Risicoanalyse is een onderdeel van elke keuze die we maken. Er wordt voortdurend gekeken naar de kwetsbaarheid, de onzekerheid en de schommelingen. Bovendien kunnen we, ondanks het feit dat we een opmerkelijke toegang tot gegevens hebben, niet precies voorspellen wat ons te wachten staat. Monte Carlo reproductie (ook wel de Monte Carlo Strategie genoemd) geeft je de kans om alle mogelijke resultaten van je keuzes te zien en het effect van gevaar in kaart te brengen, rekening houdend met beter basisleiderschap onder kwetsbaarheid.

Wat is Monte Carlo Reproductie?

Monte Carlo reenactment is een gemoderniseerde wetenschappelijke methode die individuen in staat stelt om een risico te vertegenwoordigen in de kwantitatieve analyse en het basisleiderschap. De procedure wordt gebruikt door deskundigen op dergelijke breed unieke gebieden als een fonds, venture de raad van bestuur, vitaliteit, produceren, ontwerpen, innovatief werk, bescherming, olie en gas, transport, en de aarde.

Monte Carlo recreatie outfits de leider met een omvang van de potentiële resultaten en de waarschijnlijkheid dat ze zullen gebeuren voor elke beslissing van de activiteit. Het laat de schandalig denkbare resultaten zien – de resultaten van het op het spel zetten van alles en nog wat – naast elke denkbare vertakking voor een breed scala aan aantrekkelijke keuzes.

De methode werd voor het eerst gebruikt door onderzoekers die een schot op de kernbom namen; het werd genoemd naar Monte Carlo, het resortstadje van Monaco dat eminent is voor zijn club. Sinds de presentatie in de Tweede Wereldoorlog is de Monte Carlo reproductie gebruikt om een assortiment van fysieke en theoretische kaders weer te geven.

Hoe Monte Carlo Recreatie Functies

Monte Carlo-recreatie voert een risicoanalyse uit door modellen van potentiële resultaten te bouwen door een reeks kwaliteiten te vervangen – een waarschijnlijkheidstoeëigening – door een factor met inherente onzekerheid. Het resultaat is dat telkens weer een alternatieve ordening van willekeurige kwaliteiten uit de waarschijnlijkheidscapaciteiten wordt gebruikt. Afhankelijk van het aantal kwetsbaarheden en het bereik dat daarvoor is aangegeven, kan een Monte Carlo reenactment duizenden of een enorm aantal herberekeningen bevatten voordat het klaar is. Monte Carlo-reënactivering levert overdrachten op van denkbare resultaatgedachten.

Door gebruik te maken van waarschijnlijkheidskredieten kunnen factoren verschillende kansen hebben op verschillende resultaten. Waarschijnlijkheidscirculaties zijn een aanzienlijk zinvollere methode om de kwetsbaarheid in factoren van een gevarenonderzoek weer te geven.

De normale waarschijnlijkheidskredieten omvatten:

Gewoon

De klant kenmerkt in principe het gemiddelde of de verwachte waarde en een standaardafwijking moet de variëteit over het gemiddelde weergeven. Kwaliteiten in het centrum dicht bij het gemiddelde zijn goed op weg om te gebeuren. Het is symmetrisch en geeft tal van karakteristieke wonderen weer, bijvoorbeeld de gestalten van individuen. Factoren die door gewone transporten worden weergegeven, omvatten zwellingspercentages en vitaliteitskosten.

Lognormale

Kwaliteiten zijn beslist scheef, niet symmetrisch zoals gewone verspreiding. Het wordt gebruikt om te spreken met hoogwaardigheidsbekleders die niet onder nul gaan, maar die een grenzeloos positief potentieel hebben. In gevallen van factoren die worden weergegeven door lognormale transporten zijn schattingen van landeigendommen, voorraadkosten en olievoorraden opgenomen.

Uniform

Alle achting heeft een gelijkwaardige mogelijkheid om te gebeuren, en de klant kenmerkt in wezen de basis en het meest extreme. In gevallen van factoren die consequent verspreid zouden kunnen worden opgenomen het monteren van uitgaven of toekomstige deals inkomsten voor een ander item.

Driehoekig

De opdrachtgever kenmerkt de basis, naar alle waarschijnlijkheid, en de meest extreme kwaliteiten. Kwaliteiten rond de in alle waarschijnlijkheid zijn gebonden aan het gebeuren. Factoren die door een driehoekig transport zouden kunnen worden geportretteerd, zijn de geschiedenis van de transacties in het verleden per tijdseenheid en voorraadniveau.

PERT

De opdrachtgever kenmerkt de basis, naar alle waarschijnlijkheid, en de meest extreme kwaliteiten, veel gelijk aan de driehoekige spreiding. Kwaliteiten rond het ongetwijfeld gebeuren. Hoe dan ook, waarden tussen de in alle waarschijnlijkheid en grenzen zijn gebonden aan het gebeuren dan de driehoek; dat wil zeggen, de grenzen zijn niet zo onderstreept. Een geval van het gebruik van een

PERT appropriation is het weergeven van de spanwijdte van een boodschap in een taak het bestuursmodel.

Discreet

De opdrachtgever kenmerkt de expliciete kwaliteiten die kunnen voorkomen en de waarschijnlijkheid van elk van deze kwaliteiten. Een model kan de gevolgen zijn van een claim: 20% kans op een positieve beslissing, 30% kans op een negatieve beslissing, 40% kans op een schikking, en 10% kans op een misdrijf.

Tijdens een Monte Carlo re-enactment worden de waarden doelloos geïnspecteerd vanuit de informatie waarschijnlijkheidskredieten. Elke indeling van de tests wordt een accent genoemd, en het resultaat van dat voorbeeld wordt geregistreerd. Monte Carlo reenactment doet dit honderden of duizenden keren, en het resultaat is een waarschijnlijkheidsoverdracht van potentiële resultaten. In die zin geeft Monte Carlo-recreatie een aanzienlijk verdergaand perspectief op wat er kan gebeuren. Het maakt u bekend wat er zou kunnen gebeuren, maar toch is het zo gevoelig om te gebeuren.

Monte Carlo recreatie geeft verschillende gunstige omstandigheden ten opzichte van deterministisch, of “single-point gauge” onderzoek:

Probabilistische resultaten. De resultaten laten zien wat er zou kunnen gebeuren, maar hoe waarschijnlijk elk resultaat is.

Grafische resultaten. Door de informatie die een Monte Carlo reproductie oplevert, is het allesbehalve moeilijk om diagrammen te maken van verschillende resultaten en hun kansen op het evenement. Dit is belangrijk voor het overbrengen van ontdekkingen aan verschillende partners.

Affectabiliteitsonderzoek. Bij slechts enkele gevallen maakt het deterministische onderzoek het moeilijk om te zien welke factoren het resultaat het meest beïnvloeden. In Monte Carlo reenactment is het allesbehalve moeilijk te zien welke gegevensbronnen de grootste invloed hadden op de resultaten van de primaire zorg.

Situatieonderzoek: In deterministische modellen is het moeilijk om verschillende mixen van kwaliteiten voor verschillende bijdragen weer te geven om de impact van echt verschillende situaties te zien. Door gebruik te maken van Monte Carlo reproductie, kunnen experts precies zien welke informatiebronnen welke waardering hadden bij elkaar wanneer bepaalde resultaten zich voordeden. Dit is belangrijk voor het zoeken naar verder onderzoek.

Aansluiting van informatiebronnen. In Monte Carlo-recreatie is het denkbaar om geassocieerde verbanden tussen inputfactoren aan te tonen. Het is belangrijk voor de exactheid om te spreken over hoe, in alle actualiteit, wanneer een paar elementen omhoog gaan, andere omhoog of omlaag gaan als dat nodig is.

Een upgrade naar Monte Carlo recreatie is het gebruik van de Latijnse Hypercube onderzoeken, die des te nauwkeuriger testen van de hele omvang van de circulatiecapaciteiten.