PDF superior El método de Monte Carlo y los desarrollos asintóticos

El método de Monte Carlo y los desarrollos asintóticos

El método de Monte Carlo y los desarrollos asintóticos

Se presenta un punto de vista sincrético mencionando, en forma general, a las distribuciones de Pearson que, como es sabido, abarca un amplio número de distribuciones de la teoría de probabilidades (beta, gamma, normal, etc.) El método de Monte Carlo se puede usar para analizar sistemas de servicios, análisis de la calidad y seguridad de piezas, análisis de paso de neutrones a través de una placa y para un numeroso conjunto de problemas propios de la medicina.

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

El propósito de este trabajo es analizar los distintos aspectos relacionados al desarrollo de una aplicación informática para la estimación de incertidumbres de ensayo por el método de Monte Carlo, independiente de plataformas de cálculo como MS Excel, MathLab o R. Se analizan las dificultades y posibles soluciones en cada una de las etapas necesarias para alcanzar este objetivo, el algoritmo para la creación de un intérprete de ecuaciones, la generación de números pseudo-aleatorios con las distribuciones de probabilidad más frecuentes y el tratamiento de incertidumbres Tipo A por este método.
Mostrar más

10 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

MOVIMIENTO DE UN BORDE DE GRANO EN LÁMINAS DELGADAS USANDO MÉTODO DE MONTE CARLO

MOVIMIENTO DE UN BORDE DE GRANO EN LÁMINAS DELGADAS USANDO MÉTODO DE MONTE CARLO

En este trabajo se estudió la evolución de un borde de grano plano en una muestra delgada mediante un algoritmo basado en el método de Monte Carlo. El borde de grano es impulsado por una fuerza externa y los efectos superficiales sobre su movimiento son estudiados. El movimiento de la parte del borde de grano en la superficie es espasmódico, lo cual significa que tiene periodos alternados de movimiento y de estancamiento. Los periodos de estancamientos son inversamente proporcionales al espesor de la muestra. Los resultados obtenidos computacionalmente se coinciden satisfactoriamente con los resultados teóricos y experimentales obtenidos por diferentes autores.
Mostrar más

6 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

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

Muy importante es saber relacionar el resultado de un cálculo teórico de la sensibilidad con el resultado práctico que debe producir un circuito. El análisis de Monte Carlo generalmente se realiza variando aleatoriamente uno o varios componentes pasivos del circuito; no obstante, puede aplicarse cuando se desea conocer las variaciones que se producen en un parámetro de la respuesta del circuito ante las variaciones de alguno de sus componentes. El análisis de Monte Carlo es un método costoso pues se basa en múltiples simulaciones que se realizan repetidamente. Ello se debe a que es un método basado en la estadística, lo cual hace que necesite de varios cientos, o tal vez miles, de muestras para arribar a resultados estadísticamente aceptables. Mientras más simulaciones mayor precisión en los resultados, principalmente cuando se desean determinar parámetros estadísticos de las respuestas obtenidas, tales como valor medio, varianza, etc. Teóricamente, si N es el número de simulaciones o respuestas del filtro ante N combinaciones de variaciones aleatorias de sus componentes, las N respuestas obtenidas definen el área esperada de la verdadera respuesta. (Hayes et al., 2010)
Mostrar más

78 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

Catalin Valeanu [Valeanu12], en herramientas y estrategias de marketing, describe la importancia de posicionar un producto en el mercado, mediante la capacitación de estrategias de marketing operativo de los empleados de una empresa, permitiéndoles tomar decisiones acertadas. Estas estrategias, para Sergio Rodríguez [Rodríguez13] son llevadas a los planes de ejecución de proyectos, en los cuales se analizan los riesgos a través del método de Monte Carlo, relacionados a incurrir en incumplimiento de entrega y estimación excesiva de recursos. Para George Leal [Leal13], estas estrategias permiten que las empresas lideren su segmento de negocio a través de ejecuciones de planes innovadores que permitan diferenciar el posicionamiento estratégico sobre la competencia.
Mostrar más

6 Lee mas

Simulación molecular del equilibrio de adsorción mediante el método de Monte Carlo

Simulación molecular del equilibrio de adsorción mediante el método de Monte Carlo

Como su nombre sugiere, el elemento probabilístico es una parte fundamental de los cálculos basados en el método de Monte Carlo. En un cálculo clásico de Monte Carlo, se asignan una serie de coordenadas iniciales arbitrarias a un sistema de N partículas interaccionando según un potencial establecido. Seguidamente se genera una secuencia de configuraciones de las partículas mediante sucesivos desplazamientos aleatorios. No se aceptan todas las configuraciones, sino que la decisión de aceptación o rechazo de una determinada configuración se hace de tal modo que se asegure que el espacio configuracional se muestrea asintóticamente de acuerdo con la densidad de probabilidad del colectivo elegido. El promedio del colectivo de una determinada función, dependiente de las coordenadas de las N partículas (como por ejemplo la energía potencial), se obtiene como un promedio no ponderado del conjunto de configuraciones aceptadas. En el cálculo no se tienen en cuenta los momentos de las diferentes partículas, de este modo, no se considera una escala temporal y por tanto el orden en el que se generan las configuraciones no es significativo, de este modo se asume que se cumple la hipótesis de ergodicidad. La aplicación de este método para la simulación molecular del equilibrio de adsorción se suele realizar utilizando un colectivo gran canónico, en el que las magnitudes termodinámicas establecidas como constantes son el potencial químico, el volumen y la temperatura. Esta elección resulta muy adecuada pues la constancia del potencial químico representa el equilibrio entre la fase adsorbida y la fluida. Por otra parte, la constancia de la temperatura permite relacionar los resultados de sucesivos experimentos de simulación según una isoterma de adsorción y el volumen constante representa el volumen del adsorbente.
Mostrar más

279 Lee mas

Ars Conjectandi y el método Monte Carlo

Ars Conjectandi y el método Monte Carlo

En el área de medicina hay una gran variedad de temas tratados con el método Monte Carlo, por ejemplo, Hoffman, Metropolis y Gardiner (1955) estudian el problema de la aleatoriedad existente en el tiempo entre mitosis en poblaciones de células can- cerosas. La simulación realizada se basa en dar una distribución de probabilidad a este tiempo entre mitosis y por medio de métodos Monte Carlo, empezando con una célula, simular el crecimiento del tumor. Barret (1969) estudia, a través de un modelo estocás- tico, los eventos asociados a la reproducción humana, modelando las probabilidades de concepción. O’Neill et al. (2000) analizan, utilizando métodos Monte Carlo vía Cadenas de Markov (MCMC), enfermedades infecciosas como la rubeola y la influenza. Bray y Wright (1998) obtienen tasas predictivas de prevalencia de nacimientos con síndrome de Down a partir de un meta análisis de los datos recolectados históricamente. Bray (2002) estudia los registros de incidencia y mortalidad por cáncer para estimar las tasas a corto plazo y la planificación de salud pública a largo plazo. Otros trabajos donde se utiliza el método Monte Carlo en Medicina se pueden ver en Liu et al. (1998), Thompson (1994), Hay, Leu y Rohrer (1987).
Mostrar más

13 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

Hay dos clases generales de simulaciones. Uno es llamado el método de Dinámi­ ca Molecular. Aquí, se considera un modelo dinámico clásico para átomos y moléculas y la trayectoria es formada por ecuaciones integrales de movimien­ to de ewton. El procedimiento provee información tanto dinámica como de propiedades estadísticas de equilibrio. Así, se pueden determinar las propiedades de un fluido en condiciones extremas de temperatura y presión, inaccesibles ex­ perimentalmente. La otra clase es llamada el método de Monte Cario. Este procedimiento es más general que el de dinámica molecular ya que puede ser usa­ do para estudiar sistemas cuánticos y modelos de red asi como conjuntos clásicos de moléculas. El método de Monte Garlo, sin embargo, no provee un método directo de obtención de información dinámica dependiente del tiempo.
Mostrar más

174 Lee mas

Método de Monte Carlo para el cálculo de integrales n dimensionales

Método de Monte Carlo para el cálculo de integrales n-dimensionales

Si bien el nombre de m´ etodo “Monte Carlo” es relativamente reciente, fue acu˜ nado por John von Neumann y Stanislaw Ulam cuando trabajaban en el proyecto Manhatan durante la segun- da guerra mundial y utilizado para simular colisiones de neutrones bajo diversas circunstancias para el desarrollo de la bomba at´ omica. Sin embargo, existen vestigios que ya utilizaban estos m´ etodos, un uso documentado de la aplicaci´ on de los m´ etodos Monte Carlo se encuentra en la obra de George Louis Leclerc, conde de Buff´ on, en 1777. Cuyo problema plantea: “una aguja de longitud L, se lanza al azar sobre un plano horizontal rayado con l´ıneas rectas paralelas, separadas a una longitud D mayor a L” y en el cual calcul´ o la probabilidad de que la aguja intercepte alguna de estas l´ıneas, bajo la repetici´ on de lanzamientos de agujas al azar.[22]
Mostrar más

69 Lee mas

Comparación De Simulaciones De Interferencias En Sistemas De Acceso Inalámbrico Móvil Usando Herramientas Que Aplican La Técnica Estadística De Montecarlo

Comparación De Simulaciones De Interferencias En Sistemas De Acceso Inalámbrico Móvil Usando Herramientas Que Aplican La Técnica Estadística De Montecarlo

Por este motivo, se hace necesario regular las frecuencias utilizadas en los sistemas de acceso inalámbrico móvil que proporcionan telecomunicaciones a un gran número de sensores y/o activadores dispersos sobre zonas amplias, con el fin de no generar interferencia entre estos sistemas. Por ello la necesidad de determinar modelos que faciliten la identificación de dichas interferencias empleando herramientas de simulación como ICS Telecom o SEAMCAT que basan su simulación en el método estadístico de Monte Carlo.

8 Lee mas

Cascadas electromagnéticas atenuadas de fotones de altas energías: Proyecto LAGO (Large Aperture GRB Observatory)

Cascadas electromagnéticas atenuadas de fotones de altas energías: Proyecto LAGO (Large Aperture GRB Observatory)

El código usa el método de Monte Carlo y sigue el desarrollo de la cascada mediante el seguimiento de la producción y propagación de las partículas, de esta manera conociendo la distanci[r]

63 Lee mas

EVALUACIÓN DE LA CONFIABILIDAD DE SISTEMAS DE GENERACIÓN USANDO EL MÉTODO DE MUESTREO DE ESTADO

EVALUACIÓN DE LA CONFIABILIDAD DE SISTEMAS DE GENERACIÓN USANDO EL MÉTODO DE MUESTREO DE ESTADO

La simulación del método Monte Carlo es un proceso de convergencia fluctuante. A medida que avanza la simulación, los índices estimados se acercan a sus valores "reales". La simulación debe darse por concluida cuando los índices de confiabilidad estimados alcancen un grado especificado de confianza. El propósito de una regla de detención es proporcionar un compromiso entre la precisión necesaria y el costo del cálculo. El coeficiente de variación es de uso frecuente como el criterio de convergencia en la simulación de Monte Carlo.
Mostrar más

68 Lee mas

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

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

tetraédricos y octaédricos, respectivamente), sus diferentes números de coordinación y la distribución de valores de integrales de superintercambio en el sistema, con el objetivo de hacer la simulación más realista posible. Los cálculos se llevan a cabo en el marco del método de Monte Carlo con base en el modelo de Heisenberg clásico con interacción a primeros vecinos magnéticos y empleando la dinámica de Metropolis. Se calculan la energía, la magnetización, el calor específico y la susceptibilidad magnética en función de la temperatura.

5 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

Suspensión coloidal de polímeros estrella : propiedades estructurales y dinámicas con simulaciones computacionales

Suspensión coloidal de polímeros estrella : propiedades estructurales y dinámicas con simulaciones computacionales

El método de Monte Carlo nos permitirá calcular propiedades estáticas como la función de distribución radial y propiedades termodinámicas de los sistemas, mientras que las simulaciones d[r]

80 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

La simulación Monte Carlo, se usa para problemas con condiciones de operación complejas (que involucran un número relativamente alto de eventos), que desde hace varios años está siendo aplicada en la industria de generación de energía eléctrica (Feldman, 2010). Cabe indicar que la simulación Monte Carlo solo entregará datos tan precisos como sea el modelo al que se aplica, por lo que el tener un entendimiento completo del problema es vital para que los resultados obtenidos sean relevantes (Li, 2013).
Mostrar más

17 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

Este es un trabajo de revisión del estado del arte sobre la programación del mantenimiento de las unidades de generación, que pertenece al área del planeamiento de sistemas eléctricos. El estado del arte es básicamente una investigación de la investigación con el propósito de facilitar el estudio sobre un tema específico para ser una base para futuras investigaciones sobre el tema abordado, en este caso de la programación del mantenimiento de la generación o GMS (Generation Maintenance Scheduling) de sus siglas en ingles. Para la elaboración de este documento, fue necesario realizar una tabla en el software Excel y, la búsqueda y descarga de algunos artículos de revistas y conferencias de tres bases de datos seleccionadas previamente, a las cuales se encuentra suscrita la Universidad Tecnológica de Pereira. Dicha tabla fue llamada base de datos. En ella se definieron algunos campos de clasificación considerados como los más importantes, estos campos fueron: el nombre del artículo, tipo de artículo, fuente en la cual fue publicado cada artículo, año de publicación, autores, procedencia, modelo matemático, técnica o método de solución, el software con el cual se soluciona el modelo en caso de que exista y, se tiene también, el link de donde fueron descargados los artículos, que además se pueden encontrar en el anexo 3 de este documento con su respectivo nombre.
Mostrar más

83 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

Show all 10000 documents...