Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 19 vistas

    Resumen Montecarlo

    Cargado por

    Bessy Alcerro
    El simulador de Montecarlo surgió en 1946 y se utiliza para resolver problemas matemáticos a través de variables aleatorias y simular múltiples escenarios de probabilidad. Genera modelos de resultados posibles usando distribuciones de probabilidad para variables inciertas y calcula los resultados repetidamente usando diferentes números aleatorios. Esto permite analizar riesgos y entender qué puede pasar en un proyecto, aunque los resultados dependen de la representatividad de los datos. Es útil para estimar la variabilidad en el costo y duración de un proyecto

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Resumen Montecarlo

    Cargado por

    Bessy Alcerro
    19 vistas3 páginas
    El simulador de Montecarlo surgió en 1946 y se utiliza para resolver problemas matemáticos a través de variables aleatorias y simular múltiples escenarios de probabilidad. Genera modelos de resultados posibles usando distribuciones de probabilidad para variables inciertas y calcula los resultados repetidamente usando diferentes números aleatorios. Esto permite analizar riesgos y entender qué puede pasar en un proyecto, aunque los resultados dependen de la representatividad de los datos. Es útil para estimar la variabilidad en el costo y duración de un proyecto

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El simulador de Montecarlo surgió en 1946 y se utiliza para resolver problemas matemáticos a través de variables aleatorias y simular múltiples escenarios de probabilidad. Genera modelos de resultados posibles usando distribuciones de probabilidad para variables inciertas y calcula los resultados repetidamente usando diferentes números aleatorios. Esto permite analizar riesgos y entender qué puede pasar en un proyecto, aunque los resultados dependen de la representatividad de los datos. Es útil para estimar la variabilidad en el costo y duración de un proyecto

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    19 vistas3 páginas

    Resumen Montecarlo

    Cargado por

    Bessy Alcerro
    El simulador de Montecarlo surgió en 1946 y se utiliza para resolver problemas matemáticos a través de variables aleatorias y simular múltiples escenarios de probabilidad. Genera modelos de resultados posibles usando distribuciones de probabilidad para variables inciertas y calcula los resultados repetidamente usando diferentes números aleatorios. Esto permite analizar riesgos y entender qué puede pasar en un proyecto, aunque los resultados dependen de la representatividad de los datos. Es útil para estimar la variabilidad en el costo y duración de un proyecto

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 3

    UNIVERSIDAD TECNOLÓGICA

    CENTROAMERICANA

    FACULTAD DE POSTGRADO

    MAESTRÍA EN ADMINISTRACIÓN DE PROYECTOS

    GESTION DE PROYECTOS 3

    Resumen del Simulador Montecarlo

    SAN PEDRO SULA, CORTES, HONDURAS


    Simulador Montecarlo

    En 1946, surgió el método Montecarlo para el análisis de riesgos con los matemáticos

    Stanislaw Ulam y John von Neumann. La idea inicial se le ocurrió a Stanislaw Ulam mientras

    jugaba solitario y se dio cuenta que el juego requería de realizar pruebas con múltiples cartas

    para poder estimar diferentes resultados en la partida. Fue allí donde el vio que se podía aplicar

    este tipo de análisis a su trabajo en el campo de la energía nuclear.

    La simulación de Montecarlo es un método estadístico utilizado para resolver problemas

    matemáticos a través de la creación de variables aleatorias, es muy conocida también como una

    simulación de probabilidad múltiple para evaluar el impacto del riesgo en muchos escenarios de

    la vida real, como en la inteligencia artificial, los precios de las acciones, la previsión de ventas,

    la gestión de proyectos y la fijación de precios. Esta técnica se basa en simular la realidad a

    través del estudio de una muestra, que se ha generado de forma totalmente aleatoria y es muy útil

    en especial en los casos en los que no es posible obtener información sobre la realidad a analizar,

    o cuando la experimentación no es posible o es muy costosa.

    La simulación de Monte Carlo crea un modelo de posibles resultados utilizando una

    distribución de probabilidades, como una distribución uniforme, para cualquier variable que

    tenga una incertidumbre. Luego, vuelve a calcular los resultados una y otra vez, cada vez

    utilizando un conjunto diferente de números aleatorios entre los valores mínimo y máximo, y

    este ejercicio puede repetirse miles de veces para producir un gran número de posibles

    resultados.
    Las ventajas son que al generar múltiples posibilidades de escenarios nos ayuda a entender

    qué puede pasar y tendremos una estimación del rendimiento del proyecto. Permite analizar los

    riesgos, ya que se dan aproximaciones de las probabilidades de éxito y fracaso. Las desventajas

    son que si opera con datos que no se han llegado a actualizar con respecto a la situación actual,

    puede que las conclusiones finales que saquemos no sean correctas. En muestras poco

    representativas no tiene sentido aplicarlo, ya que los resultados finales serán poco fiables como

    la muestra inicial.

    Es sumamente util en proyectos ya que las estimaciones de plazo y coste que se hacen

    durante la planificación de un proyecto están sujetas a variabilidad, una determinada tarea no

    cuesta o dura siempre lo mismo y de igual forma son los riesgos asumidos, los cuales tienen una

    determinada probabilidad de ocurrir y un impacto. Es por esto que no es conceptualmente

    correcto dar un valor determinado para el coste o la duración del proyecto, ya que estos van a

    estar sujetos a variabilidad. Lo más correcto es hablar de un valor medio y una variabilidad para

    el coste y la duración totales, los cuales pueden determinarse mediante el análisis de Montecarlo.

    También podría gustarte