Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad

Metodo de montecarlo, Apuntes de Ingenieria de Mantenimiento

“El método de Montecarlo1 es un método no determinista o estadístico numérico, usado para aproximar expresiones matemáticas complejas y costosas de evaluar con exactitud.

Tipo: Apuntes

2018/2019

Subido el 22/11/2019

Rodx10
Rodx10 🇲🇽

2 documentos

1 / 5

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
Método Montecarlo
El método de Montecarlo1 es un método no
determinista o estadístico numérico, usado
para aproximar expresiones matemáticas
complejas y costosas de evaluar con
exactitud. El método se llamó así en
referencia al Casino de Montecarlo (Mónaco)
por ser “la capital del juego de azar”, al ser la
ruleta un generador simple de números
aleatorios. El nombre y el desarrollo
sistemático de los métodos de Montecarlo
datan aproximadamente de 1944 y se
mejoraron enormemente con el desarrollo de
la computadora.
El uso de los métodos de Montecarlo como
herramienta de investigación, proviene del
trabajo realizado en el desarrollo de la bomba
atómica durante la Segunda Guerra Mundial
en el Laboratorio Nacional de Los Álamos en
EE. UU. Este trabajo conllevaba la
simulación de problemas probabilísticos de
hidrodinámica concernientes a la difusión de
neutrones en el material de fisión. Esta
difusión posee un comportamiento
eminentemente aleatorio. En la actualidad es
parte fundamental de los algoritmos de
raytracing para la generación de imágenes
3D.
Montecarlo.
En la primera etapa de estas investigaciones,
John von Neumann y Stanislaw Ulam
refinaron esta ruleta y los métodos "de
división" de tareas. Sin embargo, el desarrollo
sistemático de estas ideas tuvo que esperar al
trabajo de Harris y Herman Kahn en 1948.
Aproximadamente en el mismo año, Enrico
Fermi, Nicholas Metropolis y Ulam
obtuvieron estimadores para los valores
característicos de la ecuación de Schrödinger
para la captura de neutrones a nivel nuclear
usando este método.
El método de Montecarlo proporciona
soluciones aproximadas a una gran variedad
de problemas matemáticos posibilitando la
realización de experimentos con muestreos de
números pseudoaleatorios en una
computadora. El método es aplicable a
cualquier tipo de problema, ya sea estocástico
o determinista. A diferencia de los métodos
numéricos que se basan en evaluaciones en N
puntos en un espacio M-dimensional para
producir una solución aproximada, el método
de Montecarlo tiene un error absoluto de la
estimación que decrece como 1/ N en virtud
del teorema del límite central. (Peña
Sanchez de Rivera, 2017)
Aguja de buffon
La aguja de Buffon es un clásico problema
de probabilidad geométrica, de realización
práctica y cuyo interés radica en que es un
método difícil para ir aproximando el valor
del número π a partir de sucesivos intentos.
Fue planteado por el naturalista francés
Buffon en 1733 y reproducido por él mismo
ya resuelto en 1757.
Se trata de lanzar una aguja sobre un papel en
el que se han trazado rectas paralelas
distanciadas entre sí de manera uniforme. Se
puede demostrar que si la distancia entre las
rectas es igual a la longitud de la aguja, la
probabilidad de que la aguja cruce alguna de
las líneas es 2 / π
De esa manera:
π ≈ 2 N/A
pf3
pf4
pf5

Vista previa parcial del texto

¡Descarga Metodo de montecarlo y más Apuntes en PDF de Ingenieria de Mantenimiento solo en Docsity!

Método Montecarlo “El método de Montecarlo^1 es un método no determinista o estadístico numérico, usado para aproximar expresiones matemáticas complejas y costosas de evaluar con exactitud. El método se llamó así en referencia al Casino de Montecarlo (Mónaco) por ser “la capital del juego de azar”, al ser la ruleta un generador simple de números aleatorios. El nombre y el desarrollo sistemático de los métodos de Montecarlo datan aproximadamente de 1944 y se mejoraron enormemente con el desarrollo de la computadora. El uso de los métodos de Montecarlo como herramienta de investigación, proviene del trabajo realizado en el desarrollo de la bomba atómica durante la Segunda Guerra Mundial en el Laboratorio Nacional de Los Álamos en EE. UU. Este trabajo conllevaba la simulación de problemas probabilísticos de hidrodinámica concernientes a la difusión de neutrones en el material de fisión. Esta difusión posee un comportamiento eminentemente aleatorio. En la actualidad es parte fundamental de los algoritmos de raytracing para la generación de imágenes 3D. Montecarlo. En la primera etapa de estas investigaciones, John von Neumann y Stanislaw Ulam refinaron esta ruleta y los métodos "de división" de tareas. Sin embargo, el desarrollo sistemático de estas ideas tuvo que esperar al trabajo de Harris y Herman Kahn en 1948. Aproximadamente en el mismo año, Enrico Fermi, Nicholas Metropolis y Ulam obtuvieron estimadores para los valores característicos de la ecuación de Schrödinger para la captura de neutrones a nivel nuclear usando este método. El método de Montecarlo proporciona soluciones aproximadas a una gran variedad de problemas matemáticos posibilitando la realización de experimentos con muestreos de números pseudoaleatorios en una computadora. El método es aplicable a cualquier tipo de problema, ya sea estocástico o determinista. A diferencia de los métodos numéricos que se basan en evaluaciones en N puntos en un espacio M-dimensional para producir una solución aproximada, el método de Montecarlo tiene un error absoluto de la estimación que decrece como 1/√ N en virtud del teorema del límite central”. (Peña Sanchez de Rivera, 2017) Aguja de buffon “La aguja de Buffon es un clásico problema de probabilidad geométrica, de realización práctica y cuyo interés radica en que es un método difícil para ir aproximando el valor del número π a partir de sucesivos intentos. Fue planteado por el naturalista francés Buffon en 1733 y reproducido por él mismo ya resuelto en 1757. Se trata de lanzar una aguja sobre un papel en el que se han trazado rectas paralelas distanciadas entre sí de manera uniforme. Se puede demostrar que si la distancia entre las rectas es igual a la longitud de la aguja, la probabilidad de que la aguja cruce alguna de las líneas es 2 / π De esa manera: π ≈ 2 N/A

siendo N el número total de intentos y A el número de veces que la aguja ha cruzado alguna línea. Si la aguja es más corta que la distancia entre las rectas la probabilidad disminuye proporcionalmente al cociente entre la longitud de la aguja y la distancia entre las rectas, tomando el valor 2 L / ( D π ) donde L es la longitud de la aguja y D la Inter distancia entre las rectas. En este caso: π ≈ 2 NL/AD La tercera situación, en que la longitud de la aguja es mayor que la distancia entre las rectas lleva a un resultado bastante más complicado. Una generalización obvia de este problema es el problema de la Aguja de Buffon-Laplace, donde la aguja, en vez de lanzarse sobre un papel rayado, se lanza sobre una cuadrícula. Se llama de Buffon-Laplace pues, aunque Buffon lo resolvió también en 1777, su solución contenía un error. Fue corregido por Laplace en 1812.” (Weisstein, 2009) John von Neumann “(28 de diciembre de 1903 – 8 de febrero de 1957) fue un matemático húngaro- estadounidense que realizó contribuciones fundamentales en física cuántica, análisis funcional, teoría de conjuntos, ciencias de la computación, economía, análisis numérico, cibernética,hidrodinámica, estadísti ca y muchos otros campos. Está considerado como uno de los más importantes matemáticos de la historia moderna.” ( keiniercab, 2012) Stanisław Marcin Ulam “(13 de abril de 1909 – 13 de mayo de 1984) fue un matemático polaco–estadounidense que participó en el proyecto Manhattan y propuso el diseño Teller–Ulam de las armas termonucleares. También propuso la idea de propulsión nuclear de pulso^1 y desarrolló un número de herramientas matemáticas en la teoría de números, teoría de conjuntos, teoría ergódica y topología algebraica. Sobre todo es conocido por ser coautor (con Nicholas Metropolis) del Método de Montecarlo Entre los mas grandes aportes en la historia realizados por John Von N. y Stanislaw Ulam, encontramos dentro del Armamentismo.” ( keiniercab, 2012) Enrico Fermi “Fue un gran físico italiano conocido por desarrollar el primer reactor nuclear. Además hizo grandes contribuciones al desarrollo de la teoría cuántica, la física nuclear, de partículas, y la mecánica cuántica. Conocido por sus trabajos pioneros, especialmente sobre los neutrones, permitió un gran desarrollo de la Física del núcleo. Enrico Fermi nació en Roma el 29 de Septiembre de

  1. Su padre, Alberto Fermi, era Inspector General del Ministerio de Comunicaciones, y su madre, Ida de Gattis, era maestra en una escuela”. (Sepúlveda, 2016)

Referencias

CHW, C. (23 de Septiembre de 2010). fayerwayer. Obtenido de https://www.fayerwayer.com/2010/ 09/158-eniac-la-primera- computadora-electronica- programable/ keiniercab. (25 de Junio de 2012). Simulacionoperaciones. Obtenido de https://simulacionoperaciones.word press.com/tag/john-von-neumann/ Peña Sanchez de Rivera, D. (10 de Julio de 2017). Wikipedia. Obtenido de https://es.wikipedia.org/wiki/Métod o_de_Montecarlo Sepúlveda, E. (13 de Julio de 2016). Fisica en linea. Obtenido de http://www.fisicaenlinea.com/17bio grafias/biografias03- enricofermi.html Weisstein, E. W. (5 de Febrero de 2009). Wikipedia. Obtenido de https://es.wikipedia.org/wiki/Aguja_ de_Buffon

grotescos, pero antes de ir con ellos debemos recordar que ésta computadora era modular, es decir, estaba compuesta por distintos componentes separados entre sí y que cumplían con distintas funciones; Veinte de estos módulos eran acumuladores, los que se encargaban de sumar, restar y almacenar hasta un número decimal de 10 dígitos. Los datos viajaban en buses de propósito general - llamados trays- a través de todos los componentes, los que debían priorizar las acciones en: enviar y recibir números, computar, salvar la respuesta, y desatar la siguiente operación. Sin embargo, lo más llamativo de ENIAC era su impresionante tamaño:

  • 17.468 válvulas electrónicas
  • 6.000 interruptores
  • 7.200 diodos de cristal
  • 1.500 relés
  • 70.000 transistores
  • 10.000 capacitores
  • 5 millones de uniones soldadas
  • 200.000 W de consumo” (CHW, 2010)