L’analisi del rischio è un pezzo di ogni nostra scelta. Siamo continuamente guardati con vulnerabilità, incertezza e fluttuazione. Inoltre, nonostante il fatto che abbiamo un notevole accesso ai dati, non possiamo prevedere con precisione cosa ci aspetta. La riproduzione di Monte Carlo (altrimenti chiamata Strategia Monte Carlo) vi dà la possibilità di vedere tutti i risultati potenziali delle vostre scelte e di valutare l’effetto del pericolo, tenendo in considerazione una migliore leadership di base sotto la vulnerabilità.

Che cos’è la Riproduzione Monte Carlo?

Monte Carlo reenactment è un metodo scientifico modernizzato che permette agli individui di rappresentare un rischio nell’analisi quantitativa e nella leadership di base. La procedura è utilizzata da esperti in campi così ampi e unici come il fondo, il venture the board, la vitalità, la produzione, la progettazione, il lavoro innovativo, la protezione, il petrolio e il gas, i trasporti e la terra.

La Monte Carlo recreation veste il leader con una portata di risultati potenziali e le probabilità che essi si verifichino per qualsiasi decisione di attività… Mostra gli oltraggiosi risultati immaginabili – i risultati di mettere tutto in gioco e per la scelta più tradizionalista – oltre a tutte le ramificazioni possibili per le scelte più interessanti.

Il metodo è stato utilizzato per la prima volta dai ricercatori che hanno sparato alla bomba nucleare; il suo nome è stato dato a Montecarlo, la città di villeggiatura monegasca eminente per il suo club. Dalla sua presentazione nella seconda guerra mondiale, la riproduzione di Monte Carlo è stata utilizzata per mostrare una serie di quadri fisici e teorici.

Come funzionano le funzioni ricreative di Monte Carlo

La Monte Carlo recreation esegue l’analisi del rischio costruendo modelli di risultati potenziali sostituendo un ambito di qualità – un’appropriazione di probabilità – a qualsiasi fattore che abbia un’incertezza intrinseca. A quel punto le cifre risultano, ancora e ancora, ogni volta utilizzando una disposizione alternativa di qualità arbitrarie dalle capacità di probabilità. In funzione del numero di vulnerabilità e dei limiti indicati per esse, una ricostruzione di Montecarlo potrebbe includere migliaia o un numero enorme di ricalcoli prima di essere terminata. La rievocazione di Montecarlo produce un’immagine di stima dei risultati immaginabili.

Utilizzando gli stanziamenti di probabilità, i fattori possono avere varie probabilità che si verifichino vari risultati. Le circolazioni di probabilità sono un metodo molto più sensato per rappresentare la vulnerabilità nei fattori di un’indagine sui rischi.

Gli stanziamenti di probabilità regolari includono:

Ordinario

Oppure, d’altra parte, “chime bend”. Il cliente fondamentalmente caratterizza la media o anticipata che vale e una deviazione standard dovrebbe rappresentare la varietà sulla media. Le qualità al centro vicino alla media sono sulla buona strada. È simmetrico e ritrae numerose meraviglie caratteristiche, per esempio la statura degli individui. Le istanze dei fattori rappresentati dai trasporti ordinari incorporano i tassi di gonfiore e i costi di vitalità.

Lognormal

Le qualità sono decisamente oblique, non simmetriche come la normale diffusione. Viene utilizzata per parlare a stime che non vanno sotto lo zero ma che hanno un potenziale positivo illimitato. Le istanze dei fattori rappresentati dai trasporti lognormali incorporano le stime delle proprietà terriere, i costi delle scorte e le riserve di petrolio.

Uniforme

Ogni stima ha una possibilità equivalente di accadere, e il cliente caratterizza essenzialmente la base e il più estremo. Le istanze di fattori che potrebbero essere costantemente dispersi incorporano le spese di montaggio o le future entrate di affari per un altro elemento.

Triangolare

Il cliente caratterizza la base, con ogni probabilità, e le qualità più estreme. Le qualità intorno alla base, con ogni probabilità, sono destinate ad accadere. Fattori che potrebbero essere rappresentati da un trasporto triangolare incorporano la storia delle offerte passate per unità di tempo e i livelli delle scorte.

PERT

Il cliente caratterizza la base, con ogni probabilità, e le qualità più estreme, molto simili alla dispersione triangolare. Le qualità intorno alla dispersione triangolare sono senza dubbio destinate ad accadere. In ogni caso, i valori tra i limiti sono destinati ad accadere, con ogni probabilità, e i confini sono destinati ad accadere rispetto al triangolare; cioè, i limiti non sono come sottolineati. Un caso di utilizzo di un

PERT stanziamento è quello di ritrarre l’arco di una commissione in un compito il modello di bordo.

Discreto

Il cliente caratterizza le qualità esplicite che possono accadere e la probabilità di ciascuna di esse. Un modello può essere la conseguenza di un sinistro: 20% di possibilità di decisione positiva, 30% di possibilità di decisione negativa, 40% di possibilità di liquidazione e 10% di possibilità di illecito.

Durante una rievocazione di Montecarlo, i valori sono controllati senza scopo a partire dagli stanziamenti di probabilità dell’informazione. Ogni disposizione dei test è chiamata enfasi, e il risultato successivo di tale esempio viene registrato. La rievocazione di Monte Carlo lo fa centinaia o migliaia di volte, e il risultato è una trasmissione di probabilità dei risultati potenziali. In questo modo, la ricostruzione di Monte Carlo offre una prospettiva molto più ampia su ciò che può accadere. Vi svela ciò che potrebbe accadere, ma che è così incline a accadere.

La ricreazione di Montecarlo offre varie circostanze favorevoli rispetto all’esame deterministico, o “a punto singolo”:

Risultati probabilistici. I risultati mostrano cosa potrebbe accadere, ma quanto è probabile ogni risultato.

Risultati grafici. A causa delle informazioni che una riproduzione Monte Carlo produce, è tutt’altro che difficile fare diagrammi dei vari risultati e delle loro probabilità di accadimento. Questo è significativo per trasmettere le scoperte ai diversi partner.

Indagine sull’affettività. Con solo un paio di casi, l’esame deterministico rende difficile capire quali fattori influenzano maggiormente il risultato. Nella ricostruzione di Montecarlo, è tutt’altro che difficile capire quali fonti di dati abbiano avuto il maggiore impatto sui risultati di interesse primario.

Esame della situazione: Nei modelli deterministici, è difficile mostrare vari mix di qualità per vari contributi per vedere gli impatti di situazioni davvero diverse. Utilizzando la riproduzione di Montecarlo, gli esperti possono vedere con precisione quali fonti di informazione hanno avuto quali stime insieme quando sono avvenuti certi risultati. Questo è importante per la ricerca di ulteriori indagini.

Collegamento delle fonti di informazione. Nella ricreazione di Montecarlo è concepibile dimostrare le connessioni associate tra i fattori di input. E’ significativo per l’esattezza parlare di come, in tutta l’attualità, quando alcuni elementi salgono, altri salgono o scendono a seconda delle necessità.

Un aggiornamento alla ricreazione di Montecarlo è l’utilizzo dell’esame dell’ipercubo latino, che verifica in modo ancora più preciso l’intero ambito delle capacità di circolazione.