Universidad Politécnica Salesiana

Informe Técnico

Simulación Técnica de Monte Carlo

Integrantes
 Liliana Calderón Carrión
 Cindy Zeballos A.

Docente
Ing. Joffre León V.

Guayaquil, 2016

1
Contenido
Objetivo ........................................................................................................................................ 3
Integral de 0 al Inf - Monte Carlo. ................................................................................................ 3
Gráfica de la ecuación. ............................................................................................................. 3
Cuadro Comparativo................................................................................................................. 4
Gráfica en las simulaciones. ..................................................................................................... 4
Integral de - Inf al Inf - Monte Carlo. ........................................................................................... 6
Gráfica de la ecuación. ............................................................................................................. 6
Cuadro Comparativo................................................................................................................. 6
Gráficos en las simulaciones .................................................................................................... 7
Integral Definida - Monte Carlo. .................................................................................................. 8
Gráfica de la ecuación. ............................................................................................................. 9
Cuadro Comparativo................................................................................................................. 9
Gráficos en las simulaciones .................................................................................................. 11
Conclusión ................................................................................................................................... 13

2
Objetivo
Comprender, desarrollar (completar) los algoritmos y aplicar la técnica de Simulación de
Monte Carlo.

Integral de 0 al Inf - Monte Carlo.

∞
Se tiene la siguiente integral ∫𝟎 𝒙(𝟏 + 𝒙)𝟐 𝒅𝒙 que se desea resolver con el método de
Monte Carlo. Para resolver este tipo de integrales en Montecarlo se utiliza la siguiente
𝟏
𝒈( −𝟏) 𝟏
𝒚
función: h(y) = , donde x = − 𝟏
𝒚𝟐 𝒚

Gráfica de la ecuación.

El algoritmo para el cálculo del valor esperado es el siguiente:

Donde en y se almacenan los números aleatorios uniformes y x se calcula en base a lo

que contiene g. finalmente se va sumando en s1 para obtener el valor esperado.

3
Cuadro Comparativo
En la siguiente tabla observaremos los diferentes valores que tomo la integral cambiando
el número de simulaciones:

# max_obs num_sim m Monte Carlo

1 1 10 80 1506041.751703
2 1 1000 80 1087279434.334711
3 1 1000 80 20048556394812.937000

Mientras se aumentaban las simulaciones, el valor de la integral iba aumentando, y en la

gráfica había momentos en que el valor de la integral se mantenía fijo para cada
simulación
Gráfica en las simulaciones.
- Grafica de valores de la integral con 10 simulaciones.

4
- Grafica de valores de la integral con 100 simulaciones.

- Grafica de valores de la integral con 1000 simulaciones.

5
Integral de - Inf al Inf - Monte Carlo.
∞ 𝟐
Se tiene la siguiente integral ∫−∞ ℮−𝒙 𝒅𝒙 que se desea resolver con el método de
Monte Carlo. Para resolver este tipo de integrales en Montecarlo se utiliza la siguiente
𝒚
𝒈(𝒍𝒏((𝟏−𝒚))) 𝒚
función: h(y) = , donde x = 𝒍𝒏 ((𝟏−𝒚))
𝒚−𝒚𝟐

Gráfica de la ecuación.

El resultado de la integral es aproximado a 1.77245 y la definición del cálculo del valor esperado
es el siguiente:

Cuadro Comparativo
Para las simulaciones se utilizaron los siguientes parámetros con su respectivo valor de la
integral:
Nota: de la siguiente gráfica en la 3era configuración de parámetros vemos que el valor
de la integral por monte carlo se aproxima al valor esperado, mientras que en Simpson y
trapecio el valor se mantiene constante.

6
 # max_obs num_sim m Monte Carlo Simpson Trapecio

1 4000 100 50 1.775956 1.772454 1.772454

2 4000 1000 50 1.772142 1.772454 1.772454
3 40000 1000 50 1.772537 1.772454 1.772454
4 400000 100 50 1.772296 1.772454 1.772454
5 4000 10000 50 1.772247 1.772454 1.772454
Media 1.7730356 1.772454 1.772454

Nota: En el siguiente cuadro se muestra las comparaciones que se hizo cambiando el número
de simulaciones.

# max_obs num_sim m Monte Carlo Simpson Trapecio

1 1 10 50 1.7679 1.772454 1.772454

2 1 1000 50 1.710557 1.772454 1.772454
3 1 100000 50 1.771048 1.772454 1.772454
Media 1.696836 1.772454 1.772454

Como podemos observar en la 3era configuración se aproximó un poco más al valor de

la integral con 100000 simulaciones y en los métodos de Simpson y trapecio daba el
mismo valor y la recta del valor de la integral con respecto a cada simulación se definía
mejor.
Gráficos en las simulaciones

7
Integral Definida - Monte Carlo.
𝟓 𝟑⁄
Se tiene la siguiente integral ∫𝟎 (𝟏 + 𝒙𝟐 ) 𝟐 𝒅𝒙 que se desea resolver con el método
de Monte Carlo.

8
 Gráfica de la ecuación.

El resultado de la integral es 176.1459602. En el archivo Integral_montecarloAB se tiene

el algoritmo que resuelve este tipo de integrales, donde h(y)= (b-a)*g(a+(b-a)y)

Donde en y se almacenan los números aleatorios uniformes y x se calcula en base a lo

que contiene g. finalmente se va sumando en s1 para obtener el valor esperado.
Cuadro Comparativo
Para las simulaciones se utilizaron los siguientes parámetros con su respectivo valor de la
integral:
Nota: En esta tabla representamos los cambios en max_obs y num_sim para poder hallar
un valor aproximado a la integral. En la 5ta simulación se logró el valor esperado de la
integral.

# max_obs num_sim m Monte Carlo Simpson Trapecio

1 4000 1000 50 176.138152 176.145960 176.209697

2 40000 1000 50 176.141489 176.145960 176.209697
3 400000 1000 50 176.142141 176.145960 176.209697

9
 4 40000 100 50 176.138795 176.145960 176.209697
5 400000 100 50 176.145944 176.145960 176.209697
Media 176.1413042 176.145960 176.209697

Nota: En esta tabla representamos los cambios en num_sim para poder visualizar mejor
en las gráficas siguientes cada valor de la integral con respecto a cada simulación.

# max_obs num_sim m Monte Carlo Simpson Trapecio

1 1 10 50 135.305793 176.145960 176.209697

2 1 100 50 151.821386 176.145960 176.209697
3 1 1000 50 178.461375 176.145960 176.209697
4 1 10000 50 174.575596 176.145960 176.209697
5 1 100000 50 176.372289 176.145960 176.209697
Media 163.30672878 176.145960 176.209697

Observamos que para las configuraciones de los parámetros en el método Simpson y

Trapecio daba siempre igual, mientras que en el método Montecarlo variaba el valor de
la integral. Aumentaba el valor de la integral cuando se aumentaba el num_sim. Y la recta
de la representación de cada valor de la integral en las simulaciones se dibujaba cada vez
mejor.

10
Gráficos en las simulaciones

11
12
Conclusión
La técnica de Monte Carlo nos ayudó a dar valores aproximados a la integral que se
ejecutaba en distintos rangos, llegando así a tener un margen de error mínimo con
respecto a los otros métodos utilizados como Simpson y Trapecio.
Cada vez que se ejecuta la simulación con diferentes número de observaciones se
aproxima cada vez más al valor de la integral, en cambio con los otros métodos el valor
es estático. Cabe recalcar que la misma configuración de parámetros no da el mismo
resultado en las diferentes ejecuciones, ya que se ejecutó varias veces las simulaciones
con los mismos parámetros y daban resultados cambiados, unas veces se acercaba más
al valor esperado y en otras ocasiones el valor se alejaba considerablemente al valor
esperado por la integral.
Para las gráficas de la integral de 0 al infinito, el valor de la integral se mantenía en
simulaciones continuas llegando así a formar rectas verticales en el plano y en las
integrales de a – b y – infinito a más infinito formaban rectas con distribución
uniformemente crecientes a medida que se le aumentaban el número de simulaciones.

13