Thursday, October 3, 2013

En una simulación de montecarlo..

Usualmente, para una simulación de montecarlo en R, es buena idea definir claramente desde un principio, los parámetros, luego las variables estocásticas y finalmente definir vectores o matrices vacías que serán llenadas posteriormente con las variables output derivadas del modelo.

Parámetros:
En general, constantes y datos del problema del sistema a modelar se definen directamente. Por ejemplo, un costo de capital o un costo fijo:

c.cap <- .12  #asignamos a c.cap el valor .12
c.fijo <- 12000 #asignamos a c.fijo el valor 12000
constante <- 10 #asignamos a constante el valor 10

Variables estocásticas:
Por ejemplo, si nuestro modelo considera que la demanda de un producto se distribuye en forma normal con media 10 y sd 5 y deseamos generar 100 valores aleatorios tomados de esta distribuciones entonces hacemos:

demanda <- rnorm(100,10,5) #demanda será un vector con 100 valores aleatorios de una Normal con media 10 y sd 5.

Existen muchas posibilidades en R para generar números aleatorios de distintas distribuciones. En Internet puede buscar muchas referencias respecto a esto.

Vectores o matrices vacías:
Los resultados de un modelo, son variables, outputs. Esos outputs son los valores que deseamos analizar porque reflejan el resultado o performance de un sistema del cual queremos saber más. En cada iteración en el cálculo de un output, se genera un valor que debe ser guardado. Estos valores se van guardando en una matriz o vector que debemos definir previamente. Por ejemplo:

output <- matrix(nrow=100, ncol=1)  #generamos un vector vacío de 100 filas y 1 columna

output <- matrix(nrow=n, ncol=3)  #generamos una matriz vacía de n filas y 3 columnas

Estos son algunos elementos básicos, pero que siempre están presentes en una simulación en R.





No comments:

Post a Comment