Documente Academic
Documente Profesional
Documente Cultură
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.
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
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
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
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
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.
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.
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
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.
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.
8
https://vdocuments.mx/metoda-de-simulare-monte-carlo.html
10
2.4. Etapele de bază ale simulării Monte Carlo în EXCEL
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.
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?
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
14
pieței etc, deoarece este posibilă o diferențiere precisă a consumatorilor prin atribuirea
unor ecuații și parametrii distincții fiecăruia dintre aceștia.
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:
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
16
BIBLIOGRAFIE
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