UNIVERSIDAD AUTÓNOMA DE TAMAULIPAS UNIDAD ACADÉMICA MULTIDISCIPLINARIA REYNOSA-RODHE SIMULACIÓN DE SISTEMAS

Tamaño: px
Comenzar la demostración a partir de la página:

Download "UNIVERSIDAD AUTÓNOMA DE TAMAULIPAS UNIDAD ACADÉMICA MULTIDISCIPLINARIA REYNOSA-RODHE SIMULACIÓN DE SISTEMAS"

Transcripción

1 UNIDAD MÉTODOS DE MONTECARLO II 2.1 Definición Los métodos de Montecarlo abarcan una colección de técnicas que permiten obtener soluciones de problemas matemáticos o físicos por medio de pruebas aleatorias repetidas. En la práctica, las pruebas aleatorias se sustituyen por resultados de ciertos cálculos realizados con números aleatorios. Bajo el nombre de Método Montecarlo o Simulación Montecarlo se agrupan una serie de procedimientos que analizan distribuciones de variables aleatorias usando simulación de números aleatorios. 2.2 Historia La invención del método de Montecarlo se asigna a Stan Ulam y a John von Neumann. Ulam ha explicado cómo se le ocurrió la idea mientras jugaba un solitario durante una enfermedad en Advirtió que resultaba mucho más simple tener una idea del resultado general del solitario haciendo pruebas múltiples con las cartas y contando las proporciones de los resultados que calcular todas las posibilidades de combinación formalmente. Se le ocurrió que esta misma observación podría aplicarse a su trabajo en Los Álamos sobre difusión de neutrones, para la cual resulta prácticamente imposible solucionar las ecuaciones íntegrodiferenciales que gobiernan la dispersión, la absorción y la fisión. La idea consistía en probar con experimentos mentales las miles de posibilidades, y en cada etapa, determinar por casualidad, por un número aleatorio distribuido según las probabilidades, qué sucedería y totalizar todas las posibilidades y tener una idea de la conducta del proceso físico. Dado de la naturaleza de azar que esto representaba fue relacionado con la capital de los juegos de azar que en aquella época era Montecarlo, un casino de Mónaco (Hoy probablemente se les bautizaría con el nombre de Métodos de Las Vegas ) 2.2 Cobertura El Método de Montecarlo da solución a una gran variedad de problemas matemáticos haciendo experimentos con muestreos estadísticos en una computadora. El método es aplicable a cualquier tipo de problema, ya sea estocástico o determinístico. Generalmente en estadística los modelos aleatorios se usan para simular fenómenos que poseen algún componente aleatorio. Pero en el método Montecarlo, por otro lado, el objeto de la investigación es el objeto en sí mismo, un suceso aleatorio o pseudo-aleatorio se usa para estudiar el modelo. A veces la aplicación del método Montecarlo se usa para analizar problemas que no tienen un componente aleatorio explícito; en estos casos un parámetro determinista del problema se expresa como una distribución aleatoria y se simula dicha distribución. La simulación de Pag 2-1 Gustavo León 2013

2 Montecarlo también fue creada para resolver integrales que no se pueden resolver por métodos analíticos, para solucionar estas integrales se usaron números aleatorios. Posteriormente se utilizó para cualquier esquema que emplee números aleatorios, usando variables aleatorias con distribuciones de probabilidad conocidas, el cual es usado para resolver ciertos problemas estocásticos y determinísticos, donde el tiempo no juega un papel importante. 2.3 Aplicaciones Flujos de Tráfico Pronóstico de comportamiento de Acciones de Bolsa de Valores Exploración de yacimientos y minas Evolución de mantos estelares Diseño de reactores nucleares Comportamiento de nanoestructuras Estudios de reproducción de células cancerígenas Procesamiento/Generación de Imágenes por computadora Comportamiento de ambientes contaminados 2.4 Proposición formal El método de Montecarlo está basado en la generación de múltiples pruebas para determinar el valor esperado de una variable aleatoria. El método está basado Si X es una variable aleatoria y definimos su valor esperado como A = E[X]. Si podemos generar n variables aleatorias independientes X 1, X 2, X n con una distribución uniforme, entonces podemos decir que En donde Pag 2-2 Gustavo León 2013

3 2.5 La variable aleatoria Se denomina variable aleatoria, a una variable X que puede tomar un conjunto de valores {x 0, x 1, x 2,... x n-1 }, con probabilidades {p 0, p 1, p 2,... p n-1 }. Por ejemplo, en la experiencia de lanzar monedas, los posibles resultados son {cara, cruz}, y sus probabilidades son {1/2, 1/2}. En la experiencia de lanzar dados, los resultados posibles son {1, 2, 3, 4, 5, 6} y sus probabilidades respectivas son {1/6, 1/6, 1/6, 1/6, 1/6, 1/6}. 2.6 Ejercicios prácticos de los Métodos de Montecarlo A continuación se plantean diversos problemas resueltos utilizando Excel. Nota: EN caso de que aparezca un mensaje #VALUE! Instalar el Analysis ToolPak desde el menú de Tools Add-Ins y presionar la tecla de función F9 despues de instalar el ToolPak En el caso de versiones de Office 2010 y posteriores utilizar File Options Add-Ins Pag 2-3 Gustavo León 2013

4 2.6.1 Generador de números aleatorios Aleatorio RAND() Devuelve un número aleatorio entre 0 y 1. Sintáxis: RAND() Listas de Números Aleatorios Abra una hoja de Excel. En la columna A generar una lista de 100 números utilizando la función RAND(). Ingrese la función en la celda A2 y copie 99 celdas hacia abajo hasta la celda A101 Introduzca Los encabezados mostrados en la figura de abajo en el renglón 1 y observe que pasa con los números aleatorios (cambian después de cada enter ). Observe qué pasa al presionar la tecla de función F9. En la columna C (Encabezado X) genere valores secuenciales del 1al 100. En Y1 genere una secuencia de rango de.01 a 1 y en Y2, Y3 y Y4, copie valores fijos de la columna A a D,E,F y G. y sortearlos ascendentemente de manera independiente para hacer una comparación de linealidad. Compárelos gráficamente Pag 2-4 Gustavo León 2013

5 Listas de números aleatorios en rangos especificados Utilizando la función =RAND() Genere una lista de 1000 valores cuyos valores caigan en los siguientes rangos o Valores continuos min=0 max=100 Genere una lista de valores cuyos valores caigan en los siguientes rangos o Valores discretos min=1 max=6 o Valores continuos min=-1 max=1 o Valores binarios 0 y Listas de números aleatorios en rangos especificados Utilizando la función =RANDBETWEEN() Genere una lista de 1000 valores cuyos valores caigan en los siguientes rangos o Valores continuos min=0 max=100 Genere una lista de valores cuyos valores caigan en los siguientes rangos o Valores discretos min=1 max=6 o Valores continuos min=-1 max=1 o Valores binarios 0 y Lanzamiento de una moneda Planteamiento Utilizando un generador de número aleatorios en Excel determine la probabilidad de que al lanzar una moneda, esta caiga de una sola cara (digamos Sol), para 10, 100, 1000 y lanzamientos (volados). Genere una gráfica que muestre la tendencia de la probabilidad. Pag 2-5 Gustavo León 2013

6 Solución Variantes de Probabilidad Dos Soles Calcular la probabilidad de que una sola cara (digamos Sol), cara caiga dos veces consecutivas 10, 100, 1000 y lanzamientos (volados). Pag 2-6 Gustavo León 2013

7 Tres Soles Calcular la probabilidad de que una sola cara (digamos Sol), cara caiga tres veces consecutivas 10, 100, 1000 y lanzamientos (volados). Pag 2-7 Gustavo León 2013

8 Pag 2-8 Gustavo León 2013

SIMULACION. Formulación de modelos: solución obtenida de manera analítica

SIMULACION. Formulación de modelos: solución obtenida de manera analítica SIMULACION Formulación de modelos: solución obtenida de manera analítica Modelos analíticos: suposiciones simplificatorias, sus soluciones son inadecuadas para ponerlas en práctica. Simulación: Imitar

Más detalles

Simulación Monte Carlo

Simulación Monte Carlo Simulación Monte Carlo Modelado estocástico Cuando se realiza un análisis estático a un proyecto, una serie de supuestos y variables producen un resultado de valor único. Mientras que un análisis estocástico

Más detalles

SIMULACION. Modelos de. Julio A. Sarmiento S. http://www.javeriana.edu.co/decisiones/julio sarmien@javeriana.edu.co

SIMULACION. Modelos de. Julio A. Sarmiento S. http://www.javeriana.edu.co/decisiones/julio sarmien@javeriana.edu.co SIMULACION Modelos de http://www.javeriana.edu.co/decisiones/julio sarmien@javeriana.edu.co Julio A. Sarmiento S. Profesor - investigador Departamento de Administración Pontificia Universidad Javeriana

Más detalles

Probabilidad y Simulación

Probabilidad y Simulación Probabilidad y Simulación Estímulo del Talento Matemático Real Academia de Ciencias 4 de febrero de 2006 Entendiendo el azar Queremos entender un fenómeno aleatorio (azar, incertidumbre). Entenderlo lo

Más detalles

13. Técnicas de simulación mediante el método de Montecarlo

13. Técnicas de simulación mediante el método de Montecarlo 13. Técnicas de simulación mediante el método de Montecarlo Qué es la simulación? Proceso de simulación Simulación de eventos discretos Números aleatorios Qué es la simulación? Simulación = técnica que

Más detalles

CAPITULO 8. INTRODUCCION AL MÉTODO DE SIMULACIÓN MONTE CARLO

CAPITULO 8. INTRODUCCION AL MÉTODO DE SIMULACIÓN MONTE CARLO CAPITULO 8. INTRODUCCION AL MÉTODO DE SIMULACIÓN MONTE CARLO Objetivos del Capítulo Introducir los conceptos e ideas clave de la simulación Monte Carlo. Introducirse en las capacidades que ofrece Excel

Más detalles

Unidad II: Números pseudoaleatorios

Unidad II: Números pseudoaleatorios Unidad II: Números pseudoaleatorios 2.1 Métodos de generación de números Pseudoaleatorio Métodos mecánicos La generación de números aleatorios de forma totalmente aleatoria, es muy sencilla con alguno

Más detalles

Taller de Probabilidad y Simulación

Taller de Probabilidad y Simulación Taller de Probabilidad y Simulación Probabilidad I Departamento de Matemáticas UAM, curso 2007-2008 Pablo Fernández Gallardo (pablo.fernandez@uam.es) 1. Una breve introducción a Excel 1.1. Introducción

Más detalles

Probabilidades y Estadística (Computación) Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires Ana M. Bianco y Elena J.

Probabilidades y Estadística (Computación) Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires Ana M. Bianco y Elena J. Generación de Números Aleatorios Números elegidos al azar son útiles en diversas aplicaciones, entre las cuáles podemos mencionar: Simulación o métodos de Monte Carlo: se simula un proceso natural en forma

Más detalles

Fundamentos Básicos de Monte Carlo N-Particle.

Fundamentos Básicos de Monte Carlo N-Particle. Capítulo. Fundamentos Básicos de Monte Carlo -Particle.. Historia. El método de Monte Carlo debe su nombre a la cuidad de Montecarlo en Mónaco donde se juega la ruleta, el juego de azar que genera números

Más detalles

Simulación Simulación : Modelo de simulación: Proceso de simulación:

Simulación Simulación : Modelo de simulación: Proceso de simulación: Simulación Simulación : es el proceso de diseñar y desarrollar un modelo de un sistema o proceso para conducir experimentos con el propósito de entender el comportamiento del sistema o evaluar varias estrategias

Más detalles

5. DISTRIBUCIONES DE PROBABILIDADES

5. DISTRIBUCIONES DE PROBABILIDADES 5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable

Más detalles

SIMULACIÓN VERSUS OPTIMIZACIÓN:

SIMULACIÓN VERSUS OPTIMIZACIÓN: SIMULACIÓN MONTE CARLO Procesos Químicos II La idea básica de la simulación es la construcción de un dispositivo experimental, o simulador, que actuará como (simulará) el sistema de interés en ciertos

Más detalles

Integración por el método de Monte Carlo

Integración por el método de Monte Carlo Integración por el método de Monte Carlo Georgina Flesia FaMAF 7 de abril 2015 El método de Monte Carlo El método de Monte Carlo es un procedimiento general para estudiar procesos mediante la seleccion

Más detalles

Introducción a la Estadística con Excel

Introducción a la Estadística con Excel Introducción a la Estadística con Excel En el siguiente guión vamos a introducir el software Excel 2007 y la manera de trabajar con Estadística Descriptiva. Cargar o importar datos En Excel 2007 podemos

Más detalles

Propiedades de Muestras Grandes y Simulación

Propiedades de Muestras Grandes y Simulación Propiedades de Muestras Grandes y Simulación Microeconomía Cuantitativa R. Mora Departmento of Economía Universidad Carlos III de Madrid Esquema 1 Propiedades en muestras grandes (W App C3) 2 3 Las propiedades

Más detalles

Métodos Estadísticos 2.3. Distribuciones discretas de probabilidad

Métodos Estadísticos 2.3. Distribuciones discretas de probabilidad 2.3. DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Parámetros de un problema Saber: Explicar el concepto de variable discreta. Explicar los conceptos y métodos de la distribución binomial, hipergeométrica,

Más detalles

Prácticas de Simulación (Sistemas) Autor: M. en C. Luis Ignacio Sandoval Paéz

Prácticas de Simulación (Sistemas) Autor: M. en C. Luis Ignacio Sandoval Paéz 1 Prácticas de Simulación (Sistemas) Autor: M. en C. Luis Ignacio Sandoval Paéz 2 ÍNDICE Introducción 3 Aplicaciones de la Simulación 3 La Metodología de la Simulación por Computadora 5 Sistemas, modelos

Más detalles

Una breve introducción a Excel c

Una breve introducción a Excel c Una breve introducción a Excel c Martes 22 de febrero de 2005 Curso de Formación continua en Matemáticas UAM Curso 2004/2005 1. Introducción Excel c es una aplicación de hojas de cálculo electrónicas:

Más detalles

PROGRAMA DE ESTUDIO. Horas de Práctica

PROGRAMA DE ESTUDIO. Horas de Práctica PROGRAMA DE ESTUDIO Nombre de la asignatura: MODELADO Y SIMULACIÓN DE PROCESOS Clave: IQM12 Ciclo Formativo: Básico ( ) Profesional (X) Especializado ( ) Fecha de elaboración: 7 DE MARZO DE 2015 Horas

Más detalles

Generación de Números Pseudo-Aleatorios

Generación de Números Pseudo-Aleatorios Números Aleatorios Son un ingrediente básico en la simulación de sistemas Los paquetes de simulación generan números aleatorios para simular eventos de tiempo u otras variables aleatorias Una secuencia

Más detalles

Economía de la Empresa: Financiación

Economía de la Empresa: Financiación Economía de la Empresa: Financiación Francisco Pérez Hernández Departamento de Financiación e Investigación de la Universidad Autónoma de Madrid Objetivo del curso: Dentro del contexto de Economía de la

Más detalles

Unidad II: Números pseudoalealeatorios

Unidad II: Números pseudoalealeatorios 1 Unidad II: Números pseudoalealeatorios Generación de números aleatorios Un Número Aleatorio se define como un número al azar comprendido entre cero y uno. Su característica principal es que puede suceder

Más detalles

Breve introducción a Excel c para simulación

Breve introducción a Excel c para simulación Breve introducción a Excel c para simulación 1. Introducción Curso 2013-2014 Departamento de Matemáticas, UAM Pablo Fernández Gallardo (pablo.fernandez@uam.es) Excel c es una aplicación 1 de hojas de cálculo

Más detalles

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Variables Aleatorias Una variable aleatoria es una función que asocia un número real con cada elemento del EM. Ejemplo 1: El EM que da una

Más detalles

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática. Investigación Operativa Práctica 6: Simulación

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática. Investigación Operativa Práctica 6: Simulación UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Investigación Operativa Práctica 6: Simulación Guión práctico: Generación de Números Aleatorios y Simulación Monte Carlo Curso 08/09 Objetivo: Aprender

Más detalles

Manejo de la Información

Manejo de la Información Los juegos de azar Manejo de la Información Que las y los estudiantes deduzcan y argumenten que la probabilidad de que un evento suceda está relacionada con la frecuencia en que ocurre el resultado esperado

Más detalles

Simulación y Modelos Estocásticos

Simulación y Modelos Estocásticos y Modelos Estocásticos Héctor Allende O!"# $# %#&' ( ) *+,-+,,*,/ ) -++,,*,/ ) 0 1 %*++,,*,/ $2,/ 04 %! 2! 5,,#6)5 1 Conceptos básicos: fundamentos de modelos de simulación y del modelado de sistemas complejos,

Más detalles

S I M U L A C I Ó N M É T O D O M O N T E C A R L O

S I M U L A C I Ó N M É T O D O M O N T E C A R L O S I M U L A C I Ó N M É T O D O M O N T E C A R L O Simulación : es el proceso de diseñar y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propósito

Más detalles

SEÑALES Y SISTEMAS - AÑO 2015 Práctica 1: Señales Determinísticas e Introducción a las Señales Aleatorias

SEÑALES Y SISTEMAS - AÑO 2015 Práctica 1: Señales Determinísticas e Introducción a las Señales Aleatorias SEÑALES Y SISTEMAS - AÑO 2015 Práctica 1: Señales Determinísticas e Introducción a las Señales Aleatorias 1. Impulsos continuos y discretos a) Enuncie la propiedad de extracción de la delta de Dirac. b)

Más detalles

Introducción a la hoja de cálculo Excel @ Joaquín Delgado Departamento de Matemáticas UAM-iztapalapa e-mail: jdf@xanum.uam.mx

Introducción a la hoja de cálculo Excel @ Joaquín Delgado Departamento de Matemáticas UAM-iztapalapa e-mail: jdf@xanum.uam.mx Introducción a la hoja de cálculo Excel @ Joaquín Delgado Departamento de Matemáticas UAM-iztapalapa e-mail: jdf@xanum.uam.mx Indice 1. Qué es la hoja de cálculo? 2. El menú principal 3. Aritmética simple.

Más detalles

5. PLANTEAMIENTO DEL MODELO ANÁLISIS-PLAZO

5. PLANTEAMIENTO DEL MODELO ANÁLISIS-PLAZO 5. PLATEAMIETO DEL MODELO AÁLISIS-PLAZO 5.1. COCEPTOS PREVIOS Previamente a cualquier descripción se presentan aquí una serie de definiciones aclaratorias: Simulación: Es el proceso de diseñar y desarrollar

Más detalles

Se ha añadido una ventana que muestra el aviso jurídico del copyright.

Se ha añadido una ventana que muestra el aviso jurídico del copyright. Instrucciones para utilizar el complemento de Excel, CyTools Actualizado el 26 de octubre de 1998 CyTools, complemento de Excel Cytel Software Corporation, 1998. Le rogamos no haga copias no autorizadas

Más detalles

Para comenzar, abra el programa Inmediatamente aparecerá una ventana llamada editor de datos que tiene la siguiente forma:

Para comenzar, abra el programa Inmediatamente aparecerá una ventana llamada editor de datos que tiene la siguiente forma: 1. Descripción Generales del Paquete Estadístico SPSS. SPSS es un paquete estadístico orientado -en principio- al ámbito de aplicación de las Ciencias Sociales y que lleva en el mercado alrededor de 25

Más detalles

SIMULACIÓN DE MONTE CARLO CON EXCEL

SIMULACIÓN DE MONTE CARLO CON EXCEL SIMULACIÓN DE MONTE CARLO CON EXCEL Autores: Javier Faulín (ffaulin@uoc.edu), Ángel A. Juan (ajuanp@uoc.edu). ESQUEMA DE CONTENIDOS La función ALEATORIO() Qué es la simulación MC? Simulación Monte Carlo

Más detalles

Statgraphics Centurión

Statgraphics Centurión Facultad de Ciencias Económicas y Empresariales. Universidad de Valladolid 1 Statgraphics Centurión I.- Nociones básicas El paquete Statgraphics Centurión es un programa para el análisis estadístico que

Más detalles

Simulación Computacional. Tema 1: Generación de números aleatorios

Simulación Computacional. Tema 1: Generación de números aleatorios Simulación Computacional Tema 1: Generación de números aleatorios Irene Tischer Escuela de Ingeniería y Computación Universidad del Valle, Cali Typeset by FoilTEX 1 Contenido 1. Secuencias pseudoaleatorias

Más detalles

El MÉTODO MONTECARLO en dosimetría y otras aplicaciones

El MÉTODO MONTECARLO en dosimetría y otras aplicaciones El ININ hoy El MÉTODO MONTECARLO en dosimetría y otras aplicaciones Por Leticia Rojas (elrc@nuclear.inin.mx) Introducción En este trabajo tratamos de explicar cómo se utiliza la simulación Monte Carlo

Más detalles

El método de Monte Carlo: generalidades. Simulación de Distribuciones de Poisson. Simulación de Distribuciones Generales

El método de Monte Carlo: generalidades. Simulación de Distribuciones de Poisson. Simulación de Distribuciones Generales El método de Monte Carlo: generalidades Números aleatorios Simulación de Distribuciones de Poisson Simulación de Distribuciones Generales El método de Monte Carlo en Mecánica Estadística Percolación en

Más detalles

Técnicas De Conteo. En este caso si k es grande, no es tan sencillo hacer un conteo exhaustivo de los puntos o resultados de S.

Técnicas De Conteo. En este caso si k es grande, no es tan sencillo hacer un conteo exhaustivo de los puntos o resultados de S. Técnicas De Conteo Si en el experimento de lanzar la moneda no cargada, se lanzan 5 monedas y definimos el evento A: se obtienen 3 caras, cómo calcular la probabilidad del evento A?, si todos los resultados

Más detalles

2. Fórmulas y funciones

2. Fórmulas y funciones 2. Fórmulas y funciones Fórmulas y funciones Otra forma de introducir datos es por medio de fórmulas y funciones. Ambas son herramientas cruciales de NCSS. Abrir una hoja de cálculo ya guardada Para trabajar

Más detalles

CONTENIDOS MÍNIMOS BLOQUE III: ÁLGEBRA

CONTENIDOS MÍNIMOS BLOQUE III: ÁLGEBRA CONTENIDOS MÍNIMOS BLOQUE III: ÁLGEBRA Interpolación de términos en una sucesión. Cálculo del término general de sucesiones muy sencillas. Distinción entre progresiones aritméticas y geométricas. Interpolación

Más detalles

Curso: Métodos de Monte Carlo. Unidad 1, Sesión 1: Introducción

Curso: Métodos de Monte Carlo. Unidad 1, Sesión 1: Introducción Curso: Métodos de Monte Carlo. Unidad 1, Sesión 1: Introducción Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo, Uruguay

Más detalles

Algoritmos Genéticos. Introduccion a la Robótica Inteligente

Algoritmos Genéticos. Introduccion a la Robótica Inteligente Algoritmos Genéticos Introduccion a la Robótica Inteligente 7 Marzo 2014 (IRIN) AGs 7/03/2014 1 / 43 Índice 1 Introducción 2 Algoritmos Genéticos 3 Algunos Fundamentos Matemáticos 4 Conclusiones (IRIN)

Más detalles

Simulación ISC. Profr. Pedro Pablo Mayorga

Simulación ISC. Profr. Pedro Pablo Mayorga Simulación ISC Profr. Pedro Pablo Mayorga Ventajas 1. Es un proceso relativamente eficiente y flexible. 2. Puede ser usada para analizar y sintetizar una compleja y extensa situación real, pero no puede

Más detalles

Introducción a los Algoritmos Genéticos. Tomás Arredondo Vidal 17/4/09

Introducción a los Algoritmos Genéticos. Tomás Arredondo Vidal 17/4/09 Introducción a los Algoritmos Genéticos Tomás Arredondo Vidal 17/4/09 Esta charla trata de lo siguiente: Introducción a algunos aspectos de los algoritmos genéticos. Introducción a algunas aplicaciones

Más detalles

Tema 7: Estadística y probabilidad

Tema 7: Estadística y probabilidad Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro

Más detalles

César Antonio Aguilar Facultad de Lenguas y Letras 25/03/2013 Cesar.Aguilar72@gmail.com

César Antonio Aguilar Facultad de Lenguas y Letras 25/03/2013 Cesar.Aguilar72@gmail.com Métodos y técnicas de investigación cuantitativa César Antonio Aguilar Facultad de Lenguas y Letras 25/03/2013 Cesar.Aguilar72@gmail.com Algunos conceptos básicos (1) En esta sesión, y basándonos en el

Más detalles

Puede dar pérdida un Casino?

Puede dar pérdida un Casino? Puede dar pérdida un Casino? por Ernesto Mordecki En esta nota calculamos la probabilidad de que pierda la banca en la ruleta, en un período dado de tiempo. uestro enfoque consiste en determinar cuantas

Más detalles

Simulación, Método de Montecarlo

Simulación, Método de Montecarlo Simulación, Método de Montecarlo Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Marzo 2011 Introducción 2 Introducción............................................................

Más detalles

Unidad Temática 1: Unidad 3 Probabilidad Temas 6 y 7

Unidad Temática 1: Unidad 3 Probabilidad Temas 6 y 7 Unidad Temática 1: Unidad 3 Probabilidad Temas 6 y 7 Definiciones: 1- La probabilidad estudia la verosimilitud de que determinados sucesos o eventos ocurran o no, con respecto a otros sucesos o eventos

Más detalles

Se podría entender como una matriz de filas y columnas. Cada combinación de fila y columna se denomina celda. Por ejemplo la celda A1, B33, Z68.

Se podría entender como una matriz de filas y columnas. Cada combinación de fila y columna se denomina celda. Por ejemplo la celda A1, B33, Z68. Departamento de Economía Aplicada: UDI de Estadística. Universidad Autónoma de Madrid Notas sobre el manejo de Excel para el análisis descriptivo y exploratorio de datos. (Descriptiva) 1 1 Introducción

Más detalles

Entidad Formadora: Plan Local De Formación Convocatoria 2010

Entidad Formadora: Plan Local De Formación Convocatoria 2010 Entidad Formadora: Enterprise Architect Comenzando Puede iniciar Enterprise Architect desde el ícono que se creó en su escritorio de Windows durante la instalación, o alternativamente: 1. Abrir el menú

Más detalles

Capítulo 7: Distribuciones muestrales

Capítulo 7: Distribuciones muestrales Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.

Más detalles

Tema 3. Concepto de Probabilidad

Tema 3. Concepto de Probabilidad Tema 3. Concepto de Probabilidad Presentación y Objetivos. El Cálculo de Probabilidades estudia el concepto de probabilidad como medida de incertidumbre. En situaciones donde se pueden obtener varios resultados

Más detalles

Simulación Discreta Estocástica Tutor: Deivis Galván

Simulación Discreta Estocástica Tutor: Deivis Galván Capitulo 1 Simulación Discreta Estocástica Tutor: Deivis Galván OBJETIVOS Al aprobar la asignatura el alumno será capaz de: Conocer, comprender y aplicar los principios del modelado de sistemas complejos

Más detalles

Formato condicional... 3. Herramientas para el manejo de datos... 4. Tablas (Listas)... 4. Subtotales... 6. Filtros Avanzados... 7

Formato condicional... 3. Herramientas para el manejo de datos... 4. Tablas (Listas)... 4. Subtotales... 6. Filtros Avanzados... 7 Contenido Formato condicional... 3 Herramientas para el manejo de datos... 4 Tablas (Listas)... 4 Subtotales... 6 Filtros Avanzados... 7 Validación de datos... 9 Consolidar datos... 12 Análisis Y si...

Más detalles

Teoría de Probabilidad

Teoría de Probabilidad Matemáticas Discretas L. Enrique Sucar INAOE Teoría de Probabilidad Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para las que no existe

Más detalles

ECONOMETRÍA FINANCIERA

ECONOMETRÍA FINANCIERA ECONOMETRÍA FINANCIERA CONTENIDO 1 2 3 4 5 6 7 Objetivo Introducción Las betas Financieras Capital Asset Pricing Model CAPM Arbitrage Princing Model APT Predicción con el Método de Montecarlo Solución

Más detalles

PRUEBA DE HIPÓTESIS CON CHI CUADRADO EMPLEANDO EXCEL Y WINSTATS

PRUEBA DE HIPÓTESIS CON CHI CUADRADO EMPLEANDO EXCEL Y WINSTATS PRUEBA DE HIPÓTESIS CON CHI CUADRADO EMPLEANDO EXCEL Y WINSTATS La finalidad de una prueba de k muestras es evaluar la aseveración que establece que todas las k muestras independientes provienen de poblaciones

Más detalles

Dirigido a: Objetivos: Alcance: Temario:

Dirigido a: Objetivos: Alcance: Temario: Dirigido a: Este curso está dirigido a personas que han utilizado Excel para tareas muy elementales y que todo lo que han aprendido ha sido de forma empírica. Algunos usuarios con nivel intermedio valoran

Más detalles

Generación de Números Aleatorios Uniformes

Generación de Números Aleatorios Uniformes Capítulo 5 Generación de Números Aleatorios Uniformes Vimos en el capítulo sobre repaso de distribuciones de probabilidad, lo que es una distribución uniforme. Pero podemos encontrar un método o experimento

Más detalles

Charla No 3: Fórmulas de mayor uso.

Charla No 3: Fórmulas de mayor uso. 1 Charla No 3: Fórmulas de mayor uso. Objetivos generales: Explicar el uso de las funciones de mayor uso en MS-Excel Objetivos específicos: Autosuma. Asistente de fórmulas. Max y Min. Buscarv Contar Si

Más detalles

PRÁCTICA No. 1 ESTADÍSTICA DESCRIPTIVA PARTE I

PRÁCTICA No. 1 ESTADÍSTICA DESCRIPTIVA PARTE I PRÁCTICA No. 1 ESTADÍSTICA DESCRIPTIVA PARTE I Objetivos: Al finalizar esta práctica, el alumno podrá utilizar de manera más eficiente diversas funciones de Excel que le faciliten el cálculo de los principales

Más detalles

COLEGIO APUNTES ACCESS

COLEGIO APUNTES ACCESS COLEGIO APUNTES ACCESS Índice Introducción al Access... 3 Conocimientos básicos... 6 Tablas... 7 Formularios... 10 Consultas... 12 Consultas de eliminación... 15 Consulta de actualización... 15 Informes...

Más detalles

Simulación de Monte Carlo aplicada a fenómenos superficiales en el marco de los modelos de gas de red

Simulación de Monte Carlo aplicada a fenómenos superficiales en el marco de los modelos de gas de red Simulación de Monte Carlo aplicada a fenómenos superficiales en el marco de los modelos de gas de red A. J. Ramirez Pastor Dpto. de Física, Universidad Nacional de San Luis, CONICET. Universidad Nacional

Más detalles

El Método de Monte Carlo. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas

El Método de Monte Carlo. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas El Método de Monte Carlo Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas El método de Monte Carlo es una técnica numérica para calcular probabilidades y otras cantidades relacionadas, utilizando secuencias

Más detalles

ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS

ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS DESCRIPCIÓN DEL TEMA: 10.1. Introducción. 10.2. Método de las transformaciones. 10.3. Método de inversión. 10.4. Método de aceptación-rechazo.

Más detalles

SIMULACIÓN SIMULACIÓN DE UN JUEGO DE VOLADOS

SIMULACIÓN SIMULACIÓN DE UN JUEGO DE VOLADOS UNIVERSIDAD NACIONAL DE INGENIERIA RECINTO UNIVERSITARIO SIMON BOLIVAR FACULTAD DE ELECTROTECNIA Y COMPUTACIÓN INGENIERIA EN COMPUTACIÓN SIMULACIÓN SIMULACIÓN DE UN JUEGO DE VOLADOS Integrantes: Walter

Más detalles

Curso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos

Curso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos Curso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo, Uruguay

Más detalles

HERRAMIENTAS Y TECNICAS DE LA PLANEACIÓN

HERRAMIENTAS Y TECNICAS DE LA PLANEACIÓN HERRAMIENTAS Y TECNICAS DE LA PLANEACIÓN Análisis del Entorno. Es el análisis de grandes cantidades de información del medio ambiente para detectar tendencias emergentes y crear escenarios. Análisis del

Más detalles

MS-EXCEL 2010 INTERMEDIO (30 horas)

MS-EXCEL 2010 INTERMEDIO (30 horas) MS-EXCEL 2010 INTERMEDIO (30 horas) Presentación El presente curso está enmarcado en el plan de Formación Continua, en el cual se incentiva el desarrollo de habilidades informáticas en el personal de la

Más detalles

EJERCICIOS DE PROGRAMACIÓN RELACIÓN VII (EJERCICIOS DE REPASO)

EJERCICIOS DE PROGRAMACIÓN RELACIÓN VII (EJERCICIOS DE REPASO) EJERCICIOS DE PROGRAMACIÓN RELACIÓN VII (EJERCICIOS DE REPASO) Luis José Sánchez 1. Realiza un programa que sume los 100 números siguientes a un número entero y positivo introducido por teclado. Se debe

Más detalles

Práctica 1 El juego de los chinos

Práctica 1 El juego de los chinos Práctica 1 El juego de los chinos Fecha de entrega: 6 de diciembre Según una teoría, el conocido como juego de los chinos nació en el año 1787 en un pequeño pueblo de León. Felipe Valdeón Triguero, un

Más detalles

Curso Excel 2007. Curso Excel 2007. Patrocinado por: http://formacion.grupoasis.com. Fecha de inicio: 23 de octubre Duración: 15 horas lectivas

Curso Excel 2007. Curso Excel 2007. Patrocinado por: http://formacion.grupoasis.com. Fecha de inicio: 23 de octubre Duración: 15 horas lectivas Fecha de inicio: 23 de octubre Duración: 15 horas lectivas PRESENTACIÓN Excel es una aplicación del tipo hoja de cálculo, integrada en el entorno Windows y desarrollada por Microsoft, que permite realizar

Más detalles

Si el comando Solver no aparece en el menú Herramientas, deberá instalar la macro automática Solver como sigue:

Si el comando Solver no aparece en el menú Herramientas, deberá instalar la macro automática Solver como sigue: El Solver de Excel El Solver se utiliza para determinar el valor máximo o mínimo de una celda modificando otras celdas; por ejemplo, el beneficio máximo que puede generarse modificando los gastos de publicidad.

Más detalles

CASO PRÁCTICO DISTRIBUCIÓN DE COSTES

CASO PRÁCTICO DISTRIBUCIÓN DE COSTES CASO PRÁCTICO DISTRIBUCIÓN DE COSTES Nuestra empresa tiene centros de distribución en tres ciudades europeas: Zaragoza, Milán y Burdeos. Hemos solicitado a los responsables de cada uno de los centros que

Más detalles

MATEMÁTICA NM4 4º EM

MATEMÁTICA NM4 4º EM MATEMÁTICA NM4 4º EM UNIDADES TEMÁTICAS UNIDAD Nº 01: ESTADÍSTICA Y PROBABILIDAD Conceptos generales : Población, muestra, parámetro y estadístico Variables y su clasificación Medición y escalas Organización

Más detalles

Tema 1: Test de Distribuciones de Probabilidad

Tema 1: Test de Distribuciones de Probabilidad Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).

Más detalles

PROGRAMA DE CAPACITACIÓN AÑO 2013 GERENCIA Y PLANIFICACIÓN DE PRODUCCIÓN

PROGRAMA DE CAPACITACIÓN AÑO 2013 GERENCIA Y PLANIFICACIÓN DE PRODUCCIÓN PROGRAMA DE CAPACITACIÓN AÑO 2013 GERENCIA Y PLANIFICACIÓN DE PRODUCCIÓN GERENCIA Y PLANIFICACIÓN DE PRODUCCIÓN DISEÑADO PARA Ingenieros de Producción, completación, yacimientos y perforación; geólogos

Más detalles

Maestro Ing. Julio Rito Vargas Avilés. III cuatrimestre 2014

Maestro Ing. Julio Rito Vargas Avilés. III cuatrimestre 2014 Maestro Ing. Julio Rito Vargas Avilés. III cuatrimestre 2014 INVESTIGACIÓN DE OPERACIONES Introducción a las cadenas de Markov de primer orden 1. Definición de cadenas de Markov 2. Tipos de estados y de

Más detalles

Optimización heurística y simulación de Montecarlo para la maximización de ingresos en hoteles Por José Manuel Martínez López, PMP.

Optimización heurística y simulación de Montecarlo para la maximización de ingresos en hoteles Por José Manuel Martínez López, PMP. Optimización heurística y simulación de Montecarlo para la maximización de ingresos en hoteles Por José Manuel Martínez López, PMP Sinopsis El presente artículo muestra los resultados de un problema de

Más detalles

Introducción a la Teoría de Probabilidad

Introducción a la Teoría de Probabilidad Capítulo 1 Introducción a la Teoría de Probabilidad Para la mayoría de la gente, probabilidad es un término vago utilizado en el lenguaje cotidiano para indicar la posibilidad de ocurrencia de un evento

Más detalles

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales

Tema 3: Variables aleatorias y vectores aleatorios bidimensionales Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos

Más detalles

CURSO DE ANALISIS DE RIESGOS EN INDUSTRIAS DE PETROLEO Y GAS (OIL & GAS)

CURSO DE ANALISIS DE RIESGOS EN INDUSTRIAS DE PETROLEO Y GAS (OIL & GAS) CURSO DE ANALISIS DE RIESGOS EN INDUSTRIAS DE PETROLEO Y GAS (OIL & GAS) Cnel R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-15-5468-3369 Fax: 054-11-4433-4202 Mail: mgm_consultas@mgmconsultores.com.ar

Más detalles

BREVE MANUAL DE SOLVER

BREVE MANUAL DE SOLVER BREVE MANUAL DE SOLVER PROFESOR: DAVID LAHOZ ARNEDO PROGRAMACIÓN LINEAL Definición: Un problema se define de programación lineal si se busca calcular el máximo o el mínimo de una función lineal, la relación

Más detalles

Enseñar Matemáticas en el siglo XXI INDICADORES DE LAS COMPETENCIAS (PISA 2003)

Enseñar Matemáticas en el siglo XXI INDICADORES DE LAS COMPETENCIAS (PISA 2003) INDICADORES DE LAS COMPETENCIAS (PISA 2003) Pensar y razonar Plantear cuestiones propias de las matemáticas ( cuántos hay? Cómo encontrarlo? Si es así, entonces etc.) Conocer los tipos de respuestas que

Más detalles

Estudio comparativo de los currículos de probabilidad y estadística español y americano

Estudio comparativo de los currículos de probabilidad y estadística español y americano Estudio comparativo de los currículos de probabilidad y estadística español y americano Jaldo Ruiz, Pilar Universidad de Granada Resumen Adquiere las mismas capacidades en Probabilidad y Estadística un

Más detalles

Probabilidad Hoja de trabajo #1. Actividad: Buscando todos los resultados de un experimento

Probabilidad Hoja de trabajo #1. Actividad: Buscando todos los resultados de un experimento Probabilidad Hoja de trabajo #1 Actividad: Buscando todos los resultados de un experimento Instrucciones: En cada uno de los siguientes experimentos determina todos los posibles resultados al llevarlo

Más detalles

I.E.S.MEDITERRÁNEO CURSO 2015 2016 DPTO DE MATEMÁTICAS PROGRAMA DE RECUPERACIÓN DE LOS APRENDIZAJES NO ADQUIRIDOS EN MATEMÁTICAS DE 3º DE E.S.O.

I.E.S.MEDITERRÁNEO CURSO 2015 2016 DPTO DE MATEMÁTICAS PROGRAMA DE RECUPERACIÓN DE LOS APRENDIZAJES NO ADQUIRIDOS EN MATEMÁTICAS DE 3º DE E.S.O. PROGRAMA DE RECUPERACIÓN DE LOS APRENDIZAJES NO ADQUIRIDOS EN MATEMÁTICAS DE 3º DE E.S.O. Este programa está destinado a los alumnos que han promocionado a cursos superiores sin haber superado esta materia.

Más detalles

Graficando funciones racionales en Excel

Graficando funciones racionales en Excel Graficando funciones racionales en Excel Contenido 1. Qué vas a hacer en esta práctica? 2. Ejemplo paso a paso 3. Comandos de Excel que fueron utilizados 4. Comandos de Excel en Inglés 5. Ejercicios Qué

Más detalles

MATEMÁTICAS A 4º ESO IES LOS CARDONES 2014-2015 PLAN DE RECUPERACIÓN. Contenidos Mínimos. I. Estrategias, habilidades, destrezas y actitudes generales

MATEMÁTICAS A 4º ESO IES LOS CARDONES 2014-2015 PLAN DE RECUPERACIÓN. Contenidos Mínimos. I. Estrategias, habilidades, destrezas y actitudes generales MATEMÁTICAS A 4º ESO IES LOS CARDONES 2014-2015 PLAN DE RECUPERACIÓN Contenidos Mínimos I. Estrategias, habilidades, destrezas y actitudes generales II. Números: Resolución de problemas utilizando toda

Más detalles

Seminario de Actualización - Excel Avanzado y Macros. Visual Basic. Conceptos Básicos de Visual Basic para Aplicaciones

Seminario de Actualización - Excel Avanzado y Macros. Visual Basic. Conceptos Básicos de Visual Basic para Aplicaciones Conceptos Básicos de para Aplicaciones 1 Qué es la programación? Es la acción de escribir programas de computación con el fin de resolver un determinado problema. Datos Constantes π = 3.1416 (real) Variables

Más detalles

Monografías de Juan Mascareñas sobre Finanzas Corporativas ISSN: 1988-1878 Introducción al VaR

Monografías de Juan Mascareñas sobre Finanzas Corporativas ISSN: 1988-1878 Introducción al VaR Juan Mascareñas Universidad Complutense de Madrid Versión inicial: mayo 1998 - Última versión: mayo 2008 - El valor en riesgo (VaR), 2 - El método histórico, 3 - El método varianza-covarianza, 6 - El método

Más detalles

Estadística I. Finanzas y Contabilidad

Estadística I. Finanzas y Contabilidad Estadística I. Finanzas y Contabilidad Práctica 1: INTRODUCCIÓN AL USO DE SOFTWARE ESTADÍSTICO OBJETIVO: Los estudiantes deberán conocer el funcionamiento de la Hoja de Cálculo EXCEL y utilizarla para

Más detalles

Entorno de trabajo y funciones matemáticas en Excel

Entorno de trabajo y funciones matemáticas en Excel Libro 7 Entorno de trabajo y funciones matemáticas en Excel NTICx / Informática para Adultos Profesor: Carlos A. Sardá 2012 1. Entorno de trabajo de Excel Excel es un programa de computadora desarrollado

Más detalles

Palabras clave: Simulación. Modelos de Inventario. Modelado Visual Interactivo. Didáctica. Educación.

Palabras clave: Simulación. Modelos de Inventario. Modelado Visual Interactivo. Didáctica. Educación. Software de simulación de un modelo de inventario López, María Victoria Departamento de Informática. Facultad de Ciencias Exactas y Naturales y Agrimensura Universidad Nacional del Nordeste. 9 de Julio

Más detalles

DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS

DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS A) INTRODUCCIÓN Una distribución de probabilidad es una representación de todos los resultados posibles de algún experimento y de la probabilidad relacionada

Más detalles

Microsoft Office XP Excel XP (I)

Microsoft Office XP Excel XP (I) PRÁCTICA 1 HOJA DE CÁLCULO Microsoft Office XP Excel XP (I) 1. Entrar en Windows 98 (ver práctica 1), y en el Excel abriendo el icono Microsoft Office del escritorio y seleccionar el icono Microsoft Excel,

Más detalles

TABLA DE CONTENIDO LA VENTANA DE EXCEL... 1. Barra de titulo... 1 LA CINTA DE OPCIONES... 2. Mantener siempre la cinta de opciones minimizada...

TABLA DE CONTENIDO LA VENTANA DE EXCEL... 1. Barra de titulo... 1 LA CINTA DE OPCIONES... 2. Mantener siempre la cinta de opciones minimizada... Moldulo Excel Basico TABLA DE CONTENIDO LA VENTANA DE EXCEL... 1 Barra de titulo... 1 LA CINTA DE OPCIONES... 2 Mantener siempre la cinta de opciones minimizada... 2 Mantener la cinta de opciones minimizada

Más detalles