incertidumbre de la medición por el método adaptativo de Monte Carlo

Top PDF incertidumbre de la medición por el método adaptativo de Monte Carlo:

Metodología para la implementación del método adaptativo de Monte Carlo en la evaluación de la incertidumbre de la medición, utilizando el cálculo simbólico Maple. Aplicación a un experimento sencillo

Metodología para la implementación del método adaptativo de Monte Carlo en la evaluación de la incertidumbre de la medición, utilizando el cálculo simbólico Maple. Aplicación a un experimento sencillo

Se demostró que la propagación de las distribuciones, utilizando el método adaptativo de Monte Carlo, tiene mayor precisión en el cálculo de la incertidumbre de las mediciones que el método clásico o enfoque GUM de la propagación de las incertidumbres. Esto se confi rmó al comparar el intervalo de cobertura calculado en la medición del área de un triángulo aplicando el método MCM y el enfoque GUM. La longitud del intervalo o el rango fue de 0.48 para MCM y 1.00 para el enfoque GUM. Estas diferencias fueron signifi cativas al comparar la diferencia de los valores extremos del intervalo de los dos métodos con la tolerancia numérica.
Mostrar más

11 Lee mas

Gestionando la incertidumbre : ventajas de la aplicación de Monte Carlo en el desarrollo de cronogramas de proyectos

Gestionando la incertidumbre : ventajas de la aplicación de Monte Carlo en el desarrollo de cronogramas de proyectos

Sobre las preguntas que nos realizamos en la introducción de esta tesis podemos concluir que habiendo realizado los procesos previos y teniendo algún producto de software de los muchos disponibles para realizar simulación de Monte Carlo, la tarea específica de simular cronogramas de proyecto con Monte Carlo es considerablemente simple. Existe una gran cantidad de productos de software, con precios muy razonables de licencia, por lo que cualquier compañía que desarrolla proyectos, en particular las de la industria del Oil and Gas, debería desarrollar cronogramas y evaluar sensibilidades y riesgos con Monte Carlo. En lo que respecta a las preguntas sobre la aplicabilidad de Monte Carlo como herramienta de medición y control de gestión creemos que contar con una distribución de duración de los proyectos permite a la organización definir metas igualmente exigentes para todo el portafolio de proyectos por medio de la definición de un percentil objetivo. En ese sentido, resulta una herramienta más adecuada para la medición de performance y cumplimiento de objetivos.
Mostrar más

135 Lee mas

Correción de la precipitación por orografía mediante  modelación inversa en cuencas de la Cordillera de la Costa

Correción de la precipitación por orografía mediante modelación inversa en cuencas de la Cordillera de la Costa

Dentro del ciclo hidrológico, la precipitación es uno de los fenómenos de mayor influencia en la configuración de la naturaleza, siendo el principal aporte de agua a las cuencas condicionando los ciclos agrícolas y forestales. Dichos ciclos forman parte de las principales actividades económicas en la zona central y sur de Chile, por lo cual resulta relevante tener un conocimiento certero acerca de la disponibilidad de recursos hídricos en estas cuencas. Actualmente, la red de estaciones de precipitación de Chile resulta insuficiente para caracterizar correctamente la variabilidad espacial de estas, sobre todo en regiones montañosas como la Cordillera de la Costa y de los Andes, donde la precipitación registrada se ve sub-estimada producto de la topografía. El objetivo principal de este trabajo de investigación es cuantificar el efecto que tiene la Cordillera de la Costa (orografía) sobre las precipitaciones y por consiguientes sobre los caudales. Para ello, se utiliza un modelo conceptual semi-distribuido, acoplado a la herramienta de análisis de sensibilidad e incertidumbre Monte Carlo Analysis Toolbox (MCAT), para determinar el factor de corrección a las precipitaciones en cuencas costeras de Chile centro-sur mediante modelación inversa, comparando los volúmenes de entrada a la cuenca (simulados) con los volúmenes descargados desde la cuenca (registrados). Para cada simulación se utilizaron tres funciones objetivos, con la finalidad de verificar la calidad del modelo en la entrega de resultados. Se obtuvieron factores de corrección entre 1.2 y 2.2, lo que muestra una subestimación de entre un 20 a 120 % en la medición y consecuente estimación de precipitaciones con la red de pluviómetros actuales. Se observó que la densidad de estaciones y la ubicación de estas son insuficientes para caracterizar la variabilidad espacial de la precipitación en Chile centro-sur, en especial en aquellas zonas de topografía compleja como es la Cordillera de la Costa.
Mostrar más

16 Lee mas

Simulador de decisiones de marketing orientado a la segmentación de mercado usando el método de Monte Carlo

Simulador de decisiones de marketing orientado a la segmentación de mercado usando el método de Monte Carlo

La aplicación del método Monte Carlo [Azofeifa04] por Carlos Azofeifa, en el cálculo del riesgo usando Excel, muestra cómo se puede utilizar la simulación de Monte Carlo para estimar el riesgo de un fracaso, a través de un entorno en el cual se puede obtener información sobre posibles acciones mediante la experimentación por computadora utilizando Excel, en el cual se establece un modelo matemático. Este modelo da un mejor resultado frente a la incertidumbre según las pruebas realizadas por Vicente Ramírez [Ramírez10], en inventarios dinámicos, donde describe que este modelo permite hallar una solución al problema que presenta una refaccionaria de amortiguadores con los pedidos de sus clientes, para recuperar el posicionamiento que tenía en el mercado respecto de sus competidores.
Mostrar más

6 Lee mas

Aspectos computacionales en la estimación de incertidumbres de ensayo por el Método de Monte Carlo

Aspectos computacionales en la estimación de incertidumbres de ensayo por el Método de Monte Carlo

Cuando la información disponible sobre una magnitud X es su mejor estimación y su incertidumbre típica asociada u(x), puede asumirse que X posee una distribución de probabilidad gaussiana o normal. Esta distribución puede utilizarse cuando los datos provienen de un certificado de calibración con factor de cobertura k=2. Si bien la guía JCGM 101:2008 sugiere para estos casos la distribución t, para grados de libertad GL ≥ 30 (caso en que k=2), la distribución t puede aproximarse a una distribución gaussiana. En distribución normal se comparan resultados obtenidos con el algoritmo de Marsaglia y Bray (1964), y el algoritmo básico de Box y Müller (1958) (Thomas et al., 2007).
Mostrar más

10 Lee mas

Método Monte Carlo y el modelo de ising en dos y tres dimensiones

Método Monte Carlo y el modelo de ising en dos y tres dimensiones

se debe a que las frecuencias relativas con las cuales las diferentes configuraciones son visitadas se construyen siguiendo la ley de distribución de Boltzman. En la práctica las trayectorias son llevadas para solamente un tiempo de duración fini­ ta, y el promedio sobre configuraciones proveerá sólo un estimado de (G). La precisi9n estadística de un promedio de tiempo finito se puede estimar di­ vidiendo la trayectoria en subtrayectorias adecuadas. Así los promedios sobre estas subtrayectorias pueden ser vistas como observaciones estadísticamente in­ dependientes y a partir de estos valores estimar la incertidumbre correspondiente. Cuando T--+ oo ésta incertidumbre coincide con la incertidumbre estadística de (G). Esquemáticamente, ésta idea es ilustrada con el dibujo de la línea del tiempo dividida en incrementos de longitud L (figura 23):
Mostrar más

174 Lee mas

Cuantificación de la incertidumbre en flujos geofísicos mediante el uso de esquemas de volúmenes finitos Monte Carlo multi-nivel

Cuantificación de la incertidumbre en flujos geofísicos mediante el uso de esquemas de volúmenes finitos Monte Carlo multi-nivel

Es bien sabido que estos sistemas presentan además una familia notable de soluciones estacionarias que es necesario aproximar de forma muy precisa o incluso de forma exacta. Así, el desarrollo de esquemas numéricos bien equilibrados (“well-balanced”) es de suma importancia en estos problemas. Así, el uso de esquemas path-conservative facilita enor- memente la construcción de esquemas bien equilibrados (véase [37]). En lo que respecta al desarrollo de esquemas numéricos path-conservative en [33, 36] se han presentado una familia de esquemas de volúmenes finitos denotados por “PVM” (Polynomial Viscosity Matrix) y “RVM” (Rational Viscosity Matrix), cuyas matrices de viscosidad resultan de evaluar funcionalmente una matriz de Roe por un polinomio o una función racional que aproxima a la función valor absoluto. Estos esquemas no necesitan el conocimiento explícito de la estructura espectral de las matrices de Roe, por lo que, en general, son más eficientes que el método de Roe y son más sencillos de utilizar en sistemas en los que no se conocen de forma explícita su estructura espectral como en los sistemas de aguas someras bicapa o en algunos de los sistemas bifásicos anteriormente mencionados. Concretamente una de mis contribuciones ha sido el analizar con detalle las estabilidad lineal de un esquema de esta familia denominado IFCP introducido en ([51]) y que aplicaremos con éxito en la simulación de avalanchas generadas por tsunamis. También he propuesto un esquema de tipo HLLC para el modelo de RIPA (véase [120]). Este sistema aparece de forma natural al estudiar fluidos geofísicos estratificados, concretamente en el modelado de fluidos atmosféricos estratificados por la temperatura. Para ambos esquemas, IFCP y HLLC he propuesto extensiones de alto orden (segundo y tercer orden) y he estudiado sus propiedades de bien equilibrado.
Mostrar más

120 Lee mas

Análisis mediante el método de Monte Carlo de  filtros activos basados en variables de estado

Análisis mediante el método de Monte Carlo de filtros activos basados en variables de estado

En particular el método WCTA, que busca determinar los márgenes de tolerancia en los componentes que aseguran que los límites máximo y mínimo de una respuesta del filtro no sobrepase determinado margen de desempeño, adolece de la incertidumbre debida a que es difícil predecir cuál es la combinación de valores extremos de los componentes que conduce al peor caso en el desempeño de un circuito, principalmente cuando el WCTA se acomete mediante análisis de Monte Carlo (Kolev, 2002). La razón de ello radica en que los análisis de peor caso se sustentan en la idea de que si todos los componentes del circuito asumen simultáneamente sus valores máximos y mínimos (extremos) dentro de sus respectivas tolerancias es posible que las respuestas logradas sean el peor caso. Como quiera que sea, encontrar las condiciones para la peor variante es todo un reto. Al efecto se han publicado algunos trabajos como los de (Hayes et al. (2010)) basados en el uso de valores singulares estructurados a partir de la teoría del control robusto que tiene la ventaja de determinar el peor caso basado en repeticiones pero no de forma estadísticas, sino en un procedimiento equivalente a los análisis de estabilidad de sistemas. Si bien el método tiene su potencialidad requiere de sólidos conocimientos de teoría del control y de la aplicación de espacios de estado para su aplicación.
Mostrar más

78 Lee mas

Metodología de calibración para equipo de monitoreo eléctrico propietario PQ UAQ

Metodología de calibración para equipo de monitoreo eléctrico propietario PQ UAQ

Una de las necesidades más importantes dentro del monitoreo de la calidad de la energía es el desarrollo de instrumentos de medición, instrumentos que deben ser calibrados para poder cumplir su propósito de manera adecuada. Referente a métodos de calibración en instrumentos completos existen una buena cantidad de propuestas como la de Ferrero et al. (2002) quienes desarrollaron un procedimiento para calibrar Instrumentos para medición de calidad de energía basado en el método Monte Carlo que determina la función de densidad de probabilidad de cada dispositivo en el sistema desde la entrada de las señales hasta la conversión con la ayuda de un calibrador Fluke 5500 que genera lo valores de referencia. Ramos et al. (2006) propusieron un método de calibración para sensores de voltaje y corriente en mediciones de calidad de energía basado en la respuesta de los sensores a valores de corriente directa aplicados por el calibrador Wavetek 9100, un software basado en LabVIEW y XML ayuda en la adquisición de datos. Hao et al. (2009) publicaron su investigación sobre un sistema de calibración multifunción para calidad de energía que integra programación virtual de instrumentos y electrónica de potencia para conseguir una adquisición rápida de datos digitales. Chen (2012) desarrolló una plataforma de pruebas de calibración para equipos de monitoreo de calidad de energía para la integración de energía eólica en las redes.
Mostrar más

55 Lee mas

Cálculo de la incertidumbre por simulación de Monte Carlo en la determinación de aflatoxina B1 en maní de exportación por HPLC-FD. Aplicación a la evaluación de la conformidad. Parte II

Cálculo de la incertidumbre por simulación de Monte Carlo en la determinación de aflatoxina B1 en maní de exportación por HPLC-FD. Aplicación a la evaluación de la conformidad. Parte II

Basada en esta información y de acuerdo a los requisitos del cliente se verificó que el método es apto para el uso previsto y se procedió a la realización del ensayo para evaluar la incertidumbre utilizando la simulación de Monte Carlo. Los resultados arrojan que la incertidumbre estándar es u y =0.225 µg/Kg con un valor del mensurando o contenido de aflatoxina B1 en la muestra de Y=(1.47±0.45) µg/Kg. Se revisaron los resultados y se comparó con los requisitos de los compradores para finalmente confirmar el cumplimiento con la conformidad del producto de acuerdo a las especificaciones de los clientes.
Mostrar más

11 Lee mas

Valores clínicos prácticos en torno al control de la incertidumbre por el médico general/de familia

Valores clínicos prácticos en torno al control de la incertidumbre por el médico general/de familia

No hay claros beneficios del aumento del tiempo de consulta (16), pero en Atención Primaria existe consenso acerca de la necesidad de con- tar con un tiempo mínimo por paciente estimado en diez minutos. Aunque este tiempo se doblase y nos acercáramos a los treinta minutos por con- sulta, siempre tendrían que tener las consultas un tiempo máximo. Es decir, un médico no puede en buena lógica dedicar todo el tiempo del mundo al problema de un único paciente, para así disminuir a cero la incertidumbre (suponiendo que ésta tienda a desaparecer en el límite de infinito tiempo, lo que no está demostrado). Claramente, el control de la incertidumbre plantea un dilema con el tiempo dedicado a cada enfermo. No se puede aspirar a tener “todo el tiempo del mundo”, entre otras cosas porque no conviene crear listas de espera para ver al propio médico de cabecera, por las consecuencias que tiene para el control de la incertidum- bre (que hemos comentado anteriormente).
Mostrar más

15 Lee mas

9944 pdf

9944 pdf

Los dos ejemplos anteriores sugieren que, dada una muestra de la distribución a posteriori, casi cualquier cantidad de interés puede ser estimada. Pero, ¿que pasa si no se puede muestrear de la distribución directamente? Este es un viejo problema que precede el interés de los estadísticos bayesianos por muchos años, debido a que hay muchas distribuciones que son difíciles, o casi imposibles de simular directamente, al no disponer de la representación de la distribución en su forma usual, es necesario implementar otro tipo de simulaciones. A continuación se analizaran los métodos indirectos de Monte Carlo.
Mostrar más

118 Lee mas

Técnicas de reducción de varianza para el método Monte Carlo aplicado a opciones financieras

Técnicas de reducción de varianza para el método Monte Carlo aplicado a opciones financieras

Muchos investigadores han propuesto modelos para los activos financieros, como Sa- muelson, Robert C. Merton, Fisher Black y Myron Scholes, con los cuales se intenta modelar los activos financieros. Nosotros siguiendo la línea de Samuelson, consideramos que los precios de los activos siguen un movimiento Browniano Geométrico, con esa hipótesis, simulamos el costo y tiempo de ejecución de una opción americana tipo call en “ The R Project for Statistical Computing ” utilizando el método de Monte Carlo. Cabe hacer mención que hasta el momento no hay una fórmula para el costo de una opción americana como la propuesta por Black y Scholes para el costo de una Opción Europea.
Mostrar más

63 Lee mas

Anisotropía de superficie en nanopartículas de magnetita: simulación de Monte Carlo

Anisotropía de superficie en nanopartículas de magnetita: simulación de Monte Carlo

mismo, se simuló una nanopartícula aproximadamente esférica de radio 2.5 nm con condiciones de frontera libres. Para el cálculo de las propiedades se empezó desde una temperatura superior a la de transición comenzando con una configuración de espines aleatoria correspondiente a temperatura infinita, también con una configuración ordenada propia de temperatura cero. Se realizaron promedios sobre tres configuraciones distintas, tomando en cada caso hasta 15.000 pasos de Monte Carlo por espín para hallar los promedios en el equilibrio.

5 Lee mas

Aplicación de un algoritmo bioinspirado para optimizar los parámetros de los métodos scan

Aplicación de un algoritmo bioinspirado para optimizar los parámetros de los métodos scan

Este método es una variación del anterior y se utiliza para enfermedades que tengan un comportamiento estacional. Los datos se encuentran ordenados cronológicamente a lo largo de la línea del tiempo y el círculo se forma uniendo la última fecha con la primera. La ventana se desplaza sobre el círculo y se determina en cada una, la cantidad de enfermos asociados a ella. Con este desplazamiento circular se pretende incorporar al análisis la cercanía de posibles casos a “finales del último período considerado” con los del principio del “primer período considerado”, como si fueran “los del siguiente período”.
Mostrar más

57 Lee mas

Diferentes enfoques paralelos aplicados en la simulación de un problema físico usando el método de monte carlo . Línea de Investigación: Distribución y Paralelismo

Diferentes enfoques paralelos aplicados en la simulación de un problema físico usando el método de monte carlo . Línea de Investigación: Distribución y Paralelismo

Se ha implementado un modelo (DAGES Model), que desarrolla el cálculo del factor de tasa de dosis (dose-rate factor) debida a Gama Emisores depositados en el suelo. Se desea saber el efecto que causa la exposición a la altura de un metro para fuentes distribuidas en el suelo usando el método de Monte Carlo (MMC), en un sistema de computadoras paralelas (Cluster).

3 Lee mas

Estado del arte de la programación del mantenimiento de la generación entre los años 2008 y 2017

Estado del arte de la programación del mantenimiento de la generación entre los años 2008 y 2017

unidad, Algoritmo metaheurístico, Método de agrupamiento (DBScan), método de clasificación (SVM) y sistema SCADA, Técnica de reformulación disyuntiva proyectada (PDR), Modelo meteorológico de cadena de múltiples parámetros de Markov, Modelo de simulación NOWIcob O&M, Proceso de Decisión Semi-Markoviano (SMDP), Método de predicción de fiabilidad, Producción de potencia estocástica, Arquitectura conceptual para la gestión de la salud, Mantenimiento preventivo (PM), Modelo económico de cargas sensibles, Modelo de Cournot, Metodología de análisis predictivo, Programación limitada por azar (CCP), Indicadores clave de rendimiento (KPI), Métodos de Búsqueda de Vecindad Variable (VNS), Monitoreo de la condición de la vibración (VCM), Tecnología de análisis Big Data, Análisis morfológico, Algoritmo genético de clasificación no dominado (NSGA-II), Algoritmo de enjambre adaptable de partículas discretas (ADPSO), Algoritmo de colonia artificial de abejas (ABC), Enjambre de Partículas Híbrido, Método de enumeración implícito Balas mejorado, Método que integra la teoría de credibilidad y el método Cumulant
Mostrar más

83 Lee mas

SIMULACIÓN DE MONTE CARLO CON EXCEL

SIMULACIÓN DE MONTE CARLO CON EXCEL

Los orígenes de esta técnica están ligados al trabajo desarrollado por Stan Ulam y John Von Neumann a finales de los 40 en el laboratorio de Los Alamos, cuando investigaban el movimiento aleatorio de los neutrones [W1]. En años posteriores, la simulación de Monte Carlo se ha venido aplicando a una infinidad de ámbitos como alternativa a los modelos matemáticos exactos o incluso como único medio de estimar soluciones para problemas complejos. Así, en la actualidad es posible encontrar modelos que hacen uso de simulación MC en las áreas informática, empresarial, económica, industrial e incluso social [5, 8]. En otras palabras, la simulación de Monte Carlo está presente en todos aquellos ámbitos en los que el comportamiento aleatorio o probabilístico desempeña un papel fundamental -precisamente, el nombre de Monte Carlo proviene de la famosa ciudad de Mónaco, donde abundan los casinos de juego y donde el azar, la probabilidad y el comportamiento aleatorio conforman todo un estilo de vida.
Mostrar más

14 Lee mas

Randomized Hamiltonian Monte Carlo

Randomized Hamiltonian Monte Carlo

1. Introduction. In the present article, we suggest a randomized version of the Hamiltonian Monte Carlo (also called Hybrid Monte Carlo) algorithm that, under very general hypotheses, may be proved to be geometrically ergodic. The Hamiltonian Monte Carlo (HMC) algorithm is a general purpose Markov Chain Monte Carlo (MCMC) tool for sampling from a probability distribution [11, 22, 31, 33]. It offers the potential of generating proposed moves that are far away from the current location of the chain and yet may be accepted with high probability. The algorithm is based on integrating a Hamiltonian system and possesses two free parameters: the duration of the Hamiltonian flow and the time step size of the integrator. Unfortunately, the performance of HMC depends crucially on the values assigned by the user to those parameters; while for some parameter values HMC may be highly efficient, it is well known that, as discussed below, there are values for which the algorithm, in its simplest form, is not even ergodic. The Randomized Hybrid Monte Carlo (RHMC) addresses these shortcomings of HMC.
Mostrar más

36 Lee mas

Modelos estocásticos aplicados a la simulación de costos nivelados de centrales generadoras de electricidad de carga base considerando externalidades ambientales

Modelos estocásticos aplicados a la simulación de costos nivelados de centrales generadoras de electricidad de carga base considerando externalidades ambientales

4. Conclusiones y Recomendaciones El modelo determinístico solo proporciona un parámetro de entrada, que no se modifica a lo largo del período considerado, y el resultado es un valor de salida. En tanto que el método estocástico, incorpora funciones de distribución de probabilidad asociadas a las variables de entrada, el uso de un software especializado (@Risk) que facilita los cálculos, reduce el tiempo de ejecución del modelo y proporciona una gráfica de distribución de probabilidad de los valores del CTNGE que es fácilmente interpretable. Lo anterior, permite una toma de decisiones más enriquecedora.
Mostrar más

17 Lee mas

Show all 10000 documents...