Facultatea de Stiinte Economice

Specializarea Management ID - anul III

Grupa 302
Matei ( Constantinescu) Elena-Claudia

SIMULĂRI ŞI PROIECTE DE MANAGEMENT

Aplicabilitatea metodei Monte – Carlo in pariurile sportive

1
 Metoda Monte – Carlo

Termenul de "Metoda Monte - Carlo" se utilizează pentru a desemna două tehnici diferite.
Prima tehnică constă în evaluarea integralelor definite prin utilizarea variabilelor aleatoare.
Obiectivul este de a calcula

   
(unde x poate fi un vector), estimând expresia

 
unde p(x) este funcţia de densitate a variabilei aleatoare definită pe [a,b]. În acest caz,
problema iniţială este transformată în aceea privind estimarea mediei lui F(x)/p(x). Aceasta se
poate rezolva generând valori aleatoare pentru p(x) şi apoi calculând media lui F(x)/p(x).

Al doilea sens al "metodei Monte - Carlo" presupune înlocuirea unui fenomen real cu un
experiment statistic, ce va fi studiat cu ajutorul tehnicilor moderne de calcul. Variabilele aleatoare
ce intervin în model, sunt generate cu calculatorul prin procedee adecvate. În vederea obţinerii unei
imagini corecte a evoluţiei fenomenului sau procesului studiat trebuie ca variabilele aleatoare să fie
estimate cu abatere cât mai mică în raport cu cele ce apar în realitate şi experimentul să fie repetat
de un număr convenabil de mare de ori, pentru a se pune în evidenţă principalele trăsături ale
fenomenului modelat.
Această metodă cuprinde în realitate mai multe tehnici de simulare în cadrul cărora analiza
fenomenului real se înlocuieşte cu analiza unui fenomen artificial, descris de un model, prin
rezolvarea acestuia generând pentru variabile, valori aleatoare.

Deci, metoda asociază problemei reale un model aleator şi prin generarea unor variabile
aleatoare legate funcţional de soluţie, se realizează experienţe pe model şi se furnizează informaţii
asupra soluţiei problemei deterministe. Dintre domeniile pentru care se pretează utilizarea metodei
Monte - Carlo menţionăm:
- Cercetările operaţionale: studiul sistemelor de servire; gestiunea stocurilor; metoda
PERT; jocuri operaţionale.
- calcul numeric: rezolvarea integralelor multiple; rezolvarea ecuaţiilor diferenţiale;
probleme Dirichlet.
- economie: studiul gestiunii materialelor; jocuri de conducere; dezvoltarea unei ramuri,
zone, economii; procesul de repartiţii şi de producţie.
- industrie: procese de muncă; repartiţia optimă a utilajelor; probleme de transport.
- alte domenii: biologie, chimie, mecanica fluidelor, fizica nucleară, fenomene naturale, etc.

2
 Metoda îşi demonstrează eficienţa în analiza fenomenelor şi proceselor care se produc în
sistemele caracterizate printr-un număr foarte mare de variabile şi parametrii, prin relaţii complexe
între componente, prin factori perturbatori şi prin modificări a evoluţiei în timp.
Folosirea acestei metode nu impune cu necesitate cunoaşterea relaţiilor exacte dintre
mărimile ce urmează a fi estimate, ci este suficient să fie pus în evidenţă acel complex de condiţii
în prezenţa cărora experimentul respectiv are loc.
Bazele teoretice ale metodei au fost puse în anul 1949 de Metropolis şi Ulam, dar ideea
acestor metode a apărut încă din 1777 când Buffon a formulat celebra problemă a calculului
probabilităţii de intersecţie a unui ac aruncat la întâmplare, pe o suprafaţă plană pe care sunt trasate
drepte paralele echidistante, idee care în 1860 datorită lui Barbier a permis calculul numărului π
prin aruncări succesive ale unui ac de lungime l, pe o suprafaţă plană cu drepte paralele la
echidistanta a. Fermi, Metropolis şi Ulam foloseau pentru aplicarea metodei, la studiul difuziei
neutronilor în materialele fisionabile, listele de numere întâmplătoare care se publicau la Monte -
Carlo. De aici a rezultat cea mai răspândită denumire a metodei. În SUA metoda a mai fost
cunoscută şi sub denumirea de "metoda Las Vegas". În literatura de specialitate se întâlnesc
următoarele denumiri echivalente: metoda încercărilor echivalente; metoda experimentărilor
statistice; simularea numerică; metoda simulării indirecte; metoda numerelor aleatoare.

Paşii metodei Monte - Carlo sunt urmatorii:

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 corespondenţă directă 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 şi 8 pentru fiecare soluţie posibilă.

10. Pe baza rezultatelor obţinute se ia o decizie cu privire la soluţia optimă.

3
 Analiza pariurilor folosind Monte - Carlo

Care este mai exact rolul metodei Monte - Carlo în pariurile sportive? Ea este folosită
pentru a afla în ce mod rezultatele dumneavostră precedente au fost influențate de noroc, și cum
factorul aleator (random) poate influența rezultatele viitoare. Dacă în ultimul an ați făcut profit la
pariuri și aveți un istoric ce conține toate pariurile plasate, atunci metoda Monte Carlo vă va
ajuta să aflați cât de mult a contribuit soarta la respectivele rezultate. De asemenea, dacă aveți un
model de analiză a probabilităților de câștig a fiecărui pariu în parte, metoda de simulare Monte
Carlo vă ajută să aflați dacă așteptările dumneavoastră sunt sau nu conform cu realitatea.

Cum se face asta? Simplu, printr-un număr foarte mare de simulări care iau în
considerare atât informațiile introduse de dumneavostră, cât și factorul aleator (random) care
inevitabil are un rol important în pariuri sportive. Probabil că o singură simulare ar genera
rezultate destul de aleatorii, dar când se efectuează 1,000 sau 10,000 de simulări atunci media
acestora este mai mult decât relevantă. Iar exact acest lucru face metoda Monte – Carlo.
Efectuează într-un mod simplu foarte multe simulări luând în considerare cota fiecărui pariu în
parte, valoarea așteptată și factorul aleator (random).

Fiecare parior profesionist are ca obiectiv găsirea de pariuri de valoare, adică pariuri unde
cota oferită este mai mare decât probabilitatea reală de succes al respectivului pariu. De exemplu
găsesc 100 de pariuri de cotă 2.10, unde consider că fiecare pariu are o probabilitate de câștig de
50%, deci anticipez că voi câștiga 50 din cele 100 de pariuri. În situația aceasta, voi lua ca punct
de reper o cotă medie normală de 2.00, pentru că la acea cotă aș scoate o valoare de 1.00. Este la
fel de adevărat că dacă aș lua în considerare payout-urile oferite de către casele de pariuri, atunci
la un payout de 95% pariul respectiv ar avea o cotă de 1.90.

Dar pe mine mă interesează cota găsită de mine în raport cu cota reală necesară
obținerii unei valori de 1.00. Deci în situația de mai sus iau ca puncte de reper cotele găsite de
2.10 și cotele normale de 2.00, deci în această situație valoarea așteptată este de 5% sau 1.05
(2.10 / 2.00). Dacă plasez fiecare pariu pe o miză de 1$ și o cotă de 2.10, și câștig 50 așa cum am
anticipat inițial, la 100$ mizați voi face un profit de 5$ (5%).  La fel, un pariu de cotă 3.50 unde
cota reală o anticipez la 3.00, are o valoare așteptată de 16.67%.

Pentru testul meu voi lua în considerare zece pariuri după  cum urmează:

4
 Conform situației de mai sus, anticipez un profit de aproape 4% (3.93%) după ce cele
zece pariuri vor fi decise. Dar simularea Monte Carlo îmi dă oare dreptate? 

Se efectueaza urmatoarele:

Pasul 1: Se calculează probabilitatea de câștig pe care considerați că o are fiecare

pariu. 

Aceasta trebuie să fie exprimată printr-o valoare decimală cuprinsă între 0 și 1. Pentru a
găsi această valoare, se împarte ” 1 ” la cota corectă (cea pentru o valoare de 1.00). Conform
tabelului de mai sus vine cam așa:

 Pariu 1: 1 / 2.00 = 0.500

 Pariu 2: 1 / 1.95 = 0.513

 Pariu 3: 1 / 4.16 = 0.240

 Pariu 4: 1 / 1.90 = 0.526

 Pariu 5: 1 / 1.58 = 0.633

Și tot așa și pentru restul pariurilor.

 

Pasul 2: Se folosește funcția ”RAND” din Excel pentru a stabili un număr random
între 0 și 1 pentru fiecare pariu.

În dreptul fiecărui pariu trebuie asociat un număr random cuprins între 0 și 1. Acest lucru
se face cu ajutorul funcției ”RAND”, dar cel mai bine este să vă arăt un exemplu. În poza de mai

5
jos  puteți vedea cum arată tabelul cu cele 10 pariuri ale mele. Prima coloană conține cotele
corecte, a doua conține probabilitățile de câștig (pe care le-am explicat mai sus), iar pe coloana a
treia trebuie trecute numerele random. La mine căsuța ”D2” corespunde cu cea unde voi trece
numărul random pentru primul pariu. De aceea în această căsuță am scris: 

=RAND()

Astfel îmi este generat aleatoriu un număr pozitiv mai mic decât 1. Apoi am dat click
stânga pe colțul de jos al căsuței, și am tras în jos pentru a copia funcția și în dreptul celorlalte
pariuri. 

Acum în căsuța ”E2” vreau să mi se genereze automat următoarea informație. Dacă

probabilitatea de câștig este mai mare decât numărul random, atunci vorbim de un pariu
câștigător, deci vreau să fie trecut profitul, care este echivalent cu diferența dintre cotă și
valoarea 1.00. Dacă de exemplu am o cotă de 1.95, atunci profitul va fi de 0.95. Dacă în schimb
probabilitatea de câștig este mai mică decât numărul random, atunci vorbim de un pariu
pierzător, și vreau să fie trecută valoarea ”-1”, adică faptul că am pierdut o unitate pe acel pariu
plasat. Cum se face acest lucru? În cazul tabelului meu funcția pe care o voi trece în ”E2” arată
cam așa:

=IF(C2>D2,B2-1,-1)

Prin traducere liberă,dacă valoarea din căsuța C2 este mai mare decât cea din D2, atunci
îmi va fi afișată valoarea rezultată prin scăderea numărului 1 din valoarea căsuței B2. În caz
contrar, va fi trecută valoarea ”-1”. Se trage de căsuța E2 în jos pentru a copia funcția și pentru
celelalte pariuri. În cazul meu am copiat până la E11. 
 

6
 Pasul 3: Se adună profitul și pierderile tuturor pariurilor din simulare pentru a
calcula randamentul

În căsuța E12 vreau să fie afișată suma valorilor căsuțelor de mai sus, deci am trecut
următoarea funcție:

=SUM(E2:E11)

Pasul 4: Se efectuează cât mai multe simulări și se calculează media valorilor găsite

Pentru ca rezultatele să fie cât mai relevante, am nevoie de cât mai multe simulări. Se
selectează o căsuță din tabel (una neutilizată) și se copieaza funcția prezentată mai sus, cea cu
suma: =SUM(E2:E11). Eu am copiat-o în căsuța E15. Apoi se selectează mai multe căsuțe în
jos, și încă o căsuță la stânga (eu în situația dată am selectat de la D15 la E33). Apoi se alege din
meniul la Excel: ”Data” – ”What If Analysis” - ”DataTable”

Se va deschide o fereastră precum următoarea:

La ”Row input cell” trebuie lăsat gol, iar la ”Column input cell” se trece o căsuță goală
din fișierul dumneavostră. Eu am ales C15 (trebuie pus semnul ”$” în fața literei și numărului, ca
în exemplul de mai sus).

Apoi se vor genera rezultate random pentru mai multe simulări. Eu am selectat 20 de
coloane, deci am primit rezultatul la 20 de simulări.

7
 Făcând o medie între cele 20 de valori, obținem un profit mediu de 0,989%. Modelul
meu de analiză prezentat în prima parte a articolului a generat un profit așteptat de 3.93%.

În situația de față probabil cel mai logic argument pentru aceste diferențe este faptul că
am folosit pentru teste doar 10 pariuri, și doar 20 de simulări, ceea ce este destul de puțin. Se pot
introduce și până la 2,000 de pariuri, și se pot folosi chiar și 100,000 de simulări pentru a putea
obține rezultate cât mai apropiate de realitate.

Dacă după ce se efectuează aceste simulări amănunțite tot există diferențe notabile între
profitul așteptat și profitul generat de simularea Monte - Carlo, atunci înseamnă că modelul
dumneavostră de analiză nu este chiar corect și trebuie îmbunătățit.

Dacă aveți un model de analiză bine pus la punct, atunci vă puteți folosi de simulările
Monte - Carlo pentru a analiza și pariurile deja decise. Dacă ați obținut un profit mai mic decât
cel generat de simulări, înseamnă că norocul nu prea v-a surâs. Dacă în schimb ați obținut un
profit mai mare decât trebuia, înseamnă că norocul a fost de partea dumneavostră.

După cum puteți vedea,  metoda de simulare Monte - Carlo este utilă în multe situații:

8
 pentru a anticipa ce profit / pierderi vă vor aduce următoarele pariuri

 pentru a vedea dacă modelul dumneavostră personal de analiză genereză rezultate

conforme cu realitatea

 pentru a vedea dacă rezultatele pariurilor decise au fost influențate de noroc, și în ce

proporție.