1 Sesion 01 Fisica Computacional 2

SESIÓN 01: FENÓMENOS ALEATORIOS
• Introducción al método Montecarlo. Descripción de problemas

estocásticos en física y en campo de las matemáticas
Mg. JUVENAL TORDOCILLO PUCHUC

J.TORDOCILLO
LOGRO
Al finalizar la sesión, el estudiante debe:
• Identifica los fenómenos naturales que tienen
comportamiento aleatorio.
• Describe las diferencias entre experimentos
determinísticos y no determinísticos.
• Elabora programas en FORTRAN con las
condicionales IF, DO WHILE y lectura e
escritura por archivo.
J.TORDOCILLO
INICIO DE LA SESIÓN
J.TORDOCILLO
INTRODUCCIÓN
En el presente curso estableceremos objetos de estudio, para lo cual
existe el interés de observar distintos fenómenos naturales que ocurren
en la naturaleza o que son producidos por el hombre, tal que nos
interesa conocer o medir ciertas características de algún fenómeno
físicos.
Para estudiar estar características es necesario aislar algunos

fenómenos de la naturaleza, bajo el enfoque teórico con las mismas
condiciones y procedimientos y producen dos tipos de experimentos.
• Experimentos determinísticos.
• Experimentos aleatorios.
J.TORDOCILLO
EXPERIMENTOS DETERMINISTICOS
Son aquellos experimentos en que se pueden determinar sus

resultados, es decir son predecibles y si se repiten bajo las
mismas condiciones se encuentra los mismos resultados.
Ejemplos:
Caso 2 Caso 3
Caso 1
J.TORDOCILLO
EXPERIMENTOS ALEATORIOS
Son aquellos experimentos en que si repetimos bajo las mismas

condiciones no garantizan las mismos resultados, es decir los
resultados son impredecibles.
Ejemplos:
Caso 1 Caso 2 Caso 3
J.TORDOCILLO
MÉTODO MONTECARLO
Bajo el nombre del Método Montecarlo, se agrupan una serie de procedimientos que
analizan distribuciones de variables aleatorias tratando de simular una experiencia
real y nos permite resolver problemas físicos y matemáticos mediante la simulación
de variables aleatorias.
El método Montecarlo fue bautizado así por su

clara analogía con los juegos de ruleta de los
casinos, el más célebre de los cuales es el de
Montecarlo, casino cuya construcción fue
propuesta en 1856 por el príncipe Carlos III de
Mónaco, siendo inaugurado en 1861.
En estos métodos el error ~1/ 𝑁 , donde N es

el número de pruebas y por tanto, ganar una
cifra decimal en la precisión implica aumentar N
en 100 veces.
J.TORDOCILLO
Aplicaciones del método Montecarlo
En geofísica se han usado El método de Montecarlo

para las predicciones de la (MC) se aplica a sistemas
magnitud y localización de
los terremotos. moleculares para predecir
los valores promedios de
las propiedades de
estructuras en medios
térmicos.
En conservación de la
naturaleza, la forma en que
se trasladan los pájaros, los
depredadores, las águilas,
etc.
J.TORDOCILLO
Variantes del método Montecarlo
• Montecarlo Clásico (MCC): aplicaciones de distribución de probabilidad (generalmente

la distribución de Maxwell y Boltzmann) para obtener propiedades termodinámicas,
estructura de energía mínima y constantes cinéticas.
• Montecarlo Cuántico (MCQ): uso de trayectorias aleatorias para calcular funciones de
onda y energías de sistemas cuánticos y para calcular estructuras electrónicas usando
como punto de partida la ecuación de Schrodinger.
• Montecarlo Integral a lo largo de Trayectoria (MCIT): calculo de integrales de

mecánica, estadística cuántica para obtener propiedades termodinámicas y constantes
cinéticas usando como punto de partida la integral a lo largo de la trayectoria de
Feynman.
• El Montecarlo Volumétrico ( MCV): uso números aleatorios y cuasi-aleatorios para
generar volúmenes moleculares.
J.TORDOCILLO
Ventajas y Desventajas
Ventajas
• Es un método directo y flexible.
• Existe un amplio abanico de programas y lenguajes destinados a simular.
• Cuando el modelo matemático es demasiado complicado la simulación permite
obtener una aproximación.
• La simulación nos permite formular condiciones extremas con riesgos nulos.
• La solución no interfiere con el mundo real. Permite experimentar.
• Permite estudiar la interacción entre diferentes variables del problema.
• Mediante simulación podemos influir en el tiempo de los procesos.
• La solución permite resolver problemas que no tienen solución analítica.
J.TORDOCILLO
Ventajas y Desventajas
Desventajas
• Una buena simulación puede resultar muy complicado, gran número de
variables.
• La simulación no genera soluciones óptimas globales.
• No proporciona decisión a tomar, si no que resuelve el problema mediante
aproximación para unas condiciones iniciales.
• Cada simulación es única interviene el azar.
J.TORDOCILLO
ELEMENTOS DE PROBABILIDAD
Experimento: Describe cualquier proceso o procedimiento que permite observar

un conjunto de datos. Se entiende por experimento.
J.TORDOCILLO
Espacio muestral: Se define como el conjunto de todos los resultados posibles
De un experimento y se representa como el símbolo S.
𝑆 = 𝑊𝑖 : 𝑑𝑜𝑛𝑑𝑒 𝑊𝑖 𝑒𝑠 𝑒𝑙 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑏𝑙𝑒 𝑑𝑒𝑙 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜
J.TORDOCILLO
Evento: Un evento es un conjunto de puntos muestrales pudiendo ser cualquier
subconjunto del espacio muestral.
Probabilidad de un evento: Es la probabilidad de que ocurra un resultado o

condición especifica (evento). Se evalúa utilizando un conjunto de números reales
Denominados pesos o probabilidad que van de 0 a 1.
𝑃 Ø =0
0 ≤ 𝑃(𝐴) ≤ 1
𝑃 𝑆 =1
J.TORDOCILLO
La probabilidad de un evento A es la suma de los pesos de todos los puntos
muestrales en A.
𝑃 𝐴1 𝑈𝐴2 𝑈𝐴3 𝑈 … . . 𝐴𝑛 = 𝑃(𝐴1 )+ 𝑃 𝐴2 + ⋯ 𝑃 𝐴𝑛 =1

Se cumple si los eventos son mutuamente excluyentes.
Si los eventos son complementarios:
𝐶𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝐶𝑎𝑠𝑜𝑠 𝑛𝑜 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠

𝑃 𝐴 = 𝑃 𝐴′ =
𝐶𝑎𝑠𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠 𝐶𝑎𝑠𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠
𝑃 𝐴′ + 𝑃 𝐴 =1
J.TORDOCILLO
CONSIDERACIONES FINALES
J.TORDOCILLO
REFERENCIAS BIBLIOGRÁFICAS
•HERMANN D. W. Computer Simulation Methods in Theoretical Physics:

Edith. Springer, Berlin 1990.
•RALSTON, H.S. WILF, Mathematical Methods for Digital Computers,
Wiley & Sons, New York, 1960.
•PAUL L. DE VRIES, A First Course. In Computational Physics, Miami University,
•Oxford, Ohio, JOHN WILEY & SONS, INC. 424 Pág. 1994.
J.TORDOCILLO

1 Sesion 01 Fisica Computacional 2

Cargado por

Copyright:

Formatos disponibles

1 Sesion 01 Fisica Computacional 2

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

1 Sesion 01 Fisica Computacional 2

Cargado por

Copyright:

Formatos disponibles

SESIÓN 01: FENÓMENOS ALEATORIOS

• Introducción al método Montecarlo. Descripción de problemas

Mg. JUVENAL TORDOCILLO PUCHUC

Para estudiar estar características es necesario aislar algunos

Son aquellos experimentos en que se pueden determinar sus

Son aquellos experimentos en que si repetimos bajo las mismas

Caso 1 Caso 2 Caso 3

El método Montecarlo fue bautizado así por su

En estos métodos el error ~1/ 𝑁 , donde N es

En geofísica se han usado El método de Montecarlo

• Montecarlo Clásico (MCC): aplicaciones de distribución de probabilidad (generalmente

• Montecarlo Integral a lo largo de Trayectoria (MCIT): calculo de integrales de

Experimento: Describe cualquier proceso o procedimiento que permite observar

𝑆 = 𝑊𝑖 : 𝑑𝑜𝑛𝑑𝑒 𝑊𝑖 𝑒𝑠 𝑒𝑙 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑏𝑙𝑒 𝑑𝑒𝑙 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜

Probabilidad de un evento: Es la probabilidad de que ocurra un resultado o

𝑃 𝐴1 𝑈𝐴2 𝑈𝐴3 𝑈 … . . 𝐴𝑛 = 𝑃(𝐴1 )+ 𝑃 𝐴2 + ⋯ 𝑃 𝐴𝑛 =1

Si los eventos son complementarios:

𝐶𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝐶𝑎𝑠𝑜𝑠 𝑛𝑜 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠

•HERMANN D. W. Computer Simulation Methods in Theoretical Physics:

También podría gustarte