos se puede requerir mucho tiempo
para construirlos.
Solo se pueden aplicar en modelos que tienen geometra plana.

http://nosvamosamontecarlo.blogspot.com/2011/11/ventajas-y-desventajas-demontecarlo.html
https://cuantozombi.com/2012/11/17/monte-carlo/