Al hablar del método de Montecarlo, nos referimos a una técnica estadística que nos permite simular repetidamente un escenario conocido con cierta aleatoriedad, de modo que todas dichas repeticiones o simulaciones proporcionen una visión global del escenario representado.
La existencia de procesos basados en diferentes subprocesos con un comportamiento conocido y que a su vez presentan una componente aleatoria, permite la aplicación de la simulación mediante el método de Montecarlo para obtener una representación lo suficientemente representativa de la realidad.
Para ello, se han de determinar los factores que definen dicho proceso, y a partir de los cuales, se generarán los diferentes subprocesos asociados. Así, mediante el método de Montecarlo, se replicará dicho proceso tantas veces como se considere necesario, donde debido a la componente aleatoria inherente, se obtendrán resultados similares, pero no coincidentes. Así, para obtener el escenario global asociado, se procederá a la agregación de los resultados individuales de cada simulación, lo cual llevará de forma directa al escenario estimado para el proceso general.
A modo de ejemplo, la evolución de la pirámide de población de una región cumple dichas características, donde la población total por cada edad y género representa el proceso global, y los subprocesos se corresponden a la evolución de cada individuo año a año. Dicha evolución estará basada en los parámetros de entrada y salida naturales de población: nacimiento, defunción, inmigración y emigración.
Sin embargo, dicho método no se limita a la simulación del escenario en las condiciones reales dadas por los factores, sino que permite la simulación de éste a través de diferentes variaciones de dichos factores. De este modo, será posible determinar cómo evolucionará el proceso bajo diferentes condicionantes, pudiendo ser de interés para el usuario de cara a realizar modificaciones iniciales basadas en las proyecciones a futuro obtenidas mediante la metodología.
Finalmente, un proceso como éste, dependiente de una serie de factores iniciales, podrá enfocarse del modo inverso, definiendo la situación que se desea obtener a lo largo de los siguientes instantes temporales, y pudiendo determinar qué variación de dichos factores llevarán a una situación lo más similar posible a la deseada. Para ello, se podrá hacer uso de técnicas como los algoritmos genéticos, los cuales, basados en el funcionamiento genético, procede a determinar la combinación de parámetros que se ajuste de la forma más adecuada a las características deseadas.
Pelayo Quirós
- PhD. - Investigador línea D4V -
