Relaciones de términos  Blogs Compañeros
Francisco Barragán
http://fcobarragansimulacion.weebly.com/modelo-montecarlo.html

Modelos.- Es una representación o abstracción de una situación u objeto real, que muestra las relaciones (directas o indirectas) y las interrelaciones de la acción y la reacción en términos de causa y efecto. 



¿Cuándo se utiliza el método de Monte Carlo ?

El uso de los métodos de Monte Carlo como herramienta de investigación, proviene del trabajo realizado en el desarrollo de la bomba atómica durante la Segunda Guerra Mundial en el Laboratorio Nacional de Los Álamos en EE. UU. Este trabajo conllevaba la simulación de problemas probabilísticos de hidrodinámica concernientes a la difusión de neutrones en el material de fisión. Esta difusión posee un comportamiento eminentemente aleatorio. En la actualidad es parte fundamental de los algoritmos de Raytracing para la generación de imágenes 3D.

Juan Arias
http://ariasnicola.blogspot.com/2013_08_01_archive.html

Algoritmo Metropolis Hastings

En las estadísticas y en física estadística , el algoritmo de Metropolis-Hastings es una cadena de Markov Monte Carlo método para la obtención de una secuencia de (MCMC) muestras aleatorias a partir de unadistribución de probabilidad para el que el muestreo directo es difícil. Esta secuencia se puede utilizar para aproximar la distribución (es decir, para generar un histograma), o para calcular una integral (tal como un valor esperado ).

Muestreo de Gibbs

En matemáticas y física, el muestreo de Gibbs es un algoritmo para generar una muestra aleatoria a partir de la distribución de probabilidad conjunta de dos o más variables aleatorias. Se trata de un caso especial del algoritmo de Metropolis-Hastings y, por lo tanto, del MCMC.

Jeferson Llerena

http://jeffersonllerenasimulacion.blogspot.com

Cadenas de Markov

Una cadena de Markov es un modelo matemático de sistemas estocásticos donde los estados dependen de probabilidades de transición. El estado actual solo depende del estado anterior. El método de Monte Carlo es un método no determinístico o estadístico numérico usado para aproximar expresiones matemáticas complejas y costosas de evaluar con exactitud. Las técnicas de Monte Carlo vía cadenas de Markov permiten generar, de manera iterativa, observaciones de distribuciones multivariadas que difícilmente podrían simularse utilizando métodos directos. La idea básica es muy simple: construir una cadena de Markov que sea fácil de simular y cuya distribución de equilibrio corresponda a la distribución final que nos interesa. Smith y Roberts (1993) presentan una discusión general de este tipo de métodos.