Los Métodos Monte Carlo son aquellos métodos numéricos que emplean el uso de números aleatorios para la resolución de un determinado problema. Su principal ventaja es su flexibilidad para resolver diferentes problemas \cite{Pelissetto_2002}. La expansión práctica de estos métodos ha sido posible gracias a la invención de los ordenadores, si bien ya existían algunas aplicaciones antes de la era de los ordenadores \cite{meng2011}.
Historicamente el campo de las transiciones de fase ha hecho un amplio uso de los métodos Monte Carlo, de hecho,  erroneamente a veces se piensa que es su único campo de aplicación \cite{colete2014}. El uso que le vamos a dar a los métodos MC en este trabajo es el de samplear una distribución de probabilidad arbitraria \(f_X\left(x\right)\), esto es, para generar muestras de números aleatorios que sigan esa distribución de probabilidad.
De los cursos de estadística sabemos que un método general para la producción de números aleatorios no correlacionados que sigan cualquier distribución de probabilidad  es el de la transformada inversa. Este método emplea la generación de números aleatorios uniformemente distribuidos en el intervalo \((0,1)\)\(u\sim U(0,1)\) para producir una muestra que siga una distribución de probabilidad arbitraria \(f_{X} (x)\). Para empezar sea \(X\)una variable aleatoria con función de probabilidad acumulada \(F_X\left(x\right)\)que admite inversa: \(u=F_X\left(x\right)\ \in\left[0,1\right]\) entonces la variable transformada \(u\) sigue una uniforme \(u\sim\left[0,1\right]\). Este resultado se usa para generar una muestra aleatoria siguiendo cualquier distribución de probabilidad: \(u\ =F_X\left(x\right)\ \Leftrightarrow x=F_X^{-1}\left(u\right)\).
El problema del métodoanterior, aunque sencillo y general, es que requiere de una buena implementación de  \(F^{-1}_X (x)\)\cite{colete2014}, lo cual, en general, es dificil de conocer. Se hacen necesarios otros métodos para al sampleo de distribuciones de probabilidad arbitriaras, tan necesario para la simulación de ciertos sistemas de naturaleza estocástica, como los modelados con el modelo de Ising. Veamos un método sencillo para la generación de números aleatorios siguiendo una distribución arbitraria \(f_X (x)\): el método del rechazo.