​Puedes usar la Simulación de Monte Carlo para generar variables aleatorias con la ayuda de una técnica matemática. Puedes usar esta técnica para determinar la incertidumbre y modelar el riesgo de un sistema. Se utilizan entradas y variables aleatorias de acuerdo con la distribución de probabilidad simple, como log-normal. Esta simulación ayuda a generar la trayectoria y el resultado de un modelo mediante cálculos numéricos simples o simulación.
Este método es razonable cuando se tiene que analizar un sistema complejo o los parámetros de un modelo incierto. Se puede modelar el riesgo en el sistema con este método. Una Simulación de Monte Carlo sólo proporcionará una estimación de la incertidumbre del modelo. No se puede considerar como un análisis final. Sin embargo, con este método, puede generar una aproximación del riesgo y la incertidumbre del sistema. La mejor parte de esta simulación es que se puede utilizar esta técnica ampliamente. Por ejemplo, muchos expertos la utilizan en finanzas cuantitativas, inteligencia artificial, estadística, biología computacional y ciencias físicas.

Cómo funciona la simulación de Monte Carlo?

La Simulación de Monte Carlo no genera un único valor de resultado, sino que produce una serie de posibles resultados. Por eso es la técnica favorita y fácil para analizar el riesgo de un modelo, el modelo sustituye a una gama diferente de posibles resultados. En resumen, deriva la distribución de probabilidad de un factor que es incierto.
Esta simulación se ejecuta repetidamente y calcula diferentes valores aleatorios cada vez usando las funciones de probabilidad. Para completar una simulación, se necesitan miles de recálculos según la incertidumbre del modelo.
Puede utilizar la distribución de probabilidad para encontrar diferentes resultados de diferentes variables. Para el análisis de riesgos, este es el método más sensato y realista a utilizar. Aquí están algunas de las distribuciones de probabilidad comunes que implica esta simulación:

Distribución normal

Esta distribución de probabilidad también se llama la curva de campana. Se puede definir la media y una desviación estándar para describir la variación media. Los valores en el centro y cerca de la media son posiblemente los resultados. Este método es simétrico, y puedes encontrar el peso medio de las personas. Además, también puedes determinar fenómenos naturales como los precios de la energía y las tasas de crecimiento.

Distribución logarítmica normal

Estos valores no son simétricos sino sesgados e implican una distribución normal. Esta distribución no tiene valores por debajo de cero, sino que incluye un potencial positivo ilimitado. Los ejemplos de esta variable incluyen los precios de las acciones, los valores de las propiedades y las reservas de petróleo.

Distribución uniforme

Cada valor puede ocurrir con la misma oportunidad. Es necesario definir si las posibilidades son mínimas o máximas. La distribución se divide uniformemente y contiene resultados como las ventas futuras y el coste de fabricación de un producto que usted fabrica.

Distribución triangular

Puede definir el historial de ventas de una unidad según el nivel de inventario y el tiempo. El resultado será máximo, mínimo y muy probable en esta distribución.

Distribución PERT

Es necesario definir el valor máximo, mínimo y más probable en esta distribución. Por ejemplo, esta distribución puede definir cuánta duración tendrá una tarea en el modelo de gestión de proyectos.

Distribución discreta

También puede encontrar la probabilidad o un valor específico a partir de los datos que el usuario define. Puede definir el veredicto como 30% positivo, 20% negativo, 40% de anulación del juicio y 10% de acuerdo.

Para qué se utiliza la simulación de Monte Carlo

La Simulación de Monte Carlo puede resolver varios problemas en diferentes campos de la ciencia y la tecnología. La siguiente sección describe algunos campos que utilizan esta simulación:

Investigación industrial

Los expertos de los centros de investigación industrial y operativa utilizan este método para encontrar sistemas de fiabilidad, redes de colas, programación de trabajos y procesos de inventario. Muchas personas de los departamentos de diseño y control de máquinas y robots confían en esta técnica para resolver problemas de computación. Esta simulación también proporciona ayuda con problemas de optimización, programación, diseño óptimo y otros problemas de satisfacción.

Economía y Finanzas

Muchos economistas e instituciones financieras utilizan esta técnica de simulación como herramienta de análisis. Pueden utilizarla para analizar el riesgo y la incertidumbre en varios componentes, como los precios y las acciones. También pueden estimar el tiempo y la calidad del producto.

Estadísticas computacionales

Esta simulación ha cambiado la forma en que realizamos el análisis de datos y utilizamos la información resultante. Para procesar grandes datos, ya no utilizamos los métodos tradicionales para el análisis estadístico y los modelos. Se puede utilizar la Simulación de Monte Carlo para derivar la distribución posterior y varias otras cantidades. Además, puedes encontrar diferentes valores complejos como los valores p.

Cómo ejecutar la Simulación de Monte Carlo en Excel

Puede usar el siguiente método para ejecutar la Simulación de Monte Carlo en Excel en una distribución normal:

Variables de entrada

Necesitas incluir tres variables en una distribución normal. Media, probabilidad y desviación estándar. Supongamos que tomamos las variables de una compañía financiera que involucran tres columnas: Ingresos, Gastos fijos y variables. Si restas los Ingresos de los Gastos Variables y luego restas los Gastos Fijos, obtendrás la Ganancia como resultado. Entonces puede asumir las curvas de distribución de los Gastos Variables y los Gastos de Ingresos.

Simulación número uno

Usaremos la fórmula NORM.IVN(). En esta fórmula, se usará la probabilidad como la RAND() de la distribución, el ingreso previsto como la media como C3, y el ingreso por desviación estándar como C4

1000 Simulaciones

Puede utilizar varios métodos para realizar 1000 simulaciones. Puedes copiar y pegar la fórmula en diferentes celdas de los pasos anteriores 1000 veces.

Estadísticas de resumen

Cuando se ejecuta la simulación, se pueden recopilar estadísticas de resumen. Puedes usar la fórmula de COUNTIF() para encontrar el porcentaje no rentable de la simulación.

Conclusión

La Simulación de Monte Carlo tiene una amplia gama de aplicaciones en múltiples industrias. Ayuda a resolver valores problemáticos e inciertos en un sistema. Esta simulación proporciona valores esperados y la probabilidad de que se produzca un resultado.