Sunteți pe pagina 1din 78

UNIVERSITATEA DIN BACĂU FACULTATEA DE ŞTIINŢE ECONOMICE ÎNVǍŢǍMÂNT LA DISTANŢǍ SPECIALIZAREA MARKETING

SIMULĂRI DE MARKETING ANUL II

Manager curs, Conf. univ. dr. Laura Timiras

2007

1

CUPRINS

1. Conţinutul şi rolul simulărilor de marketing…………………………

3

2. Clasificarea tehnicilor de simulare…………………………………

11

3. Componentele sistemelor de simulare de marketing……………….

15

4. Etapele simulărilor de marketing……………………………………

19

5. Modele de simulare …………………………………………………

23

5.1. Generarea numerelor şi variabilelor aleatoare……………

24

5.2. Metoda de simularea Monte Carlo……………………….

27

5.3. Jocuri de simulare………………………………………

39

5.4. Simularea de tip Forrester………………………………

51

5.5. Metode de simulare pentru studierea relaţiilor de cauzalitate. Experimente de marketing utilizate în studiul legăturilor dintre variabile………………………………

54

Anexe……………………………………………………………………….

73

Bibliografie………………………………………………………………….

77

2

CAPITOLUL I

CONŢINUTUL ŞI ROLUL SIMULĂRILOR DE MARKETING

Cuvinte cheie

Simulare de marketing Model Model de simulare Variabile de intrare Variabile de ieşire

Obiectivele învăţării:

După parcurgerea acestui capitol va trebui să cunoaşteţi:

- Ce reprezintă simularea;

- În ce situaţii se foloseşte simularea pentru investigarea fenomenelor de marketing;

- Care este semnificaţia modelului;

- Care sunt avantajele şi dezavantajele utilizării simulării în procesul de investigarea a fenomenelor economice, implicit de marketing;

- Caracteristicile ce stau la baza evaluării tehnicilor de simulare.

Simularea constituie o modalitate de obţinere a informaţiilor utilizată în cercetările de marketing, care permite înţelegerea evoluţiei fenomenelor de marketing, previzionarea acestora, identificarea şi măsurarea relaţiilor de cauzalitate dintre variabilele investigate; a modalităţii de desfăşurare concretă a acestor fenomene prin intermediul experimentelor de marketing. Din punct de vedere etimologic noţiunea de simulare semnifică capacitatea de a reproduse, reprezenta, imita ceva. Astfel, autorii Gelu Alexandrescu, Elena Doval 1 , precizează că prin simulare se poate înţelege:

o tehnică de construire a unei reprezentări a unui proces real, care trebuie studiat din punctul de vedere al comportamentului său normal sau influenţat de anumiţi stimuli;

1 , “Simularea – metodă de studiu a realităţii”, Buletinul Universităţii de Apărare Carol I, nr 2 /2006

3

o analogie a unui fenomen real, bazată pe/sau reprezentată de o tehnică ce permite studiul unor procese complexe reproduse pe modele de laborator sau în teren;

o reprezentare dinamică a unei părţi a lumii reale, realizată prin construirea unui model abstract ce poate fi mişcat în timp sau direct influenţat de acesta;

o metodă de cercetare bazată pe anticiparea rezultatelor unui ansamblu de ipoteze care au la bază elemente tehnice şi relaţiile dintre acestea;

o tehnică ce poate realiza o cale de testare, evaluare şi manipulare a unui proces sau sistem fără a acţiona direct asupra acestuia;

o tehnică numerică pentru conducerea experimentelor pe un calculator, care implică anumite tipuri de modele matematice şi logice care descriu comportarea viitoare a unui sistem;

o tehnică de studiu a unor laturi ale comportamentului unui sistem, fără a acţiona direct asupra lui, utilizând analogii fizice, chimice sau de calcul.

După alţi specialişti, “simularea, este o tehnică de realizare a experimentelor cu calculatorul electronic, care implică utilizarea unor modele matematice şi logice care descriu comportarea unui sistem real de-a lungul unei perioade mari de timp2 . Deci, simularea presupune realizarea de experimente asupra unor modele care reprezintă fenomenele reale cercetate şi care sunt studiate prin intermediul calculatorului; rezultatele obţinute constituindu-se în informaţii utile managerilor în cadrul procesul decizional. În consecinţă tehnica simulării presupune construirea unui model care să reprezintă fenomenul cercetat.

2 Raţiu – Suciu, Camelia, Modelarea & simularea proceselor economice – Teorie şi practică, Ediţia a patra, Editura Economică, Bucureşti, 2005, p. 38.

4

Modelul este o reprezentare izomorfă a realităţii care oferă o imagine

intuitivă, dar riguroasă, în sensul structurii logice a fenomenului studiat, şi

permite descoperirea unor legături şi legităţi greu de stabilit pe alte căi.” 3

Simularea de marketing este, în consecinţă, în strânsa legătură cu

experimentele de marketing şi modelarea fenomenelor de marketing.

Modelarea proceselor economice în general, a fenomenelor de marketing

în special a rezultat din complexitatea problemelor cu care se confruntă

managerii, din numărul mare de variabile şi dependenţele stochastice dintre

acestea, situaţie în care studierea diferitele fenomene cu ajutorul unor modele

matematice „pure” este imposibilă. Mai exact este imposibil de a reprezenta

astfel de fenomene economice complexe prin modele pur matematice. În

consecinţă, au apărut modelele economico – matematice, având la bază teoria

economică, care sunt deosebit de elastice, şi care reprezintă legitatea şi dinamica

fenomenelor economice (implicit de marketing).

Scopul unui model economico-matematic este acela de a determina

valorile unor variabile necontrolabile (de ieşire) în funcţie de valorile

variabilelor de intrare (controlabile) ţinând cont de interdependenţele dintre

acestea, respectiv dintre acestea şi mediul extern, în condiţiile satisfacerii

anumitor criterii de performanţă.

Variabile de

intrare

(controlabile)

Modelul

economico -

matematic

Variabile de

ieşire (necontrolabile)

În cazul în care interdependenţele ce stau la baza determinării valorilor

variabilelor de ieşire în funcţie de valorile variabilelor de intrare dată fiind

complexitatea lor nu pot fi descrise şi rezolvate printr-un model analitic

necesitând utilizarea calculatorului electronic, modelul economico-matematic

3 Idem, p. 26.

5

devine model de simulare. Comparativ cu celelalte modele, modelul de simulare simplifică într-o mai mică măsură realitatea. Rezolvarea unor probleme de marketing prin intermediul unui model economico-matematic se realizează pe cale deductivă. Simularea presupune, însă realizarea de experimente asupra sistemului S’ care constituie o reprezentare a sistemului real S, caracterul său fiind procedural. Astfel nu se mai urmăreşte obţinerea soluţiei optime ca în cazul utilizării metodelor analitice ci prin intermediul experimentelor sunt verificate şi selectate diferitele variante de decizie avute în vedere. Se cunoaşte astfel modul în care un sistem reacţionează în anumite împrejurări, în funcţie de aceasta obţinându-se mai multe variante decizionale, ce stau la baza selectării acelei variante ce corespunde cel mai bine condiţiilor concrete de desfăşurarea a fenomenului investigat. Aceasta poate fi adesea diferită de varianta selectată printr-un model analitic (considerat mai precis, dar, aşa cum am precizat imposibil de aplicat pentru rezolvarea tuturor probleme economice, implicit de marketing, datorită complexităţii lor). În consecinţa simularea este o metodă descriptivă care oferă adesea soluţii suboptimale şi nu soluţia „optimă”. Datorită complexităţii fenomenelor pe care le reprezintă modelele de simulare sunt construite adesea secvenţial, deci nu este de la început un model exhaustiv. Pentru început modelul de simulare constituie mai degrabă un ansamblu de mai multe modele simple ce reprezintă legăturile dintre diverse variabile ale sistemului real. Simularea este adesea efectuată adesea pe eşantioane de date reprezentative pentru o „colectivitate” de date cercetată ceea ce implică utilizarea teoriei sondajului. Se testează semnificaţia statistică a diferitelor variabile de decizie, precum şi semnificaţia influenţei variaţiei variabilelor controlabile asupra celor necontrolabile.

6

AVANTAJELE ŞI DEZAVANTAJELE SIMULĂRII DE MARKETING

Avantaje Utilizarea simulării în cercetarea de marketing se datorează unor avantaje incontestabile comparativ cu alte metode. Principalul avantaj al utilizării ca metodă de obţinere a datelor a simulării rezultă din faptul că permite testarea diferitelor alternative de acţiune pe un sistem înlocuitor şi nu pe cel real, respectiv fără a determina modificări în evoluţia reală a fenomenelor investigate. Astfel este posibil a se testa eficienţa unui număr mare de combinaţii de acţiuni posibile ceea este imposibil de realizat în realitate 4 . Se pot, astfel, determina într-un timp foarte scurt (câteva secunde, de exemplu) comportamente ale unor fenomene de marketing în anumite condiţii date. Datorită utilizării calculatorului electronic simularea asigură o reprezentare a fenomenelor de marketing cu un grad scăzut de simplificare şi permite studierea diferitelor relaţii dintre variabilele sistemului, sau dintre acestea şi variabilele externe. Altfel spus dă posibilitatea manevrării unui număr mare de variabile, caracterizându-se printr-un grad ridicat de fezabilitate. Simularea permite cunoaşterea pe termen lung a rezultatelor diferitelor acţiuni datorită posibilităţii de compresie a timpului. Se poate utiliza pentru studierea unor fenomene extrem de diverse legate de mediul de marketing intern şi extern, permiţând adoptarea unor decizii imediate sau pentru perioade lungi de timp. Astfel, prin intermediul simulării de marketing este stabilită alternativa decizională ce se va adopta într-o situaţie dată, momentul adoptării (eventual succesiunea deciziilor şi momentele în care aceste vor fi puse în aplicare), precum şi deciziile de rezervă.

4 În cadrul experimentelor de marketing se testează diferite alternative de acţiune, adesea în cadrul lumii reale, în schimb numărul acestora este relativ redus.

7

Pentru realizarea simulărilor de marketing există produse software relativ uşor de utilizat.

Dezavantaje O serie de dezavantaje ale simulării rezultă din dificultatea şi uneori imposibilitatea realizării modelelor de simulare care să reproducă cu fidelitate procesele şi fenomenele reale. Conceperea modelelor de simulare presupune adesea eforturi financiare considerabile, timp îndelungat pentru realizarea lor, experienţă îndelungată şi nu în ultimul rând tehnică de calcul avansată. De asemenea, rezultatele aplicării tehnicii de simulare sunt direct dependente de măsura în care modelul de simulare reprezintă modelul real; o singură asociere greşită între două variabile (de exemplu), putând duce la decizii total eronate. Identificarea soluţiei optime sau foarte bune nu se poate realiza decât după adoptarea deciziei, respectiv după ce rezultatele respectivei decizii s-au produs (faţă de cazul modelelor analitice care permit identificarea de la început a „soluţiei optime”). Soluţiile obţinute din realizarea unei simulări anterioare nu pot fi utilizate şi pentru o altă problemă decizională, modelul de simulare S’ reprezentând un singur model real S. Datorită uşurinţei în utilizarea programelor pentru simularea anumitor fenomene de marketing se renunţă adesea la utilizarea modelării economico – matematice, rolul acesteia din urmă fiind incontestabil în anumite situaţii date.

8

UTILIZĂRI ALE SIMULĂRII DE MARKETING

cunoaşterea şi înţelegerea interdependenţelor dintre variabilele de marketing, estimarea valorilor anumitor variabile precum şi a formei funcţionale a legăturilor dintre variabilele modelului;

evaluarea şi previzionarea consecinţelor diferitelor acţiuni (adoptarea anumitor strategii, tactici de marketing), fără însă ca, pe parcursul experimentării să intervină schimbări în evoluţia sistemului real;

verificarea şi / sau demonstrarea într-un timp scurt a avantajelor şi riscurilor anumitor acţiuni care în condiţiile reale s-ar produce după perioade lungi de timp;

determinarea acelor alternative decizionale care duc la soluţii optime sau suboptime (ce pot duce aproximativ la cea mai bună rezolvare a problemei decizionale);

studierea fenomenelor de marketing recursive (anumite schimbări ale fenomenului cercetat au repercusiuni asupra altor fenomene). De exemplu: schimbări la nivelul unei anumite verigi din lanţul de distribuţie poate declanşa modificări în amontele traseului ducând la amplificarea consecinţelor acţiunii întreprinse;

studierea efectelor decalate în timp ale anumitor acţiuni întreprinse, ce nu pot fi exprimate prin intermediul modelelor analitice;

studierea proceselor de tranziţie (de exemplu studierea evoluţiei în timp a percepţiilor consumatorilor faţă de anumiţi stimuli);

realizarea de teste de senzitivitate, respectiv studierea modului în care fenomenele de marketing sunt influenţate de variaţia anumitor variabile externe;

mai buna structurare a problemei cu care se confruntă decidentul şi fundamentarea căilor de rezolvare a acesteia.

9

EVALUAREA TEHNICILOR DE SIMULARE

Tehnicile utilizate în simulările de marketing, pot fi evaluate după şase caracteristici de bază 5 :

funcţionalitatea (gradul de complexitate şi capacitatea de a produce rezultate plauzibile pe baza unor date de intrare care înregistrează valori situate şi în afara anumitor limite);

costurile legate de dezvoltarea modelului şi adaptarea la specificul problemelor investigate;

tehnicile de rulare, respectiv costurile de rulare, timpul necesar pentru obţinerea rezultatelor, uşurinţa comunicării atât la intrarea cât şi la ieşirea datelor;

contextul utilizării (domeniile investigate şi frecvenţa cu care se apelează la simulare pentru a găsi răspunsurile dorite);

gradul de validitate şi valoarea rezultatelor obţinute prin folosirea simulării.

5 Cătoiu, Iacob (coordonator), Cercetări de marketing, Editura Uranus Bucureşti, 2002, p 421.

10

CAPITOLUL II

CLASIFICAREA TEHNICILOR DE SIMULARE

Cuvinte cheie

Simulare analogică Simulare numerică Simulare hibridă Simulare deterministă Simulare întâmplătoare Simulare simulare deterministă cu perturbaţii întâmplătoare Simulare în timp real Simulare pseudotimp Antesimulare Postsimulare Simulare convenţională Simulare interactivă vizuală Simulare virtuală Simulare fundamentate matematic Simulare interactivă euristică

Obiectivele învăţării:

După parcurgerea acestui capitol va trebui să cunoaşteţi:

- care sunt principalele tipuri de metode de simulare (având în vedere principalele criterii de clasificare) şi principalele lor caracteristici.

Există mai multe criterii de clasificare a tehnicilor de simulare. Astfel:

În funcţie de tipul modelului utilizat pentru realizarea simulării există:

metode de simulare analogică – se bazează pe analogii cu alte sisteme (fizice, biologice etc.); metode de simulare numerică, ce presupune utilizarea modelelor matematice pentru reprezentarea fenomenelor investigate. Aceasta este categoria de metode cea mai frecvent folosită în cercetările de marketing. Dintre metodele de simulare numerică amintim: tehnica Monte Carlo, simularea de tip „joc” şi tip Forrester;

11

metode de simulare hibridă, care reprezintă o îmbinare între simularea analogică şi cea numerică.

În funcţie de natura algoritmilor utilizaţi tehnicile de simulare sunt:

metode de simulare deterministă (dirijată) – variabilele (în cadrul aceluiaşi ciclu de simulare) sau parametrii (de la un ciclu de simulare la altul) capătă în cadrul fiecărui ciclu de simularea valori deterministe (valori date sau rezultate dintr-un anumit procedeu de calcul);

metode de simulare întâmplătoare – cel puţin una dintre variabilele sau parametrii modelului capătă valori întâmplătoare sau pseudoîntâmplătoare;

metode de simulare deterministă cu perturbaţii întâmplătoare –variabilele sunt atât deterministe cât si întâmplătoare, acestea din urmă nefiind în măsură să schimbe evoluţia generală a funcţionării sistemului. Prezenţa acestor variabile conferă însă un plus de realism modelului de simulare.

În funcţie de raportul de simulare există:

simulare în timp real – timpul de simularea este identic cu timpul în care fenomenele se produc în realitate. Astfel de simulări nu sunt utilizate în cercetările de marketing (în cercetarea fenomenelor economice, în general);

simulare în pseudotimp – timpul de simularea este (în cazul aplicaţiilor economice şi implicit de marketing) mult mai redus decât timpul în care fenomenele s-ar produce în realitate.

12

În funcţie de momentul efectuării simulării există:

antesimulare – simularea are loc anterior producerii în realitate a fenomenului investigat. Astfel de modele se utilizează pentru proiectarea sistemelor economice şi realizarea de prognoze;

postsimulare – simularea are loc după producerea în realitate a fenomenului investigat. Utilizarea acesteia are rolul de a perfecţiona anumite sisteme, precum şi de a duce la dobândirea de experienţe în conducerea fenomenelor şi proceselor reale.

În funcţie de interacţiunea om-calculator tehnicile de simulare se împart în:

tehnici de simulare convenţională – rezultatele diferitelor experimente sunt raportate statistic la sfârşit, utilizatorii modelelor neavând posibilitatea de a interveni în procesul de simulare pentru a proceda la diverse modificări pe parcursul desfăşurării experimentelor şi a evalua impactul acestor intervenţii asupra rezultatelor. Aceste tehnici presupun calculul intervalului de încredere al modelului;

tehnici de simulare interactivă vizuală – fiind dintre cele mai noi tehnici de simulare, tehnicile de simulare interactivă vizuală permit intervenţia utilizatorului în procesul de simulare şi evidenţierea rezultatelor diverselor sale acţiuni pe parcursul desfăşurării experimentelor. Aceste modele asigură redarea vizuală statică (imaginile sunt afişate pe rând) sau dinamică (evoluţia sistemului este prezentată în timp prin imagini animate) a rezultatelor diferitelor intervenţii ale utilizatorului. Avantajele acestor tehnici sunt incontestabile în condiţiile în care stimulii vizuali sunt adesea mult mai bine percepuţi, iar utilizatorii prin interacţiune cu modelul pot testa, pe parcursul

13

desfăşurării experimentelor, diferite alternative de acţiune – ceea ce duce creşterea încrederii în rezultatele obţinute şi ameliorarea efectelor învăţării.

tehnici de simulare virtuală – presupun crearea unui mediu artificial (virtual), la care, prin echipamente adecvate (aparate audio, căşti, senzori, etc.) utilizatorul este conectat. Sunt evaluate deopotrivă acţiunile sistemului cât şi ale utilizatorului.

În funcţie de precizia rezultatelor distingem:

tehnici de simulare fundamentate matematic – presupun utilizarea metodelor statistico-matematice, a teoriei probabilităţilor, ceea ce permite asigurarea unui anumit grad de precizie şi realizarea de estimări ale erorilor asociate modelului;

tehnici de simulare interactivă euristică – nu vizează îndeplinirea condiţiilor legate de precizia rezultatelor, urmărindu-se îndeosebi creşterea operativităţii.

14

CAPITOLUL III

COMPONENTELE SISTEMELOR DE SIMULARE DE MARKETING

Cuvinte cheie

sistem element (componentă) stare conexiune (legătură) traiectorie optimizare model modelare model de simulare simulator eveniment proces activitate jucătorii (operatorii) date de intrare variabile de intrare parametri de intrare date de ieşire variabile perturbatoare variabile intermediare

Obiectivele învăţării:

După parcurgerea acestui capitol va trebui să cunoaşteţi:

- Care sunt principalele concepte cu care operează simulare;

- Care sunt elementele unui sistem de simulare

15

CONCEPTE CU CARE OPEREAZĂ SIMULAREA

Există o serie de concepte cu care operează simularea:

sistem – o mulţime de elemente în interacţiune. Un sistem cuprinde: operatori umani, echipamente tehnologice;

element (componentă) – o unitate identificabilă ce poate fi complet definită, aflată în conexiune cu una sau mai multe unităţi ale sistemului. În orice moment de timp componenta se caracterizează printr-o stare;

stare (a unei componente) – reunire de atribute ce caracterizează componenta. Stările componentelor principale descriu starea sistemului propriu-zis. De fapt, obiectivul principal al simulării este în înţelegerea evoluţiei stărilor sistemului, a modului în care acestea se modifică, controlul şi predicţia lor, în condiţiile îmbunătăţirii performanţelor acestuia;

conexiune (legătură) – interacţiunea dintre două sau mai multe componente, sau dintre acestea şi mediul extern;

traiectorie – secvenţa de stări specifice sistemului într-un interval de timp considerat;

optimizare idealul simulării este de a determina acele performanţe maxime (optime) posibile;

model – vezi pag. 2;

modelare – modalitate de cercetare a unor fenomene utilizând ca instrument modelul;

model de simulare - vezi pag. 4;

simulator – sistem echivalent (analog) care se comportă similar sistemului real pe care îl reprezintă. Construcţia sistemului

16

echivalent / analog (simulatorul) presupune fie „păstrarea” din sistemul real a ceea ce este esenţial (se vor elimina acele legături cu şanse reduse de a se produce, acele componente a căror probabilitate de apariţie este scăzută, etc.), fie reunirea unor componente diferite de sistemul real, dar care în interacţiunea dintre ele se comportă similar cu sistemul simulat;

eveniment – schimbarea stării unei componente a sistemului;

proces – secvenţă de evenimente ordonate în timp;

activitate – un ansamblu de operaţii ce modifică starea unei componente;

ELEMENTE ALE SISTEMULUI DE SIMULARE

Un sistem tipic de simulare, utilizat în cercetările de marketing, este format din următoarele elemente:

modelul;

jucătorii (operatorii);

datele de intrare, care sunt reprezentate de

variabile de intrare, care pot fi întâmplătoare sau deterministe înregistrează valori discrete care se schimbă în permanenţă în cadrul ciclului de simulare;

parametri de intrare – înregistrează valori constante de-a lungul ciclului de simulare

datele de ieşire – sunt variabile care depind de valorile variabilelor şi parametrilor de intrare; dependenţa dintre acestea fiind ilustrate prin algoritmul ce stă la baza modelului de simulare.

În afara datelor de intrare şi de ieşire un sistem de simulare mai cuprinde:

17

variabile perturbatoare – constituie variabile necontrolabile ce generează schimbarea stării unei / unor componente ale sistemului (evenimente). Apariţia acestor evenimente poate fi previzibilă sau aleatoare.

variabile intermediare – valori ce atestă starea unei componente a sistemului la un anumit moment dat.

18

CAPITOLUL IV

ETAPELE SIMULĂRILOR DE MARKETING

Cuvinte cheie

problemă de marketing estimare a parametrilor şi variabilelor modelului de simulare performanţă a modelului de simulare validare a sistemului de simulare program de simulare

Obiectivele învăţării:

După parcurgerea acestui capitol va trebui să cunoaşteţi:

- Care sunt etapele ce se parcurg în procesul de realizare a experimentelor de simulare şi ce activităţi se desfăşoară în cadrul fiecărei etape.

Demersul întreprins pentru realizarea sistemului S’ care să reprezinte cât mai fidel sistemul real S implică desfăşurarea unor activităţi într-o anumită succesiune. Astfel, realizarea experimentului de simulare presupune parcurgerea următoarelor etape:

formularea problemei, a scopului şi obiectivelor urmărite presupune identificarea problemei de marketing cu care se confruntă cercetătorul – a gradului său de complexitate (în funcţie de acest aspect justificându-se sau nu utilizarea ca metodă de investigare a simulării). În această etapă sistemul cercetat este analizat pentru a cunoaşte trăsăturile caracteristicile, componentele sale şi relaţiile dintre acestea. Se realizează o delimitare temporală, spaţială şi funcţională a sistemului de mediul extern. Se definesc, de asemenea, criteriile de performanţă ce trebuie atinse. În anumite situaţii există posibilitatea optării pentru simularea doar a unor componente ale sistemului cercetat şi nu în întregul său. Pe baza

19

analizării sistemului cercetat are loc definirea variabilelor şi parametrilor modelului precum şi alternativele de acţiune ce urmează a fi experimentate;

culegerea şi prelucrarea preliminară a datelor reale – acestea vor sta la baza sugerării ipotezelor pentru formularea modelelor matematice. De asemenea, se pot aduce o serie de îmbunătăţiri unor modele deja existente şi se poate verifica valabilitatea acestora;

construirea modelului – presupune precizarea ipotezelor, a variabilelor şi parametrilor modelului (de intrare, de ieşire, perturbatoare, intermediare), a relaţiilor dintre acestea, definirea relaţiilor funcţionale şi algoritmului ce stă la baza obţinerii valorilor datelor de ieşire în baza valorilor datelor de intrare;

estimarea mărimii parametrilor sau variabilelor de intrare utilizând fie procedeele de statistică matematică (estimarea valorilor datelor de intrare pe baza valorilor datelor reale culese), fie prin generarea de numere şi variabile aleatoare;

evaluarea performanţelor modelului – modelul construit este testat cu ajutorul valorilor unor date de intrare pentru care sunt cunoscute rezultatele. În acest sens sunt utilizate teste de concordanţă: Kolmogorov, Smirnov, Pearson sau χ 2 . În urma testării se procedează fie la reluarea formulării modelului de simulare (dacă se constată existenţa anumitor deficienţe) fie validarea acestuia;

20

construirea algoritmului de simulare;

scrierea programelor de simulare – presupune utilizarea fie a unor limbaje generale de programare sau specializate (GPSS, SIMSCRIPT, SIMULA, etc.) acestea din urmă oferind o serie de facilităţi. Deci, în această etapă se aleg limbajul sau pachetul de programe ce se vor utiliza configuraţia calculatorului, etc., necesare pentru realizarea simulării;

validarea sistemului de simulare – are loc testarea programului de simulare pentru o anumită situaţie pentru care se cunosc rezultatele sau prin compararea valorilor de ieşire cu valorile obţinute prin observarea unor situaţii similare;

realizarea propriu-zisă a simulării – presupune rularea pe calculator a programelor de simulare, prin considerarea succesivă a cât mai multor valori ale datelor de intrare. Se urmăreşte, astfel, acoperirea a cât mai multor situaţii reale; în funcţie de valorile obţinute ale variabilelor de ieşire se formulează decizii (se selectează anumite valori ale datelor de intrare) în măsură să genereze îmbunătăţirea performanţelor sistemului simulat.

analiza şi interpretarea datelor – presupune prelucrarea datelor simulate, testarea semnificaţiei lor statistice, compararea şi evaluarea alternativelor decizionale, realizarea de tabele, grafice, etc. şi interpretarea rezultatelor.

21

În procesul de simulare parcurgerea acestor etape nu trebuie privită cu rigiditate, acestea neconstituind întotdeauna paşi distincţi şi, de asemenea, nu în toate cazurile succesiunea este cea prezentată. După selectarea celei ai bune alternative decizionale se va proceda la realizarea unui raport ce va cuprinde: scopul, obiectivele şi ipotezele, datele de intrare, aspectele referitoare la validarea modelului şi modul de proiectare a experimentelor, rezultatele, concluziile şi recomandările. Exploatarea rezultatelor simulării va permite utilizatorilor perfecţionarea sistemelor de simulare.

22

CAPITOLUL V

MODELE DE SIMULARE

Cuvinte cheie

generare de numere aleatoare generator de numere aleatoare număr aleatoriu simulare Monte Carlo joc de întreprindere joc pentru întreaga întreprindere joc funcţional. joc complex joc pentru alte zone de specialitate joc concurenţial joc interdependent joc independent joc cooperativ joc contra naturii pachete de autoînvăţare joc pe calculator joc manual joc de instruire joc pentru fundamentarea deciziilor operative tehnici de dinamică industrială model dinamic variabile de nivel variabile de ritm variabile auxiliare

Obiectivele învăţării:

După parcurgerea acestui capitol va

trebui să cunoaşteţi şi să înţelegeţi:

- Care este utilitatea şi cum sunt generate numerele aleatoare;

- Care sunt cerinţele satisfăcute de un număr pseudoaleator (aleator);

- Principalele metode de generare de numere aleatoare;

- Caracteristicile, utilitatea şi modul de utilizare a tehnicilor Monte Carlo în investigarea fenomenelor economice;

- Caracteristicile şi utilitatea jocurilor de întreprindere;

- Clasificarea şi caracteristicile principalelor tipuri de jocuri de întreprindere;

- Cunoaşterea etapelor specifice desfăşurării jocurilor de întreprindere

- Cunoaşterea utilităţii şi a principalelor caracteristici ale jocurilor de dinamică industrială

23

5.1. Generarea numerelor şi variabilelor aleatoare

În simularea proceselor economice, inclusiv de marketing, atunci când valorile unor parametri / variabile de intrare nu se cunosc se impune generarea de numere aleatore (alese la întâmplare),aceasta realizându-se cu ajutorul calculatorului electronic 6 . În programele de simulare generarea numerelor aleatoare ocupă o pondere relativ mare în timpul total de rulare al calculatorului. Acest fapt este justifică prin numărul mare al evenimentelor perturbatoare care afectează procesele economice, cel mai adesea acestea având caracter aleator. În consecinţă algoritmii utilizaţi în procesul de simulare a fenomenelor economice trebuie să fie astfel construiţi încât să fie în concordanţă cu teoria economică. Se poate spune că un număr este întâmplător doar dacă se “află într-un context statistic. Se consideră număr aleator orice număr care este obţinut astfel încât valoarea sa nu poate fi prevăzută anticipat. Generarea, cu ajutorul calculatorului a numerelor aleatoare, având la bază reguli prestabilite (algoritmi de generare) afectează într-o anumită măsură caracterul aleator al acestui proces. Astfel, numerele obţinute sunt considerate pseudoaleatoare.

Numerele pseudoaleatoare satisfac următoarele cerinţe:

sunt repartizate uniform în intervalul standard este [0,1]. Funcţia de repartiţie uniformă se defineşte astfel:

F

(

x

)

0,

,

1,

x

daca x

daca x

daca x

0

(0,1)

1

6 Există şi modalităţi de generare de numere aleatoare ce nu presupun utilizarea calculatorului electronic (utilizarea de zaruri, rulete, urne cu bile, etc.). Datorită vitezei reduse, astfel de metode nu sunt folosite în simularea proceselor economice.

24

În cazul în care, utilizând un anumit procedeu de generare de numere aleatoare s-a obţinut un anumit număr n repartizat uniform în intervalul (0, A), A fiind un număr întreg, se face transformarea x = n /A, obţinându-se un şir de valori uniform repartizate în intervalul (0, 1);

sunt statistic independente (nu sunt autocorelate). Există o serie de teste statistice independenţa dintre variabile (ex: testul χ 2 , testul Student, testul Kolmogorov, etc.);

sunt reproductibile, respectiv, utilizând acelaşi algoritm cu aceleaşi valori iniţiale să se obţină acelaşi şir de numere

funcţia de repartiţie este stabilă, respectiv nu se produc schimbări ale repartiţiei în cursul rulării programului de simulare;

şirul enumerat are o perioadă de repetiţie mare (teoretic şirurile de numere aleatore nu trebuie să conţină repetiţii, ceea ce, prin utilizarea generatoarelor nu este posibil. Având în vedere aceste aspecte perioada de repetiţie trebuie să fie în consecinţă cât mai mare.

Metodele utilizate pentru generarea de numere aleatoare (şi care, de fapt, generează numere pseudoaleatoare), asigură o apropiere semnificativă a şirurilor generate de şirurile aleatoare. De aceea se utilizează noţiunea de aleatoare şi pentru categoria şirurilor pseudoaleatoare.

25

METODE DE GENERARE A NUMERELOR ALEATOARE

Principalele clase de metode de generare a numerelor aleatoare sunt:

metode manuale – presupun utilizarea de zaruri, rulete, urne cu bile, etc. Se caracterizează prin viteza redusă motiv pentru care, în cele mai multe situaţii,nu sunt folosite

metode fizice – au la bază analogii cu diferite procese fizice (procese radioactive, electronice, etc.). Prezintă dezavantajul că nu asigură reproductibilitatea datelor;

metode de memorizare – presupun utilizarea unor tabele cu numere aleatoare. Prezintă dezavantajul unei viteze ridicată, în schimb consumul de memorie al calculatorului este ridicat;

metode care constau în consultarea specialiştilor – prezintă dezavantajul subiectivismului precum şi viteza lentă;

metode analitice – presupun utilizarea anumitor algoritmi de calcul. Se impune ca aceşti algoritmi să asigure un consum minim de timp şi memorie pe parcursul rulării pe calculator. Aceste metode sunt cele mai utilizate în procesul de simulare a fenomenelor de marketing (fenomenelor economice, în general).

26

5.2. Metoda de simulare Monte Carlo

Atunci când sunt investigate prin simulare fenomene stochastice, pentru a imita sau reproduce comportamentul sistemului simulat se impune generarea de numere aleatoare. Procesul prin care sunt generate numere sau variabile în mod aleator poartă numele de metoda Monte Carlo. După cum am precizat în subcapitolul anterior pentru generarea numerelor aleatore - numere aleatoare uniform distribuite în intervalul [0, 1] - se impune utilizarea generatorilor de numere aleatoare. Astfel de generatori, verificaţi şi testaţi, sunt conţinuţi de toate limbajele de programare generale şi limbajele speciale de simulare bine. Metoda Monte Carlo reprezintă o metodă de simulare prin care se urmăreşte studierea realităţii prin procese probabilistice. De fapt, denumirea metodei provine după cazinourile din Monte Carlo ale căror rulete pot fi considerate generatoare de numere aleatoare. La momentul actual, metoda de simulare Monte Carlo se aplică din ce în ce mai mult pentru studierea fenomenelor economice (implicit a fenomenelor de marketing), pentru studierea problemelor stochastice sau în condiţii de risc, respectiv în situaţia în care aceleaşi direcţii de acţiune pot genera mai multe rezultate, ale căror probabilităţi se pot estima. Având la bază teoria probabilităţii, cu ajutorul metodei Monte-Carlo sunt realizate evaluări, ierarhizări care permit adoptarea deciziei în legătură cu diferite probleme de marketing. Altfel spus, metoda Monte-Carlo asociază problemei investigate un model aleatoriu, iar prin generarea unor variabile aleatorii care sunt legate funcţional de soluţie se realizează experimente pe model obţinându-se informaţii în legătură cu problema investigată.

27

Pentru asigurarea succesului în utilizarea metodei se impune ca variabilele generate aleator să fie estimate astfel încât să se înregistreze o abatere în probabilitate cât mai mică comparativ cu a variabilelor considerate reale. Precizia metodei creşte pe măsură ce creşte numărul încercărilor, dar este dependentă şi de variaţia acestora. În fapt, metoda Monte-Carlo este un mod de simulare bazat pe sondaj.

PRECIZIA ŞI PROPRIETĂŢILE METODEI MONTE CARLO

În procesul de utilizarea a simulărilor Monte-Carlo pentru investigarea fenomenelor se vor avea în vedere următoarele aspecte:

Considerând n experimente, frecvenţa relativă de apariţie a unei anumite valori este f * , frecvenţa relativă reală f * (probabilitatea de producere a evenimentului) se estimează cu ajutorul intervalului:

f

*

'

t

, n

f '(1  f ') 1 n
f
'(1
f
')
1
n

f

*

f

*

'

t

,

n

f '(1  f ') 1 n
f
'(1
f
')
1
n

,

unde: t ; n-1 - coeficientul ce corespunde probabilităţii de garantare a

rezultatelor, pentru n – 1 grade de libertate şi un nivel de semnificaţie

( = 1 – P), determinat în funcţie de probabilitatea P cu care se doreşte a se garanta rezultatele, citit din tabelul repartiţiei Student (anexa 1).

Exemplu

Considerăm 20 experimente (n = 20), în urma cărora s-a obţinut o frecvenţă f * = 0,6 , şi un nivel de semnificaţie de = 0,05, rezultă o frecvenţă de apariţie reală cuprinsă în intervalul:

28

0,6

2,093

0,6(1  0,6) 20
0,6(1
 0,6)
20

f

*

0,6

2,093

0,6(1  0,6) 20
0,6(1
 0,6)
20

0,37

f

*

0,83

;

t 0,05; 20-1 , citit din tabelul repartiţiei Student = 2,093.

Deci probabilitatea de apariţie a fenomenului real este cuprinsă între (0,37, 0,83), respectiv (37%, 83%). În acest caz eroarea ataşată probabilităţii de producere a evenimentului este ±0,23, sau ±23%.

În cazul în care se doreşte ca eroarea asociată probabilităţii (p) de apariţie a evenimentului considerat să nu depăşească un anumit nivel , atunci se impune ca numărul de repetiţii ale experimentului să fie:

n

2

t

n

,

1

p

(1

p

)

2

.

Exemplu

Dacă pentru probabilitatea de apariţie a evenimentului p = 0,6 se doreşte asigurarea unei erori care să nu depăşească nivelul ±3%, în condiţiile unui nivel de semnificaţie de 0,05 atunci n va fi:

n

2,093

2

0,6(1

0,6)

0,03

2

1169

.

Valoarea p poate fi considerată pentru început ca fiind egală cu probabilitate de apariţiei a evenimentului obţinută în baza primelor încercări realizate; ulterior urmând a fi ajustată pe măsură ce numărul de experimente realizate creşte.

29

Estimarea mediei reale (

x

0

)

pe baza

mediei ( x ) înregistrate a unei

ajutorul

variabile după n experimente de simulare se realizează cu intervalului:

x - Δ <

x

0

<

x + Δ, unde:

x - constituie media aritmetică a valorilor înregistrate a variabilei simulate (x i ) după n experimente:

 t

n

 x i i  1 x 
x
i
i  1
x 

, n1

S

n
n

n

, unde:

S: estimator al abaterii medii pătratice a valorilor x i :

Exemplu

 x  2 i  x . S   n  1
 x
2
i  x
.
S
 
n  1

Dacă în cazul a n = 20 experimente s-a obţinut o medie x =105, pentru care S = 15, rezultă media variabilei reale se va încadra în intervalul:

105 – 7,02 < x < 105 + 7,02 97,98 < x < 112,02, unde:

0

0

În condiţiile unui nivel de semnificaţie de 0,05,

15   2,093  7,02 20
15
  2,093
 7,02
20

În cazul în care se impune de la început o anumită eroare maximă admisă Δ, se impune determinarea numărului de experimente ce pot asigura o astfel de eroare, creşterea numărului de experimente ducând implicit la

30

creşterea gradului de precizie. Pornind de la formula pentru determinarea erorii maxime admise, obţinem următoarea formulă de calcul a lui n:

n

2

t n

,

S

2

1

2

.

Exemplu

Considerăm că după n = 20 experimente, media x = 105, pentru care S = 15, a rezultat o valoare Δ = 6,7, în condiţiile unui nivel de semnificaţie de = 0,05. Se doreşte determinarea numărului de experimente necesar a se realiza pentru a obţine o precizie a rezultatelor Δ = 2.

n

2,093

2 15

2

2

2

247

.

De fapt, creşterea preciziei de m ori, impune o creştere a numărului de experimente de simulare de m 2 ori. În cazul în care probabilitatea de apariţie a unor fenomene este redusă metoda Monte Carlo nu este indicată, asigurarea unui anumit grad de precizie impunând un număr foarte de mare de experimente de simulare.

se consideră suficient pentru precizia metodei Monte Carlo o probabilitate de garantare a rezultatelor de 0,99 până la 0,997.

APLICAŢII ALE METODEI MONTE CARLO

Cu ajutorul Metodei Monte Carlo şi pornind de la valorile înregistrate ale unei variabile se pot realiza estimări cu privire la valorile parametrilor ce caracterizează respectiva variabilă investigată. Considerând următoarea distribuţie a variabilei cercetate:

31

Valorile înregistrate ale variabilei investigate X

Frecvenţe absolute

f i

x

x

.

.

x i

.

2

1

.

x r

Total

f 1

f 2

.

.

f i

.

.

f r

f

Estimarea mediei variabilei investigate pe baza valorilor înregistrate şi prezentate în tabelul anterior presupune parcurgerea următorului algoritm:

sunt determinate frecvenţele relative f i * şi frecvenţele relative cumulate, care de fapt indică probabilităţile de apariţie a unei anumite valori a variabilei cercetate (p i ):

p

i

f

i

* f

i

r

i 1

f

i

Valorile înregistrate ale variabilei investigate X

Probabilităţi

p i

Probabilităţi cumulate

p’ i

x 1

x 2

.

.

x i

.

.

x r

Total

p 1

p 2

p’ 1 = p 1

p’ 2 = p 1 + p 2

.

.

.

.

p i

.

.

p r

1

p’ i = p 1 + p 2 +

 

.

.

p’ r = p 1 + p 2 +

+p

 

-

i +

+p

i

+p

r =1

se reprezintă grafic valorile înregistrate ale variabilei investigate şi probabilităţile cumulate corespunzătoare. Considerăm, pentru exemplificare, un număr de 6 valori x i , graficul se prezintă astfel:

p'6 1 0.9 p'5 0.8 0.7 0.6 p'4 0.5 0.4 p'3 0.3 p'2 0.2 p'1
p'6
1
0.9
p'5
0.8
0.7
0.6
p'4
0.5
0.4
p'3
0.3
p'2
0.2
p'1
0.1
0
x1
x2
x3
x4
x5
x6
probabilitati cumulate

se realizează un anumit număr de selecţii n cu ajutorul unui generator de numere aleatoare. La îndemâna oricui este funcţia RAND() din Excel, care este un generator de numere aleatoare.

valoarea x i corespunzătoarea fiecărei valori aleatoare generate se citeşte cu ajutorul graficul reprezentat anterior. Numărul generat constituie un punct pe axa Oy. Se trasează o paralelă la Ox din respectivul punct până în locul de intersecţie cu prima coloană ce constituie valoare înregistrată ale variabilei cercetate. Considerând un număr de 10 repetiţii rezultatele se prezintă astfel:

33

Număr

Număr aleator

Valoare

repetiţii

x

i

1

0.582924

x

5

2

0.053644

x

1

3

0.887214

x

6

4

0.942867

x

6

5

0.783511

x

5

6

0.181114

x

2

7

0.591019

x

5

8

0.388166

x

4

9

0.026283

x

1

10

0.888168

x

6

Cu ajutorul acestor date se pot realiza estimări ale parametrilor variabilei investigate (media, dispersia, coeficientul de variaţie, abaterea medie pătratică).

Exemplu

Considerăm un eşantion de 200 persoane supus unei cercetări, pentru care s-a înregistrat frecvenţa de cumpărare (numărul de cumpărături) al unui anumit produs “X”, în cursul unei luni. Rezultatele centralizate se prezintă astfel:

Numărul de cumpărături ale produsului “X” în decursul unei luni (bucăţi)

Frecvenţe

absolute

(persoane)

0

15

1

19

2

36

3

53

4

41

5

18

6

11

7

7

Total

200

34

Pe baza acestor date se doreşte a se estima evoluţia pentru perioada următoare a cumpărărilor din produsul “X”. Se consideră un nivel de semnificaţie de 0,05.

determinăm probabilităţile de apariţie a fiecărei valori x i , precum şi probabilităţile cumulate:

Numărul de cumpărături ale produsului “X” în decursul unei luni (bucăţi)

Frecvenţe

absolute

f i

Probabilităţi

p i

Probabilităţi

cumulate

p’ i

0

15

0.075

0.075

1

19

0.095

0.170

2

36

0.180

0.350

3

53

0.265

0.615

4

41

0.205

0.820

5

18

0.090

0.910

6

11

0.055

0.965

7

7

0.035

1.000

Total

200

1.000

se reprezintă grafic valorile înregistrate ale variabilei investigate şi probabilităţile cumulate corespunzătoare:

1.000 0.965 1.0 0.910 0.9 0.820 0.8 0.7 0.615 0.6 0.5 0.350 0.4 0.3 0.170
1.000
0.965
1.0
0.910
0.9
0.820
0.8
0.7
0.615
0.6
0.5
0.350
0.4
0.3
0.170
0.2
0.075
0.1
0.0
probabilitati cumulate

12345678

numar produse achizitionate

35

se realizează un număr de 25 selecţii cu ajutorul funcţiei RAND() şi se ataşează valoarea x i corespunzătoare citită cu ajutorul graficului:

Număr repetiţii

Număr

aleator

x i

1 0.2798

8

2 0.9862

7

3 0.6863

4

4 0.5229

3

5 0.3966

3

6 0.1808

2

7 0.9184

6

8 0.3931

3

9 0.9619

6

10 0.1439

1

11 0.8448

5

12 0.3823

3

13 0.1812

2

14 0.4835

3

15 0.7619

4

16 0.8278

5

17 0.7686

4

18 0.6407

4

19 0.7704

4

20 0.0629

0

21 0.0618

0

22 0.0600

0

23 0.8646

5

24 0.0152

0

25 0.2870

2

Cu ajutorul acestei distribuţii se pot realiza estimări cu privire la cumpărăturile medii realizate de către consumatori şi bineînţeles şi a altor indicatori de caracterizare a distribuţiei:

36

Număr repetiţii

x i

(x i - x ) 2

1 8

21.5296

2 7

13.2496

3 4

0.4096

4 3

0.1296

5 3