Aplicaciones del método Monte Carlo Mario Rojas Delgado Ingeniero quimico industrial por la Universidad Nacional de Ingenieria. Ea profesor de tas aroas. de Tecnologia y Preduecion oe la Facultad ae i Industrial dela Univensiaad dee Lima Un método numérico muy antigua es examinado para conocer ee utilidad actual y sus aplicaciones en. los ultimos tretnia ailos bajo la influencia de los sistemas de computacién digital aplicada, Se citan los conceptos y elementos principales de los métodos Monte Carlo para el diserio y ejecucidn, tanto de edleulo numérico como de simulacidn de sistemas, Se delinean algunas aplicaciones, mostréndose ejemplos de cdlcula manual y resultados usando software de coinputedores digitales. Ea conclusién es que estos métodos tenen uso actual y han ampliodo sus aplicaciones en fisiea, matemdtica, economia, y ciencias de ingenierfa y geation. [125]126 Tncenenta tNDUETRIAL I. Introduccién II Antecedentes y definicianes Los métodos numéricos conocidos como métodos Monte Carlo pueden definirse como procesos de simulacién estadistica, la cual en términos generales implica consulta: 17 de setiembre de 1998]. Gallant, L. “Monte Carlo Simulation’. Menlo Park, California: Ap- plied Decision Analysis, Inc.,1998. [consulta: 17 de setiembre de 1998]. Garcia, P. Aplicaciones para Excel 5 y Excel 95. México: Alfa- omega Grupo Editor 5.4. de ©.V., 1997. pp. 19-31. Hansen, GA. Automatizacién. Mexico‘Prentice-Hall Hispanoameri- cana, 5.A., 1998, pp, 123-138. delen, F.C, Cost and Optimization Engineering. New York: Mc Graw-Hill Co., 1970, pp. 151-169. Law, M.A. y W.D. Kelton Simulation Modeting and Analysis. 2a. edicin. New York; McGraw-Hill Co., 1991, pp. 112-116, Prawda, J. Meétodos y modelos de investigaciin de operaciones. Vol. 2. México: Limusa, 1980, pp. 323-353, Pritsker, A.A.B. Introduction to Simulation and SLAM II. New York: dohn Wiley & Sons, 1995, pp, 67-95, Racrynski, 8. Stmulactan por computadora. México: Grupo Noriega Editores, 1993, pp. 21-34 Savage, 8. Statistics and Public Policy: Statistical Analyste for the Masses. Oxford: Oxford University Press, 1996, pp.1-16,a Lnsoesnena exDUSTRIAL b. Fuentes complementarias. @RISK, Palisade Corp. Newfield NY, Crystal Ball, Decisioneering Inc. Boulder, CO. DATA, Treeage Inc. Boston. DPL, Applied Decision Analysis Menlo Park, CA. Hertz, David B, “Risk analysia in capital investment", Harvard Busi- ness Review. Vol 57, 5, 1978. Savage, Sam L. Fundamental Analytic Spreadsheet Tools for Quanti- tative Management. New York: McGraw-Hill, 1993. Fundamental Analytic Spreadsheet Tools for Produe- tion Operations Management. New York: McGraw- Hill, 1994. ce. Fuentes referenciales. Definitive Software “Monte: Carlo simulation and modeling”, [consulta: 3 de marzo de 1998). Introduction to Monte Carlo Methods [consulta: 4 de marzo de 1998]. doel T. Johnson Monte Carlo Simulateons of Backseattering Enhance- ment. JOBL@ewt.mit.edu Backecattering enhance- ment. [consulta: 3 de marzo de 1998).TNomemmta INDUSTatAL. as JAVA Simulation of Hybrid Monte Carlo shttp://www.cise.ufl.eduf-thorndyb/hmedemo.html> feonsulta: 3-de marzo de 1998]. Mante Carlo Production and Analysis shttp:/fatlasinfo.cern.ch/Atlas‘SOFTWARE/TDRehtim/ TDR-21,himl> [consulta: 4 de marzo de 1999]. Monte Carlo Sinulation shttp:/venus.cejhu,edu/book/chpS/node8.html0> Jconsulta: 3 mar, 108]. Monte Carlo Simulation shttpo/www.cireled. com/pww/me/index-html> [eansul- ta: 3 de marzo de 1998]. Vanguard Decision Pro chttp:iwww.vanguardsw.com> (consulta: 3 de marzo de 1998]. What is Monte Carlo Simulation? [eonsulta: 3 de marzo de 1998], Savage, Sam L. "Monte Carlo Simulation for Excel", [consulta: 3 de marzo de 1998].