Simulación de Monte Carlo

Probabilidad avanzada: la incertidumbre en los datos

Maarten Van den Broeck

Senior Content Developer at DataCamp

¿Qué es la simulación de Monte Carlo?

Pronóstico del tiempo

Probabilidad avanzada: la incertidumbre en los datos

¿Qué es la simulación de Monte Carlo?

  • Probar muchas posibilidades aleatorias para ver qué puede pasar
  • Da una distribución de probabilidad de todos los resultados simulados
  • Ejemplos de uso:
    • Pronósticos financieros
    • Evaluación de riesgos
    • Optimización de la cadena de suministro

Vista de Montecarlo, Mónaco

Probabilidad avanzada: la incertidumbre en los datos

Pasos de la simulación de Monte Carlo

Paso 1 de la simulación de Monte Carlo

Probabilidad avanzada: la incertidumbre en los datos

Pasos de la simulación de Monte Carlo

Pasos 1 y 2 de la simulación de Monte Carlo

Probabilidad avanzada: la incertidumbre en los datos

Pasos de la simulación de Monte Carlo

Pasos 1, 2 y 3 de la simulación de Monte Carlo

Probabilidad avanzada: la incertidumbre en los datos

Ejemplo: estimación de costes de un proyecto

Una empresa quiere estimar el coste total de un proyecto

  1. Variables clave: precios de materiales, horas de trabajo, imprevistos

Una mano sosteniendo una calculadora frente a una pantalla con un gráfico de líneas

Probabilidad avanzada: la incertidumbre en los datos

Ejemplo: estimación de costes de un proyecto

Una empresa quiere estimar el coste total de un proyecto

  1. Variables clave: precios de materiales, horas de trabajo, imprevistos
  2. Ejecuta 10.000 simulaciones con valores muestreados al azar
  3. Analiza los resultados para estimar la probabilidad de ajustarse al presupuesto

Ejemplo de salida de Monte Carlo

Probabilidad avanzada: la incertidumbre en los datos

Ventajas clave de la simulación de Monte Carlo

  • Genera un rango de resultados posibles
  • Cuantifica riesgos y oportunidades en probabilidades
  • Capta la complejidad e interdependencias de variables

Una ilustración de una mano levantando iconos positivos

Probabilidad avanzada: la incertidumbre en los datos

Limitaciones de la simulación de Monte Carlo

  • La precisión depende de la calidad de los datos y las suposiciones de entrada
  • Computacionalmente exigente
  • Se necesita experiencia para interpretar los resultados

Una señal de advertencia y un engranaje con una marca de verificación

Probabilidad avanzada: la incertidumbre en los datos

Ejemplo: estimación de costes de un proyecto

Una mano sosteniendo una calculadora frente a una pantalla con un gráfico de líneas

Probabilidad avanzada: la incertidumbre en los datos

¡Vamos a practicar!

Probabilidad avanzada: la incertidumbre en los datos

Preparing Video For Download...