UNIVERSITATEA HYPERION DIN BUCUREȘTI

FACULTATEA DE ȘTIINȚE ECONOMICE

Specializarea: MANAGEMENT

SIMULAREA MONTE CARLO

Student: MARTAC NICOLETA

Anul III-ID
 CUPRINS

INTRODUCERE ...................................................................................................................... 3
CAPITOLUL 1. SIMULAREA: DEFINIȚIE ȘI GENERALITĂȚI................................... 4
1.1. Generalități ...................................................................................................................... 4
1.2. De ce se utilizează simularea? (avantaje si dezavantaje) ................................................ 4
1.3. Clasificarea tehnicilor de simulare .................................................................................. 6
1.4. Metoda de simulare numerică (digitală, matematică) ..................................................... 6
CAPITOLUL 2 SIMULAREA MONTE CARLO ................................................................ 7
2.1. Simularea Monte Carlo (metoda experimentărilor statistice).......................................... 7
2.2. Ideea de bază a metodei Monte Carlo ........................................................................... 10
2.3. Paşii metodei Monte Carlo ............................................................................................ 10
2.4. Etapele de bază ale simulării Monte Carlo în EXCEL .................................................. 11
2.5. Utilizarea simulării Monte Carlo în afaceri ................................................................... 11
2.6. Simularea Monte Carlo- transformarea incertitudinii și riscului în prognoză ............... 12
2.7. Cine utilizează simularea Monte Carlo? ........................................................................ 13
2.8. Alte utilizări ale simulării Monte Carlo ......................................................................... 14
CONCLUZII ........................................................................................................................... 16
BIBLIOGRAFIE .................................................................................................................... 17
Anexa numărul 1.......................................................................................................................18

2
 INTRODUCERE

Analiza deciziilor prin simulare, deşi nu poate acţiona asupra hazardului şi nu poate
atrage cu sine manifestarea norocului, poate să-l ajute pe decident să înţeleagă mai bine
problemele decizionale, să-şi îmbunătăţească şansele de a obţine un rezultat fericit sau să fie
mai pregătit pentru a face faţă unor evoluţii nefavorabile, independente de voinţa lui. poate
contribui la înţelegerea şi îmbunătăţirea unui sistem real.

Mediul economico-social în care se desfășoară afacerile se află într-o permanentă

evoluție. Au loc schimbări în ceea ce privește modul de desfășurare a competiției pe piață, în
cadrul legislativ, în modul de organizare a firmelor, în tehnologiile de prelucrare și
comunicare a informației. Toate acestea sporesc presiunea asupra celor care iau decizii în
domeniul afacerilor. Astfel, este simțită tot mai acut nevoia de analiză a deciziilor prin
realizarea unui viitor simulat, pe baza unor instrumente alternative de modelare și tehnologii
informaționale.

Pe lângă avantajele și dezavantajele pe care la are simularea, trebuie să ne amintim un

vechi proverb: „Când tot altceva nu-ți reușește, simulează!”. Deci, simularea trebuie utilizată
numai dacă alte tehnici disponibile nu pot să rezolve problema. Deasemeni, trebuie să aratăm
că scopul simulării este să dirijeze sistematic experimentele spre un sistem real. Astfel,
rezultatele obținute prin simulare trebuie să fie complementare unei soluții analitice,
indiferent dacă există sau nu o soluție analitică.

Lucrarea cuprinde două capitole. Primul capitol intitulat „Simularea: definiție și

generalități” cuprinde principalele aspecte teoretice legate de simulare. Al doilea capitol,
intitulat „Simularea Monte Carlo” reunește noțiuni teoretice despre această metodă de
simulare și aplicațiiile ei.

3
 CAPITOLUL 1.
SIMULAREA: DEFINIȚIE ȘI GENERALITĂȚI
Simularea este un proces prin care se construieşte un model al unui sistem real şi se
realizează experimente cu acest model în scopul înţelegerii comportamentului sistemului
şi/sau evaluării diferitelor strategii pentru sistemul analizat.

1.1. Generalități
 simularea nu ia decizii în locul unui manager sau decident;
 oferă numai informaţii şi date pe baza cărora decidenţii să elaboreze decizii mai bine
fundamentate;
 este corectă numai dacă datele de intrare sunt corecte şi este tot atât de credibilă pe cât
este demn de încredere analistul care a realizat simularea;
 este o soluţie pentru uşoară, rapidă şi eficientă integrare în realitatea economică;
 este în special valoroasă pentru problemele care nu pot fi abordate prin metode
matematice analitice şi pentru probleme în care intervin mărimi probabiliste
(simularea Monte Carlo şi simularea evenimentelor discrete) sau interacţiuni dinamice
cu feedback (dinamica sistemelor);
 în afaceri, cele mai utilizate sunt simularea Monte Carlo şi simularea evenimentelor
discrete. Prin aceste tipuri de simulare, decidenţii pot testa diferite opţiuni strategice
pentru realizarea obiectivelor propuse.
 există şi un alt tip de simulare, în care decidenţii iau parte la un joc de afaceri. Această
simulare tip joc plasează fiecare jucător în competiţie cu alte companii care vând
produse similare pe aceeaşi piaţă. Sarcina jucătorului este de a conduce activităţile
unei întreprinderi, fiind responsabil pentru deciziile referitoare la toate aspectele
afacerii. Aceste decizii se pot referi la producţia şi marketingul produselor, finanţarea
costurilor activităţilor de marketing şi de producţie, achiziţionarea de informaţii
competitive etc.1

1.2. De ce se utilizează simularea? (avantaje si dezavantaje)

Simularea este necesară atunci când experimentarea directă pe sistemul real nu este
posibilă sau recomandabilă. Deşi iniţial, simularea era recomandată numai dacă aplicarea
metodelor analitice nu era posibilă, cu timpul, dezvoltarea limbajelor speciale de simulare,

1
http://www.asecib.ase.ro/Dobre/html/capitolul-2-2.html
https://biblioteca.regie.ro/referate/economie/aplicatii-ale-metodei-de-simulare-monte-carlo-in-
economie-386744.html
4
creşterea masivă a puterii calculatoarelor simultan cu reducerea costului pe operaţie de calcul
şi progresele înregistrate în metodologiile de simulare au transformat simularea într-un
instrument foarte utilizat şi acceptat în asistarea proceselor decizionale manageriale.
Acceptarea pe scară largă a simulării la nivele manageriale înalte implică o serie de avantaje
și dezavantaje.2

Tabel nr. 1.1. Avantajele simulării

1. Cel mai importnat avantaj: ne permite să studiem sisteme globale reale sau situații fără a
efectua modificări în evoluția lor reală. (exemplu: schimbarea prețului unui produs poate
fi un risc pentru un manager; dacă schimbarea se face pe baza unor analize riguroase,
dezastrul poate fi evitat).
2. Simularea poate prezice rezultatele adoptării unor decizii.
3. Simularea poate reduce costul experimentelor reale.
4. Simularea permite dezvoltarea creativității și a ideilor noi.
5. Pot fi repetate, sub diferite forme, până la obținerea soluției care asigură cea mai mare
eficiență economică.
6. Permit modificarea parametrilor de intrare în sistem cu obiectivul de a studia efectele
produse asupra datelor de ieșire.
7. Nivelul abilităților de natură computațională sau matematică necesar pentru proiectarea și
execuția unei simulări a fost redus substanțial.
8. Astăzi, simularea poate fi realizată cu o mare varietate de software pe un PC.
Sursa: http://www.asecib.ase.ro/Dobre/html/capitolul-1-3.html

Tabel nr.1.2. Dezavantajele simulării

1. Necesită folosirea unor tehnici de calcul performante și a unor soluții de software

complexe;
2. Presupun costuri și eforturi însemnate, având în vedere rata de eșec considerabilă in
atingerea scopului pe care și l-au propus.
3. Realismul rezultatelor și soluțiilor oferite de o simulare este dependent de modul de
construcție a modelului, astfel că în cazul formulării greșite a relațiilor sau
interdependențelor se vor obține rezultate eronate.
4. Poate deveni un „bun la toate” pentru manageri, astfel incât unele tehnici analitice mai
simple și mai utile pentru a găsi soluții mai bune pot fi trecute cu vederea.
Sursa: http://www.asecib.ase.ro/Dobre/html/capitolul-1-3.html

În prezent, se constată o creştere a utilizării simulării în diverse domenii. Această

situaţie a fost favorizată de mai mulţi factori:

 creşterea numărului de instrumente software pentru simulare;

 existenţa unor pachete pentru simularea unor probleme specifice;

2
https://www.asecib.ase.ro/Dobre/html/capitolul -1-3.html
5
  preţurile convenabile la care pot fi procurate cele mai multe din pachetele de programe
disponibile;
 pachetele de programe pentru simulare nu necesită, în general, o expertiză tehnică
deosebită pentru a fi utilizate;
 sistemele informatice actuale pot oferi cantităţi mari de date necesare realizării
experimentelor de simulare.3

1.3. Clasificarea tehnicilor de simulare

Tabel nr.1.3. Clasificarea tehnicilor de simulare

1. După natura echipamentului de Metode de simulare analogică directă și indirectă

calcul utilizat
2. După precizia rezultatelor
3. Din punctul de vedere al algoritmilor
utilizați
4. După raportul temporal de simulare
5. În raport cu momentul aplicării
deciziei sau rezultatelor simulării
Sursa: suport de curs platforma Hyperion
Metode de simulare numerică - lanțurile Markov,
metoda Monte Carlo, tehnica dinamicii sistemelor
sau algoritmi euristici
Metode de simulare hibridă
Tehnicile de simulare fundamentate matematic
Tehnicile de simulare euristică
Simularea deterministă (dirijată)
Simularea stochastică
Simularea deterministă cu perturbații aleatoare
Simularea în timp real
Simularea în pseudo-timp
Antesimularea
Postsimularea

1.4. Metoda de simulare numerică (digitală, matematică)

Această metodă constă în analiza și studiul sistemelor economice utilizând analogiile
de calcul. Se poate efectua:

 manual (pentru probleme de dimensiuni foarte reduse și care admit abateri mici)
 cu ajutorul calculatoarelor de birou (pentru modele reduse și precizie redusă)
 cu ajutorul calculatoarelor electronice (pentru modele economice de dimensiuni mari
sau chiar mici, dar care necesită precizie mare).4

3
https://www.asecib.ase.ro/Dobre/html/capitolul-2-2.html
4
Idem
6
 CAPITOLUL 2.
SIMULAREA MONTE CARLO
Avem de luat o decizie complicată, care să fie fundamentată statistic. Dar oare avem
variabile care să influențeze rezultatul final și a căror evoluție vrem să o anticipăm? Vrem să
știm exact care sunt variantele de rezultat final și care sunt probabilitățile aferente? La toate
acestea, cu ajutorul unei metode special dezvoltate, numită simularea Monte Carlo și cu
ajutorul specialiștilor, putem găsi mult mai ușor răspunsuri.

2.1. Simularea Monte Carlo (metoda experimentărilor statistice)

Originea conceptului

Metoda Monte Carlo, cunoscută și sub denumirea de simularea Monte Carlo, a fost
concepută de echipa oamenilor de știință implicați în proiectul bombei atomice în anii ’40.
Totul a plecat de la ideea lui Stanislaw Ulam de a utiliza combinații aleatorii de variabile și
valori ale acestora pentru analiza comportamentului unor sisteme sau procese complexe.
Alături de colegul său John Von Neumann, a dezvoltat primul model Monte Carlo folosit
pentru simularea traiectoriei unui neutron în plutoniu sau uraniu. Ei au prevăzut posibilitatea
utilizării calculatorului la colectarea informațiilor statistice a problemei studiate: simulările
computerizate pentru a estima probabilitatea ca reacția în lanț necesară pentru o bombă
atomică să detoneze și să funcționeze cu succes. Având în vedere caracterul secret al
proiectului dar și faptului că fizicienii implicați au fost mari fani ai jocurilor de noroc,
metoda a primit un nume codificat, fiind inspirat de celebrul oraș Monte Carlo și de
asemănările existente între jocurile de noroc și procesele analizate prin această metodă.

Metoda a primit diferite definiții de-a lungul timpului, a cunoscut o varietate de

interpretări, a străbătut un lung și controversat process de dezvoltare și formare. Un principal
avantaj pe care îl constituie această metodă pentru rezolvarea unor probleme îl reprezintă
faptul că pentru obținerea celui mai bun rezultat este nevoie de un efort de calcul mic în
paralel cu dificultatea problemei.5

Ce reprezintă simularea Monte Carlo? (descrierea conceptului)

 metodă informatizată care utilizează tehnici statistice de eşantionare pentru obţinerea

unei aproximări probabilistice la soluţia unui model. În acest context, simularea constă

5
https://virtualboard.ro/analiza-monte-carlo-evaluare-decizii-alternative-simulari-in-afaceri

7
 în procesul de aproximare a rezultatului unui model prin aplicarea aleatoare repetitivă
a algoritmului unui model;
 combină distribuţiile de probabilitate în conformitate cu relaţiile existente în modele,
prin încercarea mai multor combinaţii de variabile de intrare şi stocarea rezultatelor
pentru afişare. Relevanţa acestei metode constă în faptul că rezultatele sunt deseori
grafice ale distribuţiilor de probabilitate sau distribuţii de probabilitate cumulative ale
variabilelor de ieşire, precum costul total sau datele de finalizare. Aceste rezultate
permit măsurarea completă şi obiectivă a diferitelor riscuri.
 este o metodă cantitativă ce anticipează rezultatul în urma analizei șanselor ca
variabilele introduse în model să se comporte într-un anume fel.
 tehnici matematice care permit cercetătorilor să facă estimări într-o lume
probabilistică.
 este menită de a determina riscul în analiza cantitativă şi în procesul de luare a
deciziilor.
 realizează analiza riscului construind modele ale posibilelor rezultate, cu o serie
diferită de valori -o distribuţie a probabilităţii - pentru fiecare factor care conţine o
nesiguranţă inerentă. Apoi calculează rezultatele de mai multe ori, folosind de fiecare
dată o altă varietate de valori întâmplătoare din funcţiile generatoare de probabilităţi.
 în funcţie de numărul de factori posibili, metoda Monte Carlo poate implica zeci de
mii de recalculări înainte de a fi încheiată. Prin metoda Monte Carlo se realizează
diverse distribuţii ale posibilelor valori ale rezultatului final.
 cu ajutorul acestei metode se simulează toate rezultatele posibile ale unui proces, lucru
modelat de multipla repetare a procesului respectiv.6

Metoda se utilizează în domenille:

 Cercetare operațională (studiul proceselor de servire, gestiunea stocurilor, jocuri

operaționale)
 Macroeconomie
 Microeconomie (procese de muncă, repartiția optimă a utilajelor)
 Calcul numeric (rezolvarea integralelor multiple, rezolvarea ecuațiilor diferențiale,
inversarea matricelor)

6
https://virtualborad.ro/analiza-monte-carlo-evaluare-decizii-alternative-simulari-in-afaceri/
https://bibiloteca.regielive.ro/referate/economie/aplicatii-ale-metodei-de-simulare-monte-carlo-in-
economie-386744.html
8
  Alte domenii: biologie, chimie, mecanica fluidelor, finanțe, management, asigurări,
transport, protecția mediului etc.

Pentru a înţelege ce înseamnă o simulare Monte Carlo, trebuie mai întâi să luăm în
considerare un scenariu în care nu avem nevoie de o astfel de simulare: pentru predicţia
rezultatelor într-un sistem liniar simplu. Dacă este cunoscută direcţia precisă şi viteza pe care
le are o greutate aruncată de un atlet olimpic la momentul părăsirii mâinii acestuia, se poate
folosi o ecuaţie liniară pentru a prezice cu acurateţe cât de departe va zbura obiectul. Acest
caz este unul determinist, în care condiţii iniţiale identice vor conduce mereu la acelaşi
rezultat. Lumea, în schimb, este plină cu sisteme mult mai complicate decât o aruncare a unei
greutăţi. În aceste cazuri, interacţiunea complexă a mai multor variabile sau natura
probabilistică moştenită a unui anumit fenomen exclude o predicţie definitivă. Astfel, o
simulare Monte Carlo integrează date de intrare aleatorii şi esenţiale (cu limite realiste) pentru
a modela un sistem si a returna rezultatele probabile.

În anii 1990, de exemplu, Agenţia pentru Protecţia Mediului a început folosirea

simulărilor Monte Carlo în testele de evaluare a riscurilor. Presupunem că se doreşte
analizarea riscului general pe care smogul îl are asupra sănătăţii oamenilor într-un oraş, ţinând
cont că nivelul de smog poate varia între diferite cartiere şi că locuitorii petrec cantităţi variate
de timp în afara caselor. Fiind dat un interval de valori pentru fiecare variabilă, o simulare
Monte Carlo va selecta aleator un număr din fiecare interval şi va expune rezultatul
combinaţiilor acestor numere, apoi va repeta acest proces de zeci de mii sau chiar milioane de
ori. Simularea nu va avea nici măcar două iteraţii identice, dar luate ca un întreg, aceste
iteraţii construiesc o imagine realistă a expunerii populaţiei la smog. Acumularea de date
permite identificarea, de exemplu, a unui nivel mediu de expunere la smog. Pentru a fi siguri,
simulările Monte Carlo sunt la fel de bune ca şi datele introduse ca parametri de intrare; date
empirice precise vor fi necesare pentru producerea unor rezultate simulate realiste.7

7
https://bookmaker-ratings.ro/wiki/metoda-monte-carlo-simulare/

https://scientia.ro/stiinta-la-minut/matematica/2995-ce-sunt-simularile-monte-carlo.html

9
2.2. Ideea de bază a metodei Monte Carlo

Metoda Monte Carlo cumprinde o clasă largă de calculi algoritmici care se bazează pe
algoritmi din eșantioane pentru a obține rezultate numerice. Pe baza metodei „Monte Carlo”
s-au dezvoltat software- uri dedicate cum ar fi: Crystal Ball sau Risk.

O scurtă descriere a programului Crystal Ball: este o aplicație de smartphone care îi

monitorizează pe angajați care posedă mașini pe firmă, încercându-se urmărirea lor. Această
aplicație funcționează asemănător unui sistem de monitorizare prin GPS a flotei auto.
Managerii pot afla exact localizarea angajațiilor, apelurile telefonice date și primite. Aplicația
este compatibilă cu telefoanele inteligente, primul pas ar fi ca angajatul să se autentifice în
sistem. După terminarea programului de lucru, angajatul poate trece pe modul privat nemai
permițând urmărirea. Acest program este o completare a Microsoft Excel, reprezintă un
pachet de modelare ușor de utilizat si eficient.

Programul Risk: a fost dezvoltat de Palisade și se bazează pe formule pentru simularea

Monte Carlo, prezentând următoarele avantaje: interfață ușoară și adecvată, raționamentul
distribuției fiind incorporate în Excel, codificare automată a culorilor.8

2.3. Paşii metodei Monte Carlo

Tabel nr.2.1. Pașii metodei Monte Carlo

1. Se determină variabilele sau componentele cele mai semnificative ale modelului.

2. Se determină o măsură a eficacităţii pe care o au variabilele modelului studiat.
3. Se schiţează distribuţiile de probabilitate cumulată ale modelului.
4. Se stabilesc şirurile de numere aleatoare care sunt într o corespondenţădirectă cu
distribuţiile de probabilitate cumulată ale fiecărei variabile.
5. Pe baza examinării rezultatelor obţinute se determină soluţiile posibile ale problemei.
6. Se generează un set de numere aleatoare folosind tabelele de numere aleatoare.
7. Utilizând fiecare număr aleator şi distribuţia de probabilitate, se determină valorile
fiecărei variabile.
8. Se calculează valoarea variabilă funcţională de performanţă.
9. Se reiau încercările de la pasul 6 și 8 pentru fiecare soluție posibilă.
10. Pe baza rezultatelor obținute se ia o decizie cu privire la soluția optimă.
Sursa:https://vdocuments.mx/metoda-de-simulare-monte-carlo.html

8
https://vdocuments.mx/metoda-de-simulare-monte-carlo.html

10
2.4. Etapele de bază ale simulării Monte Carlo în EXCEL

 reprezentarea tabelară a frecvențelor specifice cazurilor analizate

 calculul probabilităților pentru fiecare caz în parte
 calculul probabilităților cumulate pentru fiecare caz în parte
 construirea unui tabel cu două coloane având în prima coloană probabilitățile cumulate
calculate anterior, fără valoarea 1 dar cu valoarea 0 plasată în fața acestora iar în a
doua coloană valorile corespunzătoare cazurilor analizate
 se generează un număr aleatoar (RAND()) cu o distribuție uniformă. (Distribuția
uniformă este aceea în care probabilitatea de apariție a oricărei valori este aceeași
(constantă), rezultatele sunt egal probabile. Histograma conține în acest caz
dreptunghiuri de înălțimi egale, motiv pentru care distribuția uniformă mai este
denumită dreptunghiulară (rectangulară).
 corespunzator acestora, prin funcția VLOOKUP se identifică în prima coloană
intervalul de valori în care se încadrează, se ia limita inferioară a acestuia și se
returnează valoarea corespunzătoare din coloana a doua a aceluiași tabel => prima
experimentare
 se repetă ultimii 2 pași de cel putin 1000 de ori, printr-o simplă copiere a formulelor
din rândul anterior sau prin tabelari de funcții
 se analizează datele obținute prin intermediul unor indicatori statistici și cu ajutorul
unui grafic.9

2.5. Utilizarea simulării Monte Carlo în afaceri

Simularea deciziilor economice poate fi aplicată tuturor claselor de probleme:

previziuni financiare, reguli de funcționare, politici și proceduri, și mai concret, adaptarea
deciziilor, controlul deciziilor, politica de prețuri etc. Rezolvarea problemelor cu ajutorul
tehnicilor de simulare presupune utilizarea unor algoritmi interactivi și existența unor pași
bine determinați în vederea atingerii obiectivului presupus. Deși metodele Monte Carlo
variază, acestea urmează același traseu:

9
https://www.scritub.com/diverse/Modelarea-deciziilor94135.php

11
  Definirea domeniului (variabilelor) care se dorește studiat;
 Generarea aleatorie a valorilor aferente variabilelor;
 Calculul deterministic;
 Agregarea rezultatelor.

Metoda de simulare Monte Carlo se utilizează din ce în ce mai mult în domeniul

afacerilor, pentru analiza problemelor stochastice sau în condiții de risc, atunci când aceeași
direcție de acțiune poate avea mai multe consecințe, ale căror probabilități se pot estima.
Variabilele care au valori ce nu pot fi cunoscute cu certitudine, dar pot fi descrise prin
distribuții de probabilitate se numesc variabile stochastice sau probabiliste. În simulare,
pentru a imita variabilitatea unei astfel de variabile, este necesară generarea valorilor posibile
pe baza distribuției sale de probabilitate. Analiza Monte Carlo utilizată pentru simulări în
afaceri este un instrument care oferă managerilor informații pentru a evalua diverse decizii
alternative. Metoda estimează cât mai exact rezultatele posibile pe baza estimării probabilității
ca fiecare variabilă să evolueze într-o anume direcție.10

2.6. Simularea Monte Carlo- transformarea incertitudinii și riscului în prognoză

Spre deosebire de legile fizicii, care sunt ușor de previzionat (exemplu: vom afla exact
unde și în cât timp va ajunge un obiect aruncat, dacă știm forța cu care a fost aruncat și
direcția exactă), în lumea afacerilor, în special în condițiile socio-economice actuale, ne
desfășurăm activitatea în condiții de maximă incertitudine. Pentru gestionarea numărului mare
de variabile și previzionarea în condiții de incertitudine, au fost dezvoltate diferite modele
computerizate Monte Carlo, care preiau datele aleatorii pe care le avem la dispoziție (venitul,
vânzările, prețurile etc.) sau generează propriile date aleatorii, oferind în schimb previziuni.
Cu ajutorul calculatoarelor, putem rula sute și mii de seturi de intrări în modelul nostru
în doar câteva minute. Rezultatele obținute vor arăta ce se poate întâmpla în cazul fiecărui
scenariu și care va fi rezultatul fiecărei acțiuni. În plus, se vor oferi reprezentări grafice,
analiza impactului și alte informații importante. De exemplu, când construim un supermarket,
se iau în considerare toate aspectele: cumpărătorii, mesele de lucru, preţul mediu de
cumpărare şi alţi parametri, precum orarul casierilor sau chiar un plan global al clădirii.11

10
https://vdocuments.mx/metoda-de-simulare-monte-carlo.html

11
https://virtualboard.ro/analiza-monte-carlo-evaluare-decizii-alternative-simulari-in-afaceri/

12
2.7. Cine utilizează simularea Monte Carlo?

Simularea deciziilor de natură economică se poate aplica tuturor problemelor care

integrează reguli de funcționare, politici și proceduri, spre exemplu adaptarea deciziilor,
controlul deciziilor sau politica de prețuri. Multe companii utilizează simularea Monte Carlo
ca parte importantă a procesului decizional. Iată câteva exemple:
 General Motors, Proctor &Gamble, Pfizer, Bristol-Myers Squibb și Eli Lilly folosesc
simularea pentru a estima atât rentabilitatea medie, cât și factorul de risc pentru
produse noi. La GM, aceste informații sunt utilizate de către CEO pentru a determina
cu ce produse să vină pe piață.
 GM utilizează simularea pentru activități, cum ar fi prognozarea veniturilor nete
pentru corporație, estimarea costurilor structurale și de achiziție și determinarea
susceptibilității sale la diferite tipuri de risc (cum ar fi modificările ratei dobânzii și
fluctuațiile cursului de schimb).
 Lilly folosește simularea pentru a determina capacitatea optimă a plantelor pentru
fiecare medicament.
 Proctor & Gamble utilizează simularea pentru a modela și pentru a acoperi optim
riscul valutar din străinătate.
 Sears utilizează simularea pentru a determina câte unități din fiecare linie de produs ar
trebui să fie comandate de la furnizori (de exemplu, numărul de perechi de pantaloni
de andocare care ar trebui să fie ordonați anul acesta.
 Companiile petroliere și farmaceutice utilizează simularea pentru a evalua valoarea
„Opțiuni reale", cum ar fi valoarea unei opțiuni pentru a extinde, a contracta sau a
amâna un proiect.
 Planificatorii financiari utilizează simularea Monte Carlo pentru a determina strategii
de investiții optime pentru retragerea clienților.12

12
https://support.microsoft.com/ro-ro/office/introducere-%C3%AEn-simularea-monte-carlo-
%C3%AEn-excel-64c0ba99-752a-4fa8-bbd3-4450d8db16f1

13
2.8. Alte utilizări ale simulării Monte Carlo

În economie
Simulările pot fi ilustrate printr-un exemplu din sfera teoriei cozii. Deci, să
presupunem că trebuie să aflam cât timp și cât de des trebuie să aștepte clienții la coadă la o
anumită lățime de bandă (setată inițial) a unui magazin. Aceste calcule sunt necesare în primul
rând pentru a decide dacă e necesar sa extindem magazinul. Abordarea cumpărătorilor, de
regulă, este aleatorie sau incertă, prin urmare, distribuția așa-numitului timp de apropiere,
adică intervalul dintre fiecare două sosiri consecutive de cumpărători, poate fi determinată
independent pe baza informațiilor disponibile. Pe de altă parte, timpul de serviciu al fiecărui
client este de asemenea aleatoriu, prin urmare, distribuția acestuia poate fi detectată. Deci,
înaintea noastră există două procese stocastice, a căror interacțiune directă creează o coadă.

După cum arată practica, folosind în realitate metoda Monte Carlo, putem sorta la
întâmplare de multe ori toate posibilitățile, menținând în același timp caracteristici de
distribuție. Drept urmare, va fi posibilă recrearea artificială a întregului tablou al acestui
proces. Apoi, repetând din nou această imagine, de fiecare dată schimbând condițiile, putețm
obține date statistice, ca și cum ar fi colectate în timp real. În același mod, putețm din nou, de
mai multe ori, sa recream o imagine artificială a lucrării aproape in orice magazin, folosind
în practică metoda Monte Carlo. Simularea în acest caz va repeta datele reale. Din nou, se
obțin cele două procese stocastice descrise mai sus. Interacțiunea lor alternativă în rezultatul
final va produce din nou o „coadă” cu aproape aceiași indicatori ca în viața reală. De fapt,
metoda Monte Carlo este destul de simplă, eficientă și convenabilă, ceea ce determină
utilizarea ei pe scară largă, atât în economie cât și în alte științe exacte.

În marketing

Poate fi folosită pentru studiul influenței variabilelor de marketing asupra

comportamentului consumatoruilor. Cu ajutorul acesteia, se pot identifica:

 Fidelitatea cumpărătorilor față de diferite mărci

 Influența informațiilor asupra comportamentului de cumpărare
 Eficacitatea mijloacelor promoționale
 Se poate determina forța de vânzare
 Se pot testa diferitele politici și strategii alternative pentru marketingul produselor,
special aplicate la un segment de piață dat ;
 se poate evalua succesul probabil al noilor produse într-un prim stadiu de dezvoltare a

14
 pieței etc, deoarece este posibilă o diferențiere precisă a consumatorilor prin atribuirea
unor ecuații și parametrii distincții fiecăruia dintre aceștia.

În analiza pariurilor sportive

Care este mai exact rolul metodei Monte Carlo în pariurile sportive?

Ea este folosită pentru a afla în ce mod rezultatele precedente ale unui jucător au fost
influențate de noroc și cum factorul aleator (random) poate influența rezultatele viitoare. Dacă
în ultimul an a făcut profit din pariuri și are un istoric ce conține toate pariurile plasate, atunci
această metodă îl ajută la aflarea a cât de mult a contribuit norocul la respectivele rezultate.
De asemenea, dacă există un model de analiză a probabilităților de câștig a fiecărui pariu în
parte, metoda îl ajută să afle dacă așteptările sale sunt sau nu conform cu realitatea.

Cum se face? Printr-un număr foarte mare de simulări care iau în considerare atât
informațiile introduse de jucător dar și factorul aleator (random), care inevitabil are un rol
important în pariurile sportive. Probabil că o singură simulare ar genera rezultate destul de
aleatorii, dar când sunt efectuate 1000 sau 10000 de simulări, media acestora este mult mai
relevantă. Exact acest lucru face simularea Monte Carlo. Efectuează într-un mod simplu
foarte multe simulări luând în considerare cota fiecărui pariu în parte, valoarea așteptată și
factorul aleator. Simularea este utilă:

 pentru a anticipa ce profit / pierderi vor aduce următoarele pariuri

 pentru a vedea dacă modelul personal de analiză genereză rezultate conforme cu
realitatea
 pentru a vedea dacă rezultatele pariurilor decise au fost influențate de noroc și în ce
proporție13

13
https://www.academia.edu/39283360/Metoda_Monte_Carlo_in_pariurile_sportive

https://karlmorgan.net/ro/novosti-i-obschestvo/74654-chto-takoe-metod-monte-karlo.html

15
 CONCLUZII

Metoda Monte Carlo poate fi utilizată pentru a descrie aproximarea soluțiilor la

problemele cantitative, cu ajutorul eșantionării statistice. Simularea Monte Carlo este utilizată
în special ca metodă de a propaga (translata) incertitudinile legate de datele de intrare ale
modelelor, construite în incertitudini aferente rezultatelor așteptate, pentru a calcula
probabilitatea distribuției perfomanței previzionate. Simularea Monte Carlo este cea mai
utilizată tehnică pentru propagarea incertitudinii legată de variate aspecte ale unui sistem,
către performanța previzionată.

Metoda Monte Carlo este o metodă aproximativă ce poate fi adaptată problemelor

economice. Precizia metodei este determinată de numărul de încercări independente şi de
variaţia lor. Numărul de încercări variază invers proporţional cu probabilitatea. Metoda Monte
Carlo nu este adaptată studiului unor procese cu probabilitate foarte mică, deoarece rezultă un
număr imens de cicluri de simulare.
Problema principală care se rezolvă prin simularea Monte Carlo constă în
estimarea valorii medii a unei variabile aleatoare. Precizia metodei Monte Carlo este dată de
numărul de experimentări și variația lor. Cu cât numărul de încercări este mai mare, cu atât
rezultatele vor fi mai apropiate de realitate.

16
 BIBLIOGRAFIE

1. Suport curs platforma Hyperion

2. http://www.asecib.ase.ro/Dobre/html/capitolul-2-2.html

3. https://biblioteca.regie.ro/referate/economie/aplicatii-ale-metodei-de-simulare-monte-
carlo-in-economie-386744.html

4. https://support.microsoft.com/ro-ro/office/introducere-%C3%AEn-simularea-monte-carlo-
%C3%AEn-excel-64c0ba99-752a-4fa8-bbd3-4450d8db16f1

5. https://virtualborad.ro/analiza-monte-carlo-evaluare-decizii-alternative-simulari-in-afaceri/

6. https://www.scritub.com/diverse/Modelarea-deciziilor94135.php

7. https://bookmaker-ratings.ro/wiki/metoda-monte-carlo-simulare/

8. https://scientia.ro/stiinta-la-minut/matematica/2995-ce-sunt-simularile-monte-carlo.html

9. https://vdocuments.mx/metoda-de-simulare-monte-carlo.html

10. https://www.academia.edu/39283360/Metoda_Monte_Carlo_in_pariurile_sportive

11. https://karlmorgan.net/ro/novosti-i-obschestvo/74654-chto-takoe-metod-monte-karlo.html

12. https://vdocuments.mx/metoda-de-simulare-monte-carlo.html

17
 Anexa nr.1

Număr Număr
tabel pagină Denumirea tabelului
1.1. 5 Avantajele simulării
1.2. 5 Dezavantajele simulării
1.3. 6 Clasificarea tehnicilor de simulare
2.1. 10 Pașii metodei Monte Carlo

18