I.

PROBLEMATICA MODELĂRII PROCESELOR ECONOMICE

Modelarea este o veche îndeletnicire umană, deşi conceptul a apărut mai recent, întrucât
complexitatea fenomenelor şi a obiectelor din societate a determinat oamenii să recurgă la
simplificări care să le uşureze analiza.

De-a lungul timpului, modelarea a reprezentat un instrument, o metodă de cercetare

ştiinţifică a lumii.

Modelarea reprezintă o metodă de operare (teoretică sau practică) asupra unor obiecte,
fenomene sau procese cu ajutorul căreia se studiază un sistem auxiliar, artificial sau natural
şi nu în mod direct obiectul (fenomenul, procesul) care ne interesează, dar cu care se află
într-o anumită corespondenţă obiectivă

Privită în evoluţia sa, modelarea proceselor economice a câştigat în flexibilitate şi

adaptabilitate, iar caracterul interdisciplinar s-a accentuat simţitor.

Astăzi, utilizarea modelelor matematice a devenit o necesitate obiectivă întrucât, pe măsură

ce ştiinţa şi tehnica evoluează, creşte vertiginos complexitatea problemelor (fenomenelor)
şi apare stringentă nevoia de a introduce rigurozitatea şi abstractizarea în analize, de a
clarifica fenomenele lumii reale şi a le descoperi esenţa.

Ţinând seama de facilităţile oferite în prezent de tehnica de calcul, de softul existent şi în

continuă adaptare la cerinţele practicii, modelarea proceselor economice este tratată ca un
domeniu de graniţă cu economia organizaţiei, matematica şi informatica.

Concepte. Principii. Clasificări

Cuvântul „model” este folosit în vorbirea curentă cu mai multe înţelesuri. Se vorbeşte de
modele în modă, artă, tehnică, ştiinţă (implicit şi în ştiinţele economice).

În ştiinţă, prin model se înţelege un sistem teoretic sau material cu ajutorul căruia pot fi
studiate indirect proprietăţile şi evoluţia unui sistem mai complex, considerat sistem
original, faţă de care modelul prezintă o anumită analogie. Rezultă că, modelul este un
instrument de cunoaştere ştiinţifică a realităţii obiective, oferind posibilitatea realizării unor
experimente şi repetării acestor experimente până la cunoaşterea esenţei fenomenului
studiat.

Modelul este o reprezentare simplificată sau o abstractizare, deoarece realitatea este prea
complexă pentru a fi copiată exact. Nu întotdeauna însă prin simplificare se obţine un model
reprezentativ pentru procesul real studiat.
Structura unui model cuprinde variabile, constante şi parametri, relaţii între variabile şi
parametri.

Cerinţele impuse unui model economico-matematic sunt:

– să fie reprezentativ
– să aibă valoare cognitivă şi aplicativă
– să poată fi adaptat cu uşurinţă la schimbările ambianţei sau ale evoluţiei procesului
– să fie valid
– să asigure respectarea la scară a dimensiunilor mărimilor variabile şi constante
– să fie rezolvabil cu tehnica de calcul existentă

Principiile modelării matematice a proceselor economice

 Orice model se bazează pe o teorie economică creată în prealabil pentru a explica

procesul modelat, iar parametrii cu care operează sunt, de regulă, categorii
economice sau laturi ale acestora.

 Modelele fac abstracţie de o serie de laturi şi particularităţi ale procesului reflectat,

menţinându-şi însă rolul cognitiv. Izomorfismul modelelor cu realitatea nu este o
condiţie absolut obligatorie pentru ca un obiect să fie modelul altui obiect.

 Modelul exprimă similitudinea nu numai a unui proces economic izolat, ci a unei

întregi clase de asemenea procese, astfel încât orice model este o generalizare, o
sinteză de un anumit grad.

 Un model nu poate fi construit fără a se apela la un sistem de simboluri, care pot

reprezenta categorii economice şi care nu se suprapun peste alfabetul curent sau
cifrele utilizate în calcule.
Clasificarea modelelor economico-matematice

Mutaţiile care se produc în permanenţă în disciplinele organizării şi conducerii

socialeconomice nu permit realizarea unei sistematizări metodologice a modelelor
matematice utilizate.

Clasificarea pe care o prezentăm în continuare are mai mult un caracter orientativ.

• În funcţie de sfera de reflectare a problematicii economice, distingem:

– modele macroeconomice – modele de ansamblu ale economiei;
– modele mezoeconomice – la nivel regional, teritorial;
– modele microeconomice – la nivel de întreprindere, unitate, companie,
combinat.

• În funcţie de domeniul de provenienţă şi concepţie:

– modele cibernetico-economice; – modele econometrice;
– modele ale cercetării operaţionale;
– modele din teoria deciziei;
– modele de simulare

• În funcţie de caracterul variabilelor:

– modele deterministe (mărimi cunoscute);
– modele stochastice/probabilistice (intervin mărimi a căror valoare este însoţită
de o probabilitate/variabile aleatoare).

• În funcţie de factorul timp: – modele statice;

– modele dinamice

• În funcţie de orizontul de timp considerat:

– modele discrete – secvenţiale;
– modele continue

• În funcţie de modul de tratare a realităţii:

– modele descriptive;
– modele normative

Etapele construirii modelelor economico-matematice

 Etapa I. Stabilirea obiectivelor modelului

În această primă etapă se precizează destinaţia modelului.

Dacă modelul are un caracter didactic, se va urmări ca:

– dimensiunea lui să fie redusă (pentru a putea fi înţeles de cursanţi); – să fie
izomorf cu realitatea numai pentru anumite laturi ale acesteia;
– să fie reprezentativ pentru clasa de procese modelate ş.a.
Dacă destinaţia modelului este aceea de a asista decidentul în elaborarea unor decizii:
– structura lui va fi mai detaliată;
– izomorfismul cu realitatea va fi mai pronunţat;
– acurateţea cu care va descrie procesul va fi mai mare.

Etapa a-II-a Analiza procesului de modelat

În această etapă are loc:

– identificarea problemei;
– delimitarea spaţială, temporală şi funcţională a problemei de ambianţă;
– alegerea variabilelor relevante pentru proces şi parametrilor, a mărimilor de
intrare, stare şi ieşire;
– stabilirea ipotezelor privind legăturile dintre variabile şi parametri; – analiza
datelor disponibile,

deci are loc formularea corectă a problemei.

Etapa a-III-a Sinteza procesului modelat

• După formularea problemei, modelul poate fi iniţial de natură calitativă, fiind o descriere
neformalizată a problemei.

• Din modelul calitativ, prin eliminarea caracteristicilor nesemnificative şi pe baza unui

proces de abstractizare, rezultă un model formal cantitativ. Acest model trebuie să
descrie matematic sistemul real, astfel încât modelul să poată fi manipulat mai uşor
pentru realizarea experimentelor decât sistemul real.

• Modelul cantitativ al procesului analizat va fi rezolvat cu ajutorul unor algoritmi,

obţinându-se soluţia de principiu.

Etapa a-IV-a Verificarea modelului

• În continuare, modelul este testat pe un set de date de intrare pentru care rezultatele sunt
cunoscute. În plus, se verifică logica structurală a modelului elaborat (coerența
teoretică).

Etapa a-V-a Validarea modelului

• Pentru ca modelul să fie valid, se testează pe mai multe variante corespunzătoare

situaţiei reale posibile. Testarea se va face experimental cu ajutorul tehnicilor de
simulare care vor utiliza modelul în diferite moduri, cu diferite valori ale parametrilor
şi ale datelor de intrare pentru a obţine un set relevant de informaţii privind comportarea
modelului.

• Din acest set de informaţii şi prin compararea cu datele reale, rezultă diferite rafinamente
şi modificări ale modelului. Aceste modificări pot conduce la alte experimentări prin
simulare. Procesul se repetă până când se stabileşte validitatea modelului.

• După validarea modelului, se va trece la rezolvarea modelului cu o metodă analitică sau

de simulare. Deoarece modelul este o reprezentare simplificată a sistemului real, soluţia
modelului poate să nu fie o soluţie a problemei reale, de aceea această soluţie trebuie
testată prin simulare.

• În cazul unei soluţii necorespunzătoare pentru sistemul real, vor fi necesare modificări
ale ipotezelor şi modificări asupra modelului care vor conduce la alte experimentări prin
simulare până la validarea soluţiei.

Etapa a-VI-a Implementarea modelului

• În această etapă, modelul va fi utilizat în conformitate cu destinaţia prevăzută în prima

etapă (analiză, decizie, cunoaştere-învăţare, previziune).

• Modelarea proceselor economice se caracterizează prin abordarea ştiinţifică a

problemelor manageriale. La baza metodei ştiinţifice se află ideea că orice fenomen
natural, economic sau social are o cauză şi că printr-o analiză riguroasă acest mecanism
cauzal poate fi identificat şi descris în termeni suficienţi de riguroşi. Acest lucru
presupune testarea şi rafinarea repetată a modelului până când se obţine o soluţie
satisfăcătoare pentru sistemul real.

Perspective în modelarea proceselor economice

  Dezvoltarea şi creşterea performanţelor tehnicii de calcul, deschiderile conceptuale
apărute în ştiinţa conducerii, necesitatea abordării integrate şi interdisciplinare a
problemelor manageriale au condus la apariţia şi dezvoltarea unor sisteme informatice
speciale numite Sisteme Suport de Decizie.

 Ca urmare a extinderii cercetărilor în domeniul inteligenţei artificiale constatăm o

deplasare a interesului specialiştilor de la metodele normative spre cele descriptive. În
acest context, se vor extinde domeniile de utilizare a algoritmilor şi metodelor euristice,
care, deşi au precizii mai reduse, sunt mai „elastice” în procesul rezolvării problemelor
economice. Această „elasticitate” este maximă în cazul modelelor procedurale care
integrează noduri decizionale în structura lor, implicând decidenţii în procesul rezolvării
problemelor.

II. MODELE ECONOMICO-MATEMATICE PENTRU GESTIUNEA STOCURILOR

Noţiuni generale

Prin stoc înţelegem o rezervă de bunuri materiale destinate vânzării sau folosirii în procesul de
producţie. Constituirea stocurilor presupune:
  cheltuieli de aprovizionare sau producţie;  cheltuieli de stocare (depozitare,
întreţinere etc.);
 pierderi pentru deprecierea mărfurilor şi altele.

Orice gestiune de stoc presupune intrări în stoc sau aprovizionări şi ieşiri din stoc, acestea
putând avea un caracter determinist sau aleator.

Deciziile ce se iau în organizarea ştiinţifică a stocurilor au la bază un criteriu de optim,

determinat de politica economică, acesta fiind de obicei costul total minim.

Politica optimă reprezintă activitatea de management a stocurilor care implică un cost total
minim. Elementele unei politici optime sunt:

 nivelul optim al stocurilor;

 volumul optim al unei comenzi de reaprovizionare;
 perioada optimă de reaprovizionare;
 numărul optim de reaprovizionări etc.

Modele deterministe

Modelul 1.
Gestiunea (stoc) cu perioadă fixă, cerere constantă şi fără posibilitatea lipsei de stoc.

Considerăm gestiunea unui stoc de cantitatea Q, pe un interval de timp θ, cu aprovizionări la

perioade fixe (T), de cantitate conform cererii constante( q).

Presupunem cunoscute:
 cantitatea Q;
 perioada de gestiune θ;
 costul unitar de stocare 𝑐𝑠, pe unitatea de cantitate şi pe unitatea de timp;  costul de
lansare a unei comenzi 𝑐𝑙, pentru volumul întregii comenzi.

Presupunem că lansarea comenzii se face în timp util şi aprovizionarea se realizează în

momentul în care s-a epuizat stocul s; de asemenea, presupunem că stocul se consumă uniform
(variaţie liniară) şi nu se admite lipsa de stoc.
Criteriul de optim va fi costul total minim.

Pentru fiecare perioadă T avem următoarele cheltuieli:

Numărul aprovizionărilor este:

Costul total al gestiunii cantităţii Q pe perioada 𝜃 va fi:

Înlocuind corespunzător, putem exprima costul total doar în funcţie de variabila q, astfel:

Criteriul de optim va fi: min𝑞 𝐶(𝑞)

 determinăm punctele staţionare ale funcţiei 𝐶(𝑞), adică soluţiile ecuaţiei:

punct critic pentru 𝐶(𝑞); din considerente

economice,
luăm pentru 𝑞 numai valori pozitive.
  . Cum 𝐶′′(𝑞) > 0 rezultă 𝒒̂ este punct de minim pentru 𝐶(𝑞).

Deci elementele unei politici optime sunt:

2 Q cl
qˆ volumul optim al unei comenzi
cs

Q Q cs
qˆ 2 cl vˆ numărul optim de aprovizionări

2 cl
Tˆ vˆ Q cs perioada optimă de aprovizionare

l s

Cˆ 2 Q c c gestiunea optimă

Modelul 2.
Gestiunea (stoc) cu perioadă fixă, cerere constantă şi cu posibilitatea lipsei de stoc.

Considerăm gestiunea de la modelul 1, cu modificarea că se admite lipsa de stoc, dar penalizată

cu un cost unitar de penalizare 𝑐𝑝.

Perioada constantă de reaprovizionare T o împărţim în două subperioade:

 𝑇1 - în care stocul satisface cererea (𝑠 > 𝑞);
 𝑇2 - în care stocul nu mai satisface cererea (𝑞 > 𝑠).

Criteriul de optim este costul total minim.

În perioada 𝑇1 se va plăti pentru stocul mediu costul unitar 𝑐𝑠, adică cheltuielile medii de
stocare:

În perioada 𝑇2 avem lipsă de stoc (𝑞 − 𝑠) penalizată cu costul unitar 𝑐𝑝, deci se vor înregistra
cheltuielile medii de penalizare:

Costul total al gestiunii va fi:

Din relaţiile: ,

⇓ ⇓

Înlocuind 𝑇1 şi 𝑇2 în expresia funcţiei cost total, obţinem:

Punctele de extrem ale funcţiei 𝐶(𝑞, 𝑠) se vor găsi printre punctele staţionare, adică soluţiile
sistemului:
 punct staţionar

Se demonstrează că acesta este şi punct de minim pentru 𝐶(𝑞, 𝑠).

Deci o politică optimă presupune:

volumul optim al unei comenzi,

unde: se numeşte factor de penalizare.

stocul optim

numărul optim de aprovizionări

perioada optimă de aprovizionare

𝐶 = √2 ∙ 𝑄 ∙ 𝜃 ∙ 𝑐𝑙 ∙ 𝑐𝑠 ∙ 𝜌 ⟹ gestiunea optimă

Modele aleatoare de gestiune a stocurilor

Gestiune (stoc) cu cerere aleatoare, cu pierderi în cazul surplusului de stoc, cu cheltuieli

suplimentare în cazul lipsei de stoc şi cu cost de stocaj neglijabil.

Notăm cu s stocul la un moment dat dintr-un anumit tip de marfă şi cu X variabila aleatoare ce
reprezintă cererea din această marfă, având repartiţia:
 , pentru cerere discretă

unde:

sau , pentru cerere continuă

unde: 𝑓(𝑥) este densitatea de repartiţie a variabilei aleatoare X,

este funcţia de repartiţie a v.a. X

Se cunosc :
 𝑐1 – costul unitar de penalizare pentru excedent de stoc;

 𝑐2 – costul unitar de penalizare pentru lipsă de stoc.

Cererea fiind aleatoare, distingem 2 situaţii:

 𝑥 ≤ 𝑠 - excedent de stoc; mărfurile rămase în cazul excedentului de stoc, se

vând cu o pierdere unitară 𝑐1 datorită fie deprecierii mărfii, fie vinderii
acesteia cu un preţ redus;

 𝑥 > 𝑠 - lipsă de stoc; în acest caz se fac cheltuieli suplimentare unitare 𝑐2

pentru reaprovizionare cerute de nevoia de satisfacere a cererii.

În cadrul acestui model cheltuielile specifice de stocaj sunt mici în comparaţie cu 𝑐1 şi 𝑐2

şi, în consecinţă, se neglijează.

Cazul discret
Variabila aleatoare care dă excedentul de stoc are repartiţia:

iar cea care dă lipsa de stoc are repartiţia:

Folosind definiţia mediei unei variabile aleatoare, găsim:

Aplicând penalizările unitare 𝑐1 şi 𝑐2 mediilor 𝑀(𝐸𝑠) şi 𝑀(𝐿𝑠), putem determina valoarea medie
a cheltuielilor:

Criteriul de optim va fi costul total minim:

Cum 𝐶(𝑠) este o funcţie discretă, rezultă că minimul ei va fi atins în punctul 𝑠 pentru care:
Prin urmare, pentru a determina stocul optim 𝑠 trebuie să rezolvăm sistemul de inecuaţii:

Stocul optim 𝑠 este acea valoare a lui s care satisface relaţia:

𝐹(𝑠 − 1) < 𝜌 < 𝐹(𝑠) (*)

unde: este funcţia de repartiţie a variabilei aleatoare cerere X,

este raport de penalizare.

Observaţii.

1. Deoarece funcţia de repartiţie 𝐹(𝑠) este nedescrescătoare, din relaţia (*) rezultă că 𝑠
este un minim absolut pentru funcţia cost mediu.

2. Dacă 𝐹(𝑠 − 1) < 𝜌 = 𝐹(𝑠), atunci 𝐶(𝑠) = 𝐶(𝑠 + 1), deci minimul funcţiei cost mediu
are loc pentru două valori 𝑠 şi 𝑠 + 1.

3. Dacă 𝐹(𝑠 − 1) = 𝜌 < 𝐹(𝑠), atunci 𝐶(𝑠 − 1) = 𝐶(𝑠), deci minimul funcţiei cost mediu
are loc pentru două valori 𝑠 − 1 şi 𝑠.

Gestiunea optimă este:

Cazul continuu

Variabilele aleatoare excedent de stoc şi lipsă de stoc au repartiţiile:

unde: 𝑓(𝑥) este densitatea de repartiţie a variabilei aleatoare cerere X.

Mediile lor sunt:

iar funcţia valoarea medie a cheltuielilor este:

Punem condiţia de minim: 𝐶′(𝑠) = 0

Stocul optim 𝑠 este soluţia ecuaţiei:

𝐹(𝑠) = 𝜌

unde: este funcţia de repartiţie a variabilei aleatoare cerere X,

 iar este raport de penalizare.
Observaţii.

1. 𝐶′′(𝑠) > 0 ⟹ 𝒔̂ este punct de minim pentru funcţia 𝑭(𝒔̂).

2. Cum 𝐹(𝑠) este funcţie nedescrescătoare, rezultă că 𝑠 este minim unic (absolut).

Gestiunea optimă (costul total minim) va fi:

III. SIMULAREA PROCESELOR ECONOMICE

Noţiuni generale privind simularea

• O definiţie foarte generală a simulării, dată de „Webster’s Dictionary” (S.U.A.) este

următoarea: „a simula înseamnă a ajunge la esenţă fără realitate”.

• Cunoaşterea realităţii fără a fi necesară desfăşurarea reală a fenomenelor permite atât

reducerea timpului necesar efectuării unor studii, cât şi evitarea unor cheltuieli uriaşe.

• Metoda care oferă posibilitatea evitării studiului sistemului real este metoda analogiei
şi constă în înlocuirea acestuia cu un sistem analog, a cărui funcţionare ne este deja
cunoscută sau pe care o putem cunoaşte cu eforturi reduse.

• Funcţionarea unui sistem economic poate fi analogă cu un sistem de natură mecanică,

hidraulică, biologică etc. sau cu un proces de calcul numeric sau cu o combinaţie între
cele două.

• Rezultă că simularea poate fi: - analogică

- numerică
- hibridă

• Simularea analogică este o tehnică bazată pe imaginarea şi construirea unor sisteme

(dispozitive) ale căror legi de funcţionare sunt aceleaşi (sau aproximativ aceleaşi) cu
legile care generează sistemul studiat. Legile de funcţionare a acestor dispozitive pot
aparţine diferitelor domenii ale ştiinţei: fizică, biologie, chimie etc.

• Simularea numerică se bazează, de asemenea, pe principiul analogiei, şi anume al

analogiilor de calcul. În accepţiunea actuală, simularea numerică este o tehnică de
realizare a experimentelor cu ajutorul calculatorului electronic, care implică utilizarea
unor modele matematice şi logice ce descriu comportarea unui sistem real de-a lungul
unei perioade mari de timp.

• Simularea hibridă constă în aplicarea combinată a analogiilor fizice cu cele de calcul

numeric.

Descrierea modelelor de simulare

Scopul modelului economico-matematic este de a exprima variabilele necontrolabile ale
modelului în funcţie de cele controlabile, astfel încât să fie satisfăcute criteriile de
performanţă, adică să fie rezolvat sistemul.
Sunt cazuri în care interdependenţele se descriu prin condiţii logice sau proceduri ce pot fi
rezolvate numai cu ajutorul calculatorului. Modelul economico-matematic completat cu
astfel de proceduri devine un model de simulare.
Modelul de simulare atunci când este implementat pe un calculator, pornind de la diferite
valori ale variabilelor controlabile (generate prin rutine speciale ale algoritmului), va
produce valorile variabilelor necontrolabile şi va alege din mai multe variante pe aceea care
oferă decizia cea mai bună.
Modelul de simulare este un instrument necesar pentru studiul sistemelor complexe, unde
modelele matematice clasice nu sunt în măsură să surprindă situaţiile cele mai variate şi
neprevăzute ale realităţii în vederea formulării pe bază deductivă a deciziei.

Etapele simulării numerice

I. Stabilirea componentelor sistemului economic.

II. Stabilirea variabilelor şi parametrilor sistemului economic

III. Stabilirea evenimentelor care apar în sistemul economic

IV. Stabilirea valorilor iniţiale ale parametrilor de stare ai principalelor componente ale
sistemului economic

V. Culegerea datelor necesare stabilirii repartiţiilor principalelor variabile ale

procesului economic

VI. Culegerea datelor necesare stabilirii unor corelaţii între variabile

VII. Stabilirea limitelor admisibile ale variabilelor, parametrilor de stare, toleranţelor şi

probabilităţilor de nonapartenenţă la un interval stabilit

VIII. Stabilirea strategiilor posibile de acţiune

IX. Stabilirea funcţiilor obiectiv ale sistemului economic

X. Stabilirea numărului de cicluri de simulare

Generarea numerelor aleatoare

Pentru a reproduce în mod realist anumite elemente ale sistemului simulat, precum şi pentru
rezolvarea unor probleme numerice apare necesitatea existenţei unor numere „alese la
întâmplare”. Un număr este „întâmplător ” numai dacă se află într-un context statistic.
În mod practic nu se pot genera numere aleatoare care să satisfacă o serie de cerinţe
cunoscute din teoria probabilităţilor, ci numai numere pseudoaleatoare.

Numerele pseudoaleatoare satisfac următoarele condiţii:

– Sunt uniform repartizate într-un interval dat

– Sunt statistic independente (nu sunt autocorelate)
– Sunt reproductibile
– Funcţia de repartiţie este stabilă
– Şirul generat are o perioadă de repetiţie mare care poate fi predeterminată
(cel puţin ca o limită inferioară)

Şirurile de numere pseudoaleatoare aproximează şirurile de numere aleatoare. Cu cât cele 5

condiţii sunt mai riguros respectate, cu atât aproximaţia este mai corectă.

Deoarece metodele cunoscute asigură o apropiere suficient de mare între cele două tipuri de
numere, în literatura de specialitate se foloseşte aproape exclusiv denumirea de „numere
aleatoare”.

Principalele clase de metode de generare a numerelor aleatoare sunt:

• metode manuale
• metode fizice
• metode de memorizare
• metode care constau în consultarea specialiştilor
• metode analitice

Metode de generare a numerelor aleatoare uniform repartizate

Metodele analitice de generare a numerelor aleatoare sunt cele mai răspândite în aplicaţiile
numerice. Acestea constau în utilizarea unor algoritmi de calcul ce se bazează pe folosirea
unor relaţii de recurenţă.

Printre metodele recurente de generare a numerelor aleatoare, cele care au fost studiate
riguros din punct de vedere teoretic şi au condus practic la rezultate bune sunt metodele
congruenţiale, care au fost propuse iniţial de Lehmer în 1948 şi se bazează pe clase de
resturi. Dintre generatoarele congruenţiale, generatorul congruenţial liniar este cel mai
utilizat pe calculatoarele numerice.
Metodele congruenţiale liniare pot fi aditive, multiplicative şi mixte.

În afară de acestea există şi metode combinaţionale între două sau mai multe generatoare,
metode de extindere a unui şir dat de numere aleatoare, metode de generare a unor numere
aleatoare în condiţiile unor restricţii date.
De fapt aproape toate limbajele de programare generale şi speciale de simulare conţin funcţii
care generează numere aleatoare uniform repartizate în [0,1] şi pot fi folosite în programele
de simulare.

Generarea numerelor aleatoare cu o repartiţie dată

Metoda transformantei inverse se aplică în mod deosebit de avantajos în cazul unor repartiţii
teoretice continue, definite cu ajutorul unei singure funcţii de repartiţii pe întreg domeniul
de existenţă. În plus, această funcţie trebuie să fie uşor inversabilă.

Metoda poate fi extinsă în cazul unor repartiţii multidimensionale.

În practică sunt rare cazurile în care funcţia inversă se poate stabili uşor. Totuşi, metoda
poate fi adaptată şi în cazul unor tipuri de repartiţii discrete sau discontinue. În aceste cazuri
pentru extinderea acestei proceduri se foloseşte aşa numita metodă a jobenului.

Metoda de simulare Monte Carlo

Principalele aplicaţii ale metodei Monte Carlo în economie

• Procese de stocare complexe – în acele situaţii când optimizarea nu mai este posibilă cu
ajutorul metodelor clasice din teoria stocurilor: ritmul de aprovizionare are caracter
aleatoriu sau sezonier, suprafaţa de depozitare este limitată, intervin penalizări pentru
lipsa de stoc etc.
• Procese de aşteptare – în care au loc evenimente care se intercondiţionează, iar
rezolvarea lor cu ajutorul modelelor din teoria firelor de aşteptare nu este posibilă.

• Procese de repartiţii

• Procese de muncă complexe – legate de problemele programării operative a producţiei.

• Procese macroeconomice – când se doreşte cunoaşterea unor corelaţii între două sau
mai multe ramuri, studiul fluxurilor între ramuri, probleme de creştere economică etc.

Prezentarea generală a metodei

• Metoda Monte Carlo poate fi definită ca metoda modelării variabilelor aleatoare, în

scopul calculării caracteristicilor repartiţiilor lor.

• Metoda presupune estimarea parametrilor repartiţiei unei variabile aleatoare pe baza

realizărilor acesteia.

• Astfel, problema principală care se rezolvă prin metoda Monte Carlo constă în estimarea
valorii medii a unei variabile aleatoare în funcţie de o eroare admisibilă şi o probabilitate
dată.

• În metoda Monte Carlo se utilizează frecvent ca estimator media aritmetică simplă sau
ponderată.

• Calitatea eşantionului poate fi apreciată prin testele de concordanţă care măsoară

apropierea repartiţiei empirice de repartiţia teoretică (Kolmogorov, Smirnov, Pearson).

Precizia şi proprietăţile metodei Monte Carlo

• Metoda Monte Carlo este o metodă aproximativă şi poate fi adaptată studiului proceselor
economice.

• Precizia metodei Monte Carlo se poate estima statistic cu un grad de certitudine finit.
.
• Metoda Monte Carlo nu este adaptată studiului unor procese cu probabilitate foarte mică
deoarece rezultă un număr imens de cicluri de simulare.
 I. Clasificarea Modelelor Economico-Matemetice;
1. In functie de Sfera de Reflectare a Problematicii Economice :
2. In functie de Domeniul de Provenienta si Conceptie;
3. In functie de Caracterul Variabilelor;
4. In functie de Factorul de timp;
5. In functie de Modul de Tratare a Realitatii’
6. In functie de Orizontul de Timp Considerat.
II. Procedee de Generare a Numerelor Aleatoare cu Repartitie Uniforma :

1. Metode Manuale;
2. Metode fizice;
3. Metode de Memorizare;
4. Metode Analitice (ex. Aflarea Restului prin impartirea la Numar Prim)
5. Metode le Congruentiale sunt printer Modelele Recurente de Generare a
Numerelor Aleatoare care au fost Studiate Riguros dpv Teoretic.
Cel mai utilizat Generator Congruential este Generatorul linear , ce poate fi :
- Aditiv;
- Multiplicativ;
- Mixt
III. Societatea Comerciala MOBITEXT SA primeste Comenzi pentru Produsul STOFA
Mobila.
In Contractul incheiat intre SC si Beneficiari s-a stipulate ca livrarea fiecarei Comenzi
sa se desfasoare pe parcursul a 7 luni Calendaristice, astfel : 18% , 12%, 10%, 17%,
15%, 14%, 14% .
In luna Septembrie Situatia
Comenzilor Incheiate, pe Luni Succesive, se prezinta in felul urmator :

• Valoarea Comenzii in Luna Septembrie – 800um;

• Valoarea Comenzii in Lunile Precedente:
- Martie : 300 um;
- Aprilie : 200 um;
- Mai : 500 um;
- Iunie : 300 um;
- Iulie : 400 um;
- August : 200 um;
• Valoarea Comenzilor in Lunile Urmatoare :
- Octombrie: 100 um; - Noiembrie: 400 um; - Decembrie: 600 um.

CERINTE:
Cunoscand faptul ca toate Comenzile Respecta acelasi Grafic de Livrare,se doreste
Determinarea Valorii Vanzarilor Incepand cu Luna Septembrie pana la Epuizarea Comenzilor.
 = 0,18
= 0,12
= 0,1
V = 0,17
= 0,15
= 0,14
= 0,14
IX VIII VII VI V IV III

IX 800 200 400 300 500 200 300

X 100 800 200 400 300 500 200
XI 400 100 800 200 400 300 500
XII 600 400 100 800 200 400 300
I 0 600 400 100 800 200 400
II 0 0 600 400 100 800 200
III 0 0 0 600 400 100 800
IV 0 0 0 0 600 400 100
V 0 0 0 0 0 600 400
VI 0 0 0 0 0 0 600
Cv1= {Cv1, Cv2. CV3, Cv4, Cv5,
Cv6, Cv7}
Cv1=0,18 * 100 ;
Cv2=0,12 * 200 ;
Cv3=0,1 * 400 ;
Cv4= 0,17 * 300;
Cv5= 0,15 * 500 ;
Cv6= 0,14 * 200 ; Cv7= 0,14 * 300; sun V = 141+ 24 + 40 + 51 + 75 + 28 + 42 = 404

IX = 404 ;
X = 345 ;
XI = 370;
XII = 430;
I = 333; CV II = 283; III = 288;
IV =160;
V = 140;
 VI = 84;
I. Etapele Construirii Modelelor Economico-Matemetice
1. Stabilirea Obiectivelor Modelului;
2. Analiza Procesului de Modelat;
3. Sinteza Procesului Modelat  Model Cantitativ;
4. Verificarea Modelului;
5. Validarea Modelului;
6. Rezolvarea Modelului; 7. Implementarea Modelului.
II. Generare Numerelor Aleatoare Uniform Repartizate.
Se pot folosi 6 Metode pentru Generare Nr. Aleatoare Uniform :
1. Metoda Jobenului;
2. Metoda Respingerii;
3. Metoda Directa (Metoda Transformatiei Inverse);
4. Metoda Specifica Repartitiei date;
5. Metoda Compunerii,
6. Metoda CompuneriiRespingerii;
Modul de Aplicare al acestor Metode depinde de Natura Repartitiei Variabilei Aleatoare.
Variabile Aleatoare:
- Directa;
- Continua;
- Empirica;
- Teoretica.
III. SC TES SA produce si ccomercializeaza Produsul “P1”.
Pe Piata Produsul intra in Concurenta cu Produsele: “P2” si “P3” , realizate de 2 Firme
Concurente.
Pentru a Testa Preferintele consumatorilor Firma TES SA , a realizat o Ancheta asupra unui
Esantion Reprezentativ, de 100 Utilizatori, ai celor 3 Produse.
Cumparatorii au Raspuns la 2 intrebari, si anume :

• Ce Produs Cumpara in Prezent (Momentul t);

• Ce Produs ar dori sa
Cumpere in Perioada Urmatoare (Momentul t+1)?
Datele Obtinute sunt Reprezentate in Tabelul Numarul 1 :

Produse Cumparaturi Cumparaturi la momentul la momentul

“t” “t+1”
P1 25 30
P2 45 35
 P3 30 35
Tabelul 1
Modul in care Cumparatorii se Reorienteaza spre Alte Produse este redat in Tabelul 2

Reorientari la mom. “t+1”

P1 P2 P3
P1 10 8 7
P2 15 10 20
P3 5 15 8
Tabelul 2
Daca in Tabelul 2 nu este Completata o Celula, atunci aceasta se va calcula / afla prin scaderea
din Valoare Produsului (ex. P1) din Tabelul 1.
1. Ponderea pe Piata :
P1 = 25/100 = 0,25%
P2 = 45/100 = 0,45%
P3 = 30/100 = 0,3%
2. Reorientari :
P1 P2 P3
P1 50% 27,7% 23,3%
P2 42,9% 0% 57,1%
P3 14,3% 48,6% 37,1%
Tabelul 3
Liniile sunt egale cu 100% .
8/30 * 100 = 27,7
t+1 (Reorientatii ) x 100

Cumparatorii din “t+1”

3. Momentul de Timp Zero :

𝝅 (0)
Standart 𝝅(0) = cu Ponderea pe Piata
𝝅(0) = (0,25; 0,45; 0,3)
Momentele de Timp “t+1” sunt Calculate Astfel :

𝝅(0) =𝝅 (t) *P

Unde P – este Matricea Reorientarii.

 0,5 0,277 0,233

P
0,429 0 0,571
0,143 0,486 0,371
Matricea este obtinuta prin Impartirea Valorilor din Tabelul 3 (Reorientari) la 100.
4. Se Calculeaza pentru Urmatoarele 6 Momente,
pana la (6)

(1) = (0) * P

(0) = (0,25; 0,45; 0,3)

(1) = (0,327; 0,213; 0,426)

(2) = (1) * P

…..

…..

(6) = (5) * P