Sunteți pe pagina 1din 3

MODELO DE MONTECARLO

El mtodo de Monte Carlo es una tcnica numrica para calcular probabilidades y


otras cantidades relacionadas, utilizando secuencias de nmeros aleatorios.
ORIGEN
La invencin del mtodo de Monte Carlo se asigna a StanislawUlam 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.
DONDE ENCONTRAMOS SU MAYOR APLICACIN, PARA Q PROCESOS
Los programas de diseo asistido por ordenador (CAD) pueden determinar
rpidamente el volumen de modelos muy complejos. Estos modelos, en general,
no tienen una expresin analtica para determinar su volumen (por ejemplo, para
un prisma, rea de la base multiplicada por la altura), y la nica solucin es dividir
el modelo en un conjunto de pequeos submodelos (teselacin) cuyo volumen
pueda determinarse (por ejemplo, dividir el modelo en miles de tetraedros). Sin
embargo, esto consume muchos recursos, tanto para la teselacin como para el
clculo del volumen de cada uno de los elementos. Por ello utilizan mtodos de
Montecarlo, ms robustos y eficientes.
Como el software s que conoce la expresin analtica de la geometra del modelo
(posicin de los nodos, aristas y superficies) puede determinar si un punto est
dentro del modelo o est fuera con un coste mucho menor que el de determinar un
volumen.

En primer lugar el software coloca el modelo dentro de un volumen


conocido (por ejemplo, dentro de un cubo de 1 m3 de volumen).

A continuacin, genera un punto aleatorio del interior del volumen conocido, y


registra si el punto "ha cado" dentro o fuera del modelo. Esto se repite un gran
nmero de veces (miles o millones), consiguiendo un registro muy grande de
cuntos puntos han quedado dentro y cuntos fuera.

Como la probabilidad de que caiga dentro es proporcional al volumen del


modelo, la proporcin de puntos que han cado dentro con respecto al total de
puntos generados es la misma proporcin de volumen que ocupa el modelo
dentro del cubo de 1 m3.
Si el 50% de los puntos han cado dentro, el modelo ocupa el 50% el volumen
total, es decir, 0.5 m3. Evidentemente, cuantos ms puntos genere el software,
menor ser el error de la estimacin del volumen.
Para el caso de una sola variable el procedimiento es la siguiente: Generar una
serie de nmeros aleatorios, r1, r2,,rm, uniformemente distribuidos en [0,1] Usar
esta secuencia para producir otra secuencia, x1, x2,,xm, distribuida de acuerdo
a la pdf en la que estamos interesados. Usar la secuencia de valores x para
estimar alguna propiedad de f(x). Los valores de x pueden tratarse como medidas
simuladas y a partir de ellos puede estimarse la probabilidad de que los x tomen
valores en una cierta regin. Formalmente un clculo MC no es otra cosa que una
integracin. En general, para integrales unidimensionales pueden usarse otros
mtodos numricos ms optimizados. El mtdo MC es, sin embargo muy til para
integraciones multidimensionales
Precisin del mtodo de MC
Clculo MC = integracin. Precisin 1/n donde n es el nmero de valores
aleatorios generados. Comparamos con otros mtodos de integracin numrica:
Trapezoidal: Precisin 1/n2 Sin embargo para d dimensiones la precisin del
mtodo de MC es independiente de d (siempre 1/n ) mientras que, por ejemplo,
la trapezoidal, 1/n2/d En resumen: Para d alta (d > 4 tpicamente) el mtodo MC
da la mayor precisin

QUE HERRAMIENTA CONSIDERA EL USO DE MONTECARLO


Paquetes que simulan el modelo en aplicacin deinteraccin de las partculas con
la materia.