Las simulaciones de Monte Carlo son una técnica computacional que aplica la aleatoriedad y la ley de los grandes números para resolver problemas científicos y de ingeniería complejos. Su aplicación original data de la posguerra, cuando Stanislaw Ulam y John von Neumann las utilizaron para modelar armas nucleares. Hoy, este método es fundamental para abordar integrales numéricas de alta dimensión, donde los métodos analíticos tradicionales resultan prohibitivamente costosos o inviables.
El artículo ilustra la versatilidad de estas simulaciones mediante tres ejemplos prácticos. Primero, se explica cómo estimar el valor de pi lanzando dardos en un cuadrado inscrito con un cuarto de círculo; aunque el método es impreciso con pocas muestras, demuestra el principio de integración numérica. Segundo, se analiza el juego de cartas SET, donde la enumeración de todas las combinaciones posibles es intratable; la simulación permite calcular la probabilidad de que una mano de 12 cartas no contenga un 'set' (aproximadamente 3,23%). Tercero, se aplica a la proyección de carteras de jubilación, donde se modelan miles de escenarios considerando la incertidumbre en las tasas de retorno y la inflación, ofreciendo una visión más realista del riesgo financiero que las estimaciones deterministas simples.