2

Simulación Gerencial
Introducción a Simulación de
Montecarlo

1

Agenda
• Introducción
• Simulación de Montecarlo (SMC)
• Ejemplos

2

Introducción
¿Qué es Simulación?
Simulación es el proceso de construir un modelo matemático o
lógico de un sistema o problema de decisión, experimentando
con el modelo para obtener luces sobre el comportamiento del
sistema o elementos que permitan seleccionarla mejor
alternativa para el problema de decisión.

3

Introducción
¿Qué es un Modelo?
Un modelo se puede definir como la representación de un
sistema con el propósito de estudiarlo.
Se debe definir claramente la relación entre las entidades, las
actividades que se desarrollan y es únicamente necesario
considerar aquellos aspectos del sistema que afectan el
problema de investigación.

4

Tiposde Modelos
¿Qué es un Modelo?

5

Pasos en un estudio de Simulación

6

Traducción del Modelo
1.

Traducción del
Modelo

2.

Lenguajes de
propósito
General

Lenguajes de
Simulación de
propósito
especial

3.

Java, C++, VB

Arena, @Risk,
Crystal Ball

7

Simulación de Montecarlo (SMC)
La Simulación de Montecarlo (SMC) es una técnica cuantitativa
que hace uso de muestreos estadísticos paraimitar, mediante
modelos matemáticos, el comportamiento aleatorio de
sistemas reales no dinámicos.
Generalmente en estadística los modelos aleatorios se usan
para simular fenómenos que poseen algún componente
aleatorio. Pero en la SMC el objeto de la investigación es el
objeto en sí mismo, es decir, un suceso aleatorio o pseudoaleatorio se usa para estudiar el modelo.
8

Simulación de Montecarlo(SMC)
La clave de la SMC consiste en crear un modelo matemático del
sistema, proceso o actividad que se quiere analizar,
identificando:
- Variables (Inputs del modelo): Son aquellas cuyo
comportamiento aleatorio determina el comportamiento
global del sistema. (Generación de números y variables
aleatorias).

9

Simulación de Montecarlo (SMC)
- Resultados de la Simulación (Experimento): Analizar elcomportamiento del sistema ante los valores generados. El
objetivo es repetir n veces el experimento obteniendo n
observaciones sobre el comportamiento del sistema. Los
resultados serán más precisos cuanto mayor sea el número n
de experimentos que llevemos a cabo.

10

Simulación de Montecarlo (SMC)
La SMC se puede utilizar de acuerdo a los siguientes algoritmos:
- SMC Puro: Está fundamentado en lageneración de
números aleatorios por el método de Transformación
Inversa, el cual se basa en las distribuciones acumuladas de
frecuencias (Visto anteriormente).

11

Simulación de Montecarlo (SMC)
- Combinación de VA´s por SMC: Cuando el resultado de la
simulación se da por la combinación de las VA´s, se debe
realizar y verificar:
- Desarrollar un modelo conceptual o lógico de decisión.
-Construir un modelo, especificando la relación entre las
variables y las distribuciones de probabilidad para las variables
aleatorias.
- Verificar y validar el modelo.
- Diseñar experimentos utilizando el modelo.
- Analizar los resultados y concluir.
12

Simulación de Montecarlo (SMC)
Las principales características a tener en cuenta para la
implementación o utilización de la SMC son:
- El sistemadebe ser descripto por 1 o más funciones de
distribución de probabilidad (FP).
- Generación de números aleatorios (No debe existir correlación
entre los valores muéstrales).
- Establecer límites y reglas de muestreo para las FP (Definir que
valores pueden adoptar las VA´s).
13

Simulación de Montecarlo (SMC)
Las principales características a tener en cuenta para la
implementación o utilización dela SMC son:
- Definir Scoring (Cuando un valor aleatorio tiene o no sentido para
el modelo a simular).
- Estimación del error (¿Con que error trabajamos? ¿Cuanto error
podemos aceptar para que una corrida sea válida?).

- Técnicas de reducción de Varianza.
14

Simulación de Montecarlo (SMC)
Las principales características a tener en cuenta para la
implementación o utilización de la SMC son:
-...