El análisis de riesgo es una parte de cada elección que hacemos. Nos miran continuamente con vulnerabilidad, incertidumbre y fluctuación. Es más, a pesar de que tenemos un notable acceso a los datos, no podemos prever con precisión lo que vendrá. La reproducción de Monte Carlo (también llamada la Estrategia de Monte Carlo) le da la oportunidad de ver todos los resultados potenciales de sus elecciones y estudiar el efecto del peligro, teniendo en cuenta un mejor liderazgo básico bajo la vulnerabilidad.

¿Qué es la Reproducción de Monte Carlo?

La recreación de Monte Carlo es un método científico modernizado que permite a los individuos representar un riesgo en el análisis cuantitativo y el liderazgo básico. El procedimiento es utilizado por expertos en campos tan ampliamente únicos como un fondo, la empresa de la junta, la vitalidad, la producción, el diseño, el trabajo innovador, la protección, el petróleo y el gas, el transporte y la tierra.

La recreación de Monte Carlo le da al líder un alcance de resultados potenciales y las probabilidades de que ocurran para cualquier decisión de actividad… Muestra los escandalosos resultados concebibles -los resultados de ponerlo todo en juego y para la elección más tradicionalista- junto con todas las ramificaciones concebibles para elecciones ampliamente atractivas.

El método fue utilizado por primera vez por los investigadores que dispararon a la bomba nuclear; fue nombrado por Monte Carlo, la ciudad turística de Mónaco eminente por su club. Desde su presentación en la Segunda Guerra Mundial, la reproducción de Monte Carlo se ha utilizado para mostrar una variedad de marcos físicos y teóricos.

Cómo funciona la recreación de Monte Carlo

La recreación de Monte Carlo realiza el análisis de riesgos construyendo modelos de resultados potenciales mediante la sustitución de un ámbito de cualidades -una apropiación de la probabilidad- por cualquier factor que tenga una incertidumbre inherente. En ese momento calcula los resultados, una y otra vez, utilizando cada vez una disposición alternativa de cualidades arbitrarias de las capacidades de probabilidad. Dependiendo del número de vulnerabilidades y los alcances indicados para ellas, una recreación de Monte Carlo podría incluir miles o un enorme número de recálculos antes de terminar. La recreación de Monte Carlo produce una transmisión de estimaciones de resultados concebibles.

Utilizando las asignaciones de probabilidad, los factores pueden tener varias probabilidades de que ocurran varios resultados. Las circulaciones de probabilidad son un método considerablemente más sensato para describir la vulnerabilidad en los factores de una investigación de amenazas.

Las consignaciones de probabilidad ordinarias incluyen:

Ordinario

O por otro lado “chime bend”. El cliente caracteriza básicamente la media o anticipación de ese valor y una desviación estándar debe representar la variedad sobre la media. Las cualidades en el centro cerca de la media están en camino de suceder. Es simétrico y retrata numerosas maravillas características, por ejemplo, la estatura de los individuos. Los ejemplos de factores representados por los medios de transporte ordinarios incorporan tasas de hinchazón y costos de vitalidad.

Lognormal

Las cualidades están decididamente inclinadas, no simétricas como la diseminación ordinaria. Se utiliza para hablar a las estimaciones que no van por debajo de cero sin embargo tienen un potencial positivo ilimitado. Los casos de factores representados por los transportes lognormales incorporan estimaciones de propiedad de la tierra, costos de las existencias y reservas de petróleo.

Uniforme

Toda estima tiene una posibilidad equivalente de ocurrir, y el cliente caracteriza esencialmente la base y lo más extremo. Casos de factores que podrían estar consistentemente dispersos incorporan gastos de montaje o ingresos de futuros negocios para otro artículo.

Triangular

El cliente caracteriza la base, con toda probabilidad, y las cualidades más extremas. Las cualidades alrededor de la “con toda probabilidad” están destinadas a suceder. Los factores que podrían ser retratados por un transporte triangular incorporan la historia de los tratos pasados por unidad de tiempo y niveles de existencias.

PERT

El cliente caracteriza la base, con toda probabilidad, y las cualidades más extremas, muy parecidas a la dispersión triangular. Las cualidades alrededor de la sin duda están destinadas a suceder. De todos modos los valores entre el con toda probabilidad y los límites están destinados a suceder que el triangular; es decir, los límites no están tan subrayados. Un caso de la utilización de un

La apropiación de PERT es retratar el lapso de un recado en una tarea el modelo de la junta.

Discreto

El cliente caracteriza las cualidades explícitas que pueden ocurrir y la probabilidad de cada una de ellas. Un modelo puede ser las consecuencias de una reclamación: 20% de posibilidad de decisión positiva, 30% de posibilidad de decisión negativa, 40% de posibilidad de acuerdo, y 10% de posibilidad de malversación.

Durante una recreación de Monte Carlo, los valores se inspeccionan sin rumbo a partir de las apropiaciones de información de probabilidad. Cada disposición de las pruebas se llama énfasis, y el resultado posterior de ese ejemplo se registra. La recreación de Monte Carlo hace esto cientos o miles de veces, y el resultado es una transmisión de probabilidad de resultados potenciales. En este sentido, la recreación de Monte Carlo da una perspectiva considerablemente más amplia de lo que puede ocurrir. Te revela lo que podría ocurrir, pero que es tan propenso a ocurrir.

La recreación de Monte Carlo da varias circunstancias favorables sobre el examen determinístico, o “indicador de un solo punto”:

Resultados probabilísticos. Los resultados muestran lo que podría ocurrir, pero la probabilidad de cada resultado.

Resultados gráficos. Debido a la información que produce una reproducción de Monte Carlo, es cualquier cosa menos difícil hacer diagramas de varios resultados y sus probabilidades del evento. Esto es significativo para impartir los descubrimientos a los diferentes socios.

Investigación de afectación. En sólo un par de casos, el examen determinístico hace difícil ver qué factores influyen más en el resultado. En la recreación de Monte Carlo, es cualquier cosa menos difícil ver qué fuentes de datos tuvieron el mayor impacto en los resultados de la preocupación primaria.

Examen de situación: En los modelos deterministas, es difícil mostrar varias mezclas de cualidades para diversas contribuciones para ver los impactos de situaciones realmente diversas. Utilizando la reproducción de Monte Carlo, los expertos pueden ver precisamente qué fuentes de información tenían qué estima juntas cuando ocurrieron ciertos resultados. Esto es importante para buscar más investigación.

Conexión de las fuentes de información. En la recreación de Monte Carlo, es concebible demostrar las conexiones asociadas entre los factores de entrada. Es significativo para la exactitud hablar de cómo, en toda la actualidad, cuando unos pocos elementos suben, otros suben o bajan según las necesidades.

Una mejora de la recreación de Monte Carlo es la utilización del Latin Hypercube examining, que prueba con mayor precisión todo el alcance de las capacidades de circulación.