Glosario

Métodos de Montecarlo

¿Qué es Métodos de Montecarlo?

Los métodos de Montecarlo son técnicas de cálculo que, mediante un número muy elevado de muestras aleatorias, aproximan resultados difíciles de obtener de forma analítica. Se simula un sistema miles de veces con supuestos variados al azar y se analiza la distribución de los resultados. Las empresas los usan, por ejemplo, para análisis de riesgos, planificación de proyectos o valoración de carteras. En IA se aplican, entre otros, en el aprendizaje por refuerzo y en la búsqueda en árbol para juegos.

Temas

simulación
estadística
análisis de riesgos

Probar KI.ordo

Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.

Iniciar demo

← Todos los términos

Términos relacionados

Redes bayesianas

Las redes bayesianas son modelos gráficos que representan las variables como nodos y sus dependencias probabilísticas como flechas dirigidas. Con el teorema de Bayes permiten calcular cómo cambian las nuevas observaciones la probabilidad de otros sucesos. Un ejemplo es el apoyo al diagnóstico: a partir de los síntomas observados se estima la causa más probable. Sus ventajas son la transparencia y el manejo de datos inciertos o incompletos.

Probabilidad
Modelos gráficos
+1

Aprendizaje por refuerzo (RL)

El aprendizaje por refuerzo (reinforcement learning) es una rama del aprendizaje automático en la que un agente aprende por ensayo y error. Actúa en un entorno, recibe recompensas por los buenos resultados y penalizaciones por los malos, y así desarrolla una estrategia que maximiza el beneficio total. Ejemplos conocidos son los programas que dominan juegos de mesa como el go, el control de robots o el ajuste de modelos de lenguaje a partir de valoraciones humanas.

método de aprendizaje
recompensa
+1

Modelado predictivo

El modelado predictivo es el núcleo técnico de la analítica predictiva: con datos de ejemplo cuyo resultado se conoce se construye un modelo que predice un valor o una clase para casos nuevos. Métodos habituales son la regresión, los árboles de decisión, los bosques aleatorios y las redes neuronales. Un modelo puede, por ejemplo, estimar el precio de una vivienda a partir de la superficie, la ubicación y el año de construcción. Antes de usarlo se prueba con datos reservados para detectar el sobreajuste.

modelado
predicción
+1

Modelo oculto de Márkov (HMM)

Un modelo oculto de Márkov (Hidden Markov Model, HMM) es un modelo estadístico para secuencias en el que los estados reales están ocultos y solo se pueden deducir a partir de señales observables. Describe la probabilidad de que un estado siga a otro y de que produzca una observación determinada. Los HMM fueron durante años el estándar en reconocimiento de voz y etiquetado gramatical; hoy se siguen usando, por ejemplo, en bioinformática y series temporales.

Estadística
Modelos de secuencia
+1