economia

Ingeniería
Métodos de Monte Carlo son ampliamente utilizados en ingeniería para el análisis de sensibilidad y análisis probabilístico cuantitativa en el diseño del proceso. La necesidad surge de la conducta interactiva, co-lineal y no lineal de simulaciones de procesos típicos. Por ejemplo,
• en la microelectrónica de ingeniería, métodos de Monte Carlo se aplican a analizar las variacionescorrelacionadas y no correlacionadas en los circuitos integrados analógicos y digitales.
• en geoestadística y Geometalurgia, métodos de Monte Carlo sustentan el diseño de diagramas de flujo de procesamiento de minerales y contribuyen al análisis de riesgo cuantitativo.
• en el análisis de rendimiento de la energía eólica, la producción de energía previsto de un parque eólico durante su vida útilse calcula dar diferentes niveles de incertidumbre
• impactos de la contaminación son simuladas y diesel en comparación con la gasolina.
• En robótica autónoma, Monte Carlo localización puede determinar la posición de un robot. Se aplica a menudo a filtros estocásticos tales como el filtro de Kalman o un filtro de partículas que forma el corazón del algoritmo de SLAM.
• En la ingenieríaaeroespacial, se utilizan los métodos de Monte Carlo para asegurar que múltiples partes de un ensamblaje encajan en un componente del motor.
Biología Computacional
Métodos de Monte Carlo se utilizan en biología computacional, tales como para la inferencia bayesiana en la filogenia.
Los sistemas biológicos tales como membranas de proteínas, imágenes de cáncer, están siendo estudiados por medio desimulaciones por ordenador.
Los sistemas pueden ser estudiados en los marcos initio de grano grueso o ab dependiendo de la precisión deseada. Las simulaciones por ordenador nos permiten monitorear el entorno local de una molécula en particular para ver si alguna reacción química ocurre por ejemplo. También se pueden llevar a cabo experimentos de pensamiento cuando los experimentos físicos no sonfactibles, por ejemplo, bonos de rotura, la introducción de impurezas en sitios específicos, el cambio de la estructura local/global, o la introducción de campos externos.
Infografía
Camino trazado, a veces denominada Monte Carlo Ray Tracing, hace una escena 3D trazando al azar muestras de posibles trayectorias de la luz. Muestreo repetido de cualquier píxel con el tiempo hará la media de lasmuestras para converger en la solución correcta de la ecuación de la representación, por lo que es uno de los gráficos en 3D más precisos físicamente métodos existentes de representación.
Estadística aplicada
En estadística aplicada, métodos de Monte Carlo se utilizan generalmente para dos propósitos:
• Para comparar las estadísticas de la competencia para muestras pequeñas de datos encondiciones realistas. Aunque las propiedades de error de tipo I y el poder de la estadística se puede calcular de los datos extraídos de las distribuciones teóricas clásicas para condiciones asintóticas, los datos reales a menudo no tienen tales distribuciones.
• Para proporcionar implementaciones de pruebas de hipótesis que son más eficientes que las pruebas exactas tales como pruebas depermutación y ser más precisos que los valores críticos de las distribuciones asintóticas.
Métodos de Monte Carlo son también un compromiso entre la aleatorización aproximadas y pruebas de permutación. Una prueba de aleatorización aproximada se basa en un subconjunto especificado de todas las permutaciones. El método de Monte Carlo se basa en un número especificado de permutaciones extraídosaleatoriamente.
Diseño y visuales
Métodos de Monte Carlo también son eficientes en la solución de ecuaciones diferenciales acopladas integrales de los campos de radiación y el transporte de energía, y por lo tanto estos métodos han sido utilizados en los cálculos de iluminación global que producen imágenes foto-realistas de modelos virtuales en 3D, con aplicaciones en los videojuegos, la arquitectura, el...