Universitatea 1 Decembrie 1918 Alba Iulia

Facultatea de tiine Economice

PROIECT
METODE DE MODELARE I
ECONOMETRIE

Student: Brsan Alexandra Dalia

Specializarea: ACAE I

Prof.conf.univ.dr. Lucia Cbulea

Prof. coordonator: Lect. univ. dr. Dorin Wainberg

Universitatea 1 Decembrie 1918 Alba Iulia

Facultatea de tiine Economice

APLICAII ALE METODEI DE SIMULARE

MONTE CARLO N ECONOMIE

Universitatea 1 Decembrie 1918 Alba Iulia

Facultatea de tiine Economice

Metoda de simulare Monte Carlo Introducere

n perioada de dezvoltare a energiei atomice de dup cel de al doilea rzboi mondial s-a
ajuns la necesitatea rezolvrii problemei de difuzie a neutronului sau a transportului neutronului
ntr-un mediu izotrop (mediu care are aceleai proprieti n orice direcie). Aceast problem
modelat ca un sistem de ecuaii difereniale pariale s-a dovedit foarte dificil de rezolvat prin
ecuaii cu diferene1.
Exista ns un rezultat prin care se stabilea analogia dintre ecuaiile integro-difereniale i
procesele stochastice. n acest context, John von Neumann i Stanislaw Ulam de la Los Alamos
National Laboratory (S.U.A.) au sugerat c s-ar putea obine o aproximaie utilizabil a soluiei
cutate prin realizarea de experimente bazate pe numere aleatoare efectuate pe calculatoare digitale.
Ei au denumit aceast metod Monte Carlo dup cazinourile de la Monte Carlo ale cror rulete pot
fi considerate instrumente de generare a numerelor aleatoare.
Aceast propunere a inversat modul de raionament de pn atunci. n locul utilizrii
ecuaiilor cu diferene pentru a obine soluii ale problemelor probabiliste, se genereaz selecii prin
experimente cu numere aleatoare pentru a se obine soluii ale unor ecuaii integro-difereniale, care
nu sunt n mod necesar de natur probabilist. Punerea n practic a metodei propuse de von
Neumann i Ulam a fost posibil i datorit progreselor obinute n acea perioad n domeniul
calculatoarelor digitale. Dei decepional de simpl n concept, metoda Monte Carlo furnizeaz
soluii aproximative pentru o mare varietate de probleme matematice.
O caracteristic important a metodei Monte Carlo const n faptul c dintre metodele
numerice care se bazeaz pe evaluarea a n puncte ntr-un spaiu m dimensional pentru a obine o
soluie aproximativ, metoda Monte Carlo permite estimaii a cror eroare absolut descrete cu n -
pe cnd toate celelalte estimaii au erori ce descresc cu n -1/m cel mult. n plus, timpul de lucru al
metodei Monte Carlo crete polinomial cu numrul de variabile m, pe cnd la alte metode timpul de
lucru crete exponenial n raport cu m.
n prezent, metoda de simulare Monte Carlo se aplic din ce n ce mai mult n domeniul
afacerilor, pentru analiza problemelor stochastice sau n condiii de risc, atunci cnd aceeai direcie
de aciune poate avea mai multe consecine, ale cror probabiliti se pot estima. Variabilele ale
cror valori nu sunt cunoscute cu certitudine, dar pot fi descrise prin distribuii de probabilitate se
numesc variabile stochastice sau probabiliste. n simulare, pentru a imita variabilitatea unei astfel de
variabile este necesar generarea valorilor posibile pe baza distribuiei sale de probabilitate.
Probabilitile au un rol important n modelarea situaiilor n care intervin mrimi
stochastice. n simulare, cunotinele despre probabiliti sunt necesare att n faza de construire a
modelului de simulare ct n faza de analiz a rezultatelor simulrii. Probabilitile pot fi obinute n
mai multe moduri. Cea mai simpl este metoda subiectiv, prin care experii estimeaz pe o scar de
la zero la unu probabilitatea ca un anumit eveniment s se realizeze [23, 39]. O alt metod este
metoda obiectiv sau metoda bazat pe frecvenele relative care utilizeaz datele istorice sau
obinute prin msurarea direct a valorilor unei mrimi stochastice.
Pentru construirea distribuiei de probabilitate a unei variabile stochastice sau probabiliste pe
baza datelor istorice sau obinute prin msurare direct se poate aplica o procedur format din trei
etape:
1.Colectarea datelor referitoare la valorile variabilei probabiliste.
2.Gruparea datelor pe intervale i construirea histogramei frecvenelor relative.
3.Analiza graficului histogramei frecvenelor relative pentru a stabili dac seamn cu forma
1Fishman, S.G., Monte Carlo: concepts, algorithms, and applications, Springer-Verlag New York Berlin Heidelberg,
1997, pag. 1-4.

Universitatea 1 Decembrie 1918 Alba Iulia

Facultatea de tiine Economice
unei distribuii teoretice cunoscute. Tipul distribuiei de probabilitate poate fi apreciat prin teste de
concordan (Kolmogorov, Smirnov, Pearson sau 2) care msoar apropierea dintre distribuia
teoretic i distribuia valorilor variabilei probabiliste obinute din seriile de date istorice sau prin
msurare. n final, se calculeaz parametri distribuiei.2
Pe baza rezultatelor obinute prin metoda Monte Carlo, n cadrul programului de simulare,
se obin diferite evaluri, ierarhizri care permit fundamentarea deciziei economice.
Putem evidenia cu prioritate urmtoarele domenii:
procese de stocare complexe, n care ritmul de aprovizionare are caracter aleator sau
sezonier, suprafaa de depozitare este limitat, intervin penalizri pentru lipsa de stoc, n
general, n acele situaii cnd optimizarea nu mai este posibil cu ajutorul modelelor clasice
din teoria stocurilor. Metoda Monte Carlo permite obinerea repartiiilor principalilor
parametri ai procesului de stocare;
procese de ateptare, n care au loc evenimente care se intercondiioneaz, iar rezolvarea lor
cu ajutorul modelelor de ateptare nu este posibil. O aplicaie de larg interes i utilitate o
reprezint semaforizarea n marile orae;
procese de reparaii analizate n legtur cu activitatea de producie i de investiii;
estimarea parametrilor repartiiei duratei totale i posibilitatea determinrii frecvenei
caracterului critic pentru fiecare activitate tip analiza drumului critic pentru proiecte
complexe;
procese de munc complexe privind adoptarea unor decizii legate de problemele programrii
operative a produciei (ncrcarea utilajelor, lansarea n fabricaie, urmrirea realizrii
produciei), de la loc de munc la atelier/instalaie/secie;
procese macroeconomice, atunci cnd se dorete cunoaterea unor corelaii ntre dou sau
mai multe ramuri, probleme de cretere economic.3

2Prof.univ.dr.Florica Luban, Simulari in afaceri, Biblioteca Digital ASE.

3Camelia Raiu-Suciu, Modelarea i simularea proceselor economice, teorie i practic, Ed. Economic, pag.49-50.

Universitatea 1 Decembrie 1918 Alba Iulia

Facultatea de tiine Economice

- STUDIU DE CAZ ntocmirea programului de producie n funcie de volumul comenzilor

La o fabric de kebab s-a introdus un nou sortiment de produs finit, respectiv kebab de
pui+curcan (50%-50%) de 5 kg. Pentru acesta s-a efectuat o perioad de prob de 100 de zile,
urmrindu-se comenzile primite de la clieni pentru acest sortiment, respectiv nr. buci/zi, n scopul
stabilirii volumului de producie a sortimentului amintit pentru urmtoarea perioad. Astfel n urma
observaiilor s-au centralizat datele referitoare la comenzile nregistrate n cele 100 de zile
lucrtoare, fiind prezentate n tabelul nr.1.
Tabelul nr.1

Nr. buc. Kebab (pui+curcan/5 kg.)

comandate/zi

Nr. cazuri

10

15

21

25

12

30

10

32

11

35

15

37

15

40

20
Tabelul nr.1

Managementul firmei dorete cunoaterea volumului zilnic optim de producie pentru

produsul dat, n scopul acoperirii cererii, i a evitrii situaiei de a rmne cu produsul n stoc.
Se poate determina astfel volumul produciei necesar cu metoda de simulare Monte Carlo, n
cadrul creia operaia de estimare a volumului produciei se face plecnd de la observaiile
referitoare la comenzile nregistrate, obinute pe parcursul celor 100 de zile de prob de la lansarea
noului sortiment.
1. Se calculeaz probabilitatea i probabilitatea cumulat:
Nr. crt.

Nr. buc comandate/zi

Probabilitatea de realizare

Probabilitatea cumulat

0,02

0,02

10

0,05

0,07

15

0,03

0,10

Universitatea 1 Decembrie 1918 Alba Iulia

Facultatea de tiine Economice
4

21

0,07

0,17

25

0,12

0,29

30

0,10

0,39

32

0,11

0,50

35

0,15

0,65

37

0,15

0,80

10

40

0,2

1,00

Tabelul nr.2

2. Se prezint grafic probabilitatea cumulat.

Figura 1,2
nr.1
1

3.0,8
0,6
0,4
0,2
0
10

15

21

25

30

32

35

37

40

Se extrag 20 de numere aleatoare cuprinse ntre 0-1, i se calculeaz: media X abaterea

medie ptratic (dispersia) , coeficientul de variaie C v i intervalul de ncredere(M1-M2).
Nr. crt.

Nr. aleator

Nr. buc./comand

(xi - X )

(xi - X )

0,3217

30

-0,2

0,04

0,6274

35

4,8

23,04

0,9183

40

9,8

96,04

0,2741

25

-5,2

27,04

0,4320

32

1,8

3,24

0,6272

35

4,8

23,04

0,7100

37

6,8

46,24

0,2304

25

-5,2

27,04

0,8901

40

9,8

96,04

Universitatea 1 Decembrie 1918 Alba Iulia

Facultatea de tiine Economice
10

0,5327

35

4,8

23,04

11

0,3421

30

-0,2

0,04

12

0,7082

37

6,8

46,24

13

0,1973

25

-5,2

27,04

14

0,6327

35

4,8

23,04

15

0,4268

32

1,8

3,24

16

0,8391

40

9,8

96,04

17

0,1010

21

-9,2

84,64

18

0,0321

15

-15,2

231,04

19

0,3771

30

-0,2

0,04

20

0,0200

-25,2

635,04

Total

604

1511,2

N- vol. eantionului=20;
g=N-1; g-grade de libertate;
= 0,05;
(1-)=0,95;
Din,
g=20-1=19 gr. de libertate

t
2

0,05
2

604
20

=0,025, cf . Anexa nr.19 =>

t ;N 1
2

=2,093

= 30,2

) 1511,2 1511,2
( xi X
2= N1 = 201 = 19 =79,53

= 2= 79,53= 8,91

8,91
C v = x = 30,2 = 0,295

(M 1M 2) :
30,2
=> (
7

( X

t ; N1
2

2,0938,91
4,47
<

<
<X

( X +

30,2+

<

t ;N 1
2

2,0938,91
4,47
)

Universitatea 1 Decembrie 1918 Alba Iulia

Facultatea de tiine Economice

=> (30,2 4,17 <

=> (26,03 <

< 30,2 + 4,17)

< 34,37)

=30,2 => X (26,03 ; 34,37)

BIBLIOGRAFIE
8

Universitatea 1 Decembrie 1918 Alba Iulia

Facultatea de tiine Economice

1. Camelia Raiu-Suciu, Modelarea i simularea proceselor economice, teorie i

practic, Ed. Economic.
2. Fishman, S.G., Monte Carlo: concepts, algorithms, and applications, SpringerVerlag New York Berlin Heidelberg, 1997.
3.Florica Luban, Simulari in afaceri, Biblioteca Digital ASE.