Palabras clave
estadística
Simulación
Categorías
Cómo citar
Resumen
Los métodos de Montecarlo se utilizan ampliamente en campos como las finanzas (para la valoración de opciones), la física (para el transporte de partículas), la ingeniería (para el análisis de riesgos) y el aprendizaje automático (para la inferencia bayesiana). Son especialmente útiles cuando se trabaja con integrales de alta dimensión o procesos estocásticos complejos. La elegancia del método reside en su sencillez y en que se basa en la aleatoriedad para obtener resultados estadísticamente significativos mediante simulaciones repetidas.
Referencias
Barbu, A., & Zhu, S. (2020). Monte Carlo Methods. https://doi.org/10.1007/978-981-13-2971-5
Chen, J. (2025). Monte Carlo Simulations in Complex Systems: Challenges and New Approaches. Theoretical and Natural Science. https://doi.org/10.54254/2753-8818/2025.20172
Dapor, M. (2020). Monte Carlo Strategies. Transport of Energetic Electrons in Solids. https://doi.org/10.1007/978-3-319-47492-2_5
Haq, F. I., Firmansyah, A. H., Jatmiko, W. P., & Agustin, S. (2024). Implementasi Penggunaan Simulasi Monte Carlo dalam Estimasi Distribusi Jajanan Tradisional. Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI). https://doi.org/10.32672/jnkti.v7i4.7696
Romeo, G. (2020). Essential Monte Carlo analysis. 763-795. https://doi.org/10.1016/b978-0-12-817648-1.00014-1
Salaün, C., Gruson, A., Hua, B.-S., Hachisuka, T., & Singh, G. (2022). Regression-based Monte Carlo integration. ACM Transactions on Graphics (TOG), 41, 1-14. https://doi.org/10.1145/3528223.3530095
Sanz-Alonso, D., & Ghattas, O. A. (2024). A First Course in Monte Carlo Methods. ArXiv, abs/2405.16359. https://doi.org/10.48550/arXiv.2405.16359
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Derechos de autor 2025 Multidisciplinary Latin American Journal (MLAJ)