Obtinerea de Selectii Simulate Cu Excel in Cazul Variabilelor Probabiliste Discrete Si Continue - Metoda Monte Carlo

1
Master Management 2011-2012

Simularea proceselor economice
- Curs 3
Metoda Monte Carlo

Obinerea de selecii simulate
cu EXCEL n cazul
variabilelor probabiliste
discrete si continue
master Management SPE 2011 - 2012
2
CUPRINS
I. Procedura pentru aplicarea metodei Monte Carlo n
cazul variabilelor probabiliste discrete
Distribuii discrete de probabilitate
empiric discret
uniform discret
binomial
Poisson .
II. Procedura pentru aplicarea metodei Monte Carlo n
cazul variabilelor probabiliste continue
Distribuii continue de probabilitate
empiric continu
uniform continu
triunghiular
normal
exponential
master Management SPE 2011 - 2012 3
v. a. discrete vs. continue
O v.a. este o cantitate masurata in legatura cu un experiment
aleator;
O variabil aleatoare sau o distribuie nu este altceva dect un
alt mod de a descrie rezultatul unui experiment aleator.
V.a sunt importante deoarece asigura obiectivitate in reproducerea
/replicarea unor rezultate ale unor evenimente (prin verificabilitate,
reproductibilitate). Analistul/decidentul/cercetatorul alege procentajul
din masa de evenimente replicate care ar trebui in principiu sa conduca
la rezultate similare (sa fie acceptate in baza formularii ipotezei
verificate ca fiind CORECTA, si sa respinga ipoteza FALSA), permitand
variabilitatea rezultatelor.
Nivel de incredere: 1 = 0.90, 0.95, 0.99
Nivel de semnificatie: = 0.10, 0.05, 0.01(erori acceptate)

4
Clasificare v.a.
Numerice
Discrete vs. continue

Categoriale
Nominale/ordinale
Ex1: succes/esec
Ex2: categorii: note/scoruri:1, 2, 3 , ani 2010, 2011, etc. sau
clase: I, II, III etc. sau atribute calitative

Descrierea v.a.
f(x) functie de masa/densitate de probabilitate
F(x) functie de repartitie

Indicatori statistici:
medie,
dispersie, abatere standard
etc.
Terminology - Probability mass function
a probability mass function (pmf) is a function that gives the probability that a discrete random variable
is exactly equal to some value. A pmf differs from a probability density function (pdf) in that the values
of a pdf, defined only for continuous random variables, are not probabilities as such. Instead, the integral
of a pdf over a range of possible values (a, b] gives the probability of the random variable falling within
that range.
Suppose that X: S R is a discrete random variable defined on a sample space S. Then the probability mass
function f
X
: R [0, 1] for X is defined as

Note that f
X
is defined for all real numbers, including those not in the image of X; indeed, f
X
(x) = 0 for all x
X(S).
Since the image of X is countable, the probability mass function f
X
(x) is zero for all but a countable number of
values of x.
The discontinuity of probability mass functions reflects the fact that the cumulative distribution function of a
discrete random variable is also discontinuous. Where it is differentiable, the derivative is zero, just as the
probability mass function is zero at all such points.

Probability density function
a probability density function
(abbreviated as pdf, or just density)
of an absolutely continuous random
variable is a function that describes
the relative chance for this random
variable to occur at a given point in
the observation space. The
probability for a random variable to
fall within a given set is given by
the integral of its density over the
set.
The terms probability distribution
function and probability
function have also been used to
denote the probability density
function.

Cumulative distribution function
The cumulative distribution function (CDF), or just
distribution function, describes the probability that a real-
valued random variable X with a given probability
distribution will be found at a value less than or equal to
x.
Intuitively, it is the "area so far" function of the probability
distribution.
For every real number x, the CDF of a real-valued random
variable X is given by
where the right-hand side represents the probability that the
random variable X takes on a value less than or equal to
x.The probability that X lies in the interval (a, b] is therefore
F
X
(b) F
X
(a) if a < b.
The CDF of X can be defined in terms of the probability density
function as follows:


Exemple de v.a.
Distributie Parametri
Empirica

Se folosesc numere aleatoare

Normala

Media m si abaterea standard s

Uniforma a si b

Exponentiala

b

Triangulara

a, m, si b

Weibull

a si b

Distributii simetrice
Corespund unor valori situate simetric fata de o valoare centrata

Daca exista valori deviante (outliers), distributie devine asimetrica
(skewed), formand eventual coada (tail).

Distributii cu varfuri
Pentru variabile discrete

O functie de probabilitate discreta
- este un tabel, grafic sau regula care arata toate valorile unei
v.a. discrete X si probabilitatile lor corespunzatoare.
Orice functie de probabilitate discreta satisface urmatoarele reguli:
- nici o probabilitate nu poate fi negativa: P(X=x) 0
- suma tuturor probabilitatilor este 1: P(X=x
1
)+P(X=x
2
)+=1
Functia cumulativa de probabilitate arata probabilitatea ca X
sa ia o valoare cu o valoare particulara data:
F(X=x)=P(Xx)
Proprietati: 0F(b) 1 pentru oricare b
daca a<b atunci F(a) F(b)
F(-)=0 si F()=1


o variabil aleatoare discret X
Recapitulare elemente de statistica matematica
variabile aleatoare

Recapitulare (2)
Mecanismul de obtinere a v.a.
Reprezentarea tabelara a datelor
obtinute
Construirea graficelor de frecventa/frecventa
cumulate
The resulting cumulative distribution, which always increases monotonically from 0 to 1, can be
represented by the discontinuous step function in the first graph below. By connecting the midpoints of
the steps, we obtain a continuous polygonal graph called the ogive (pronounced o-jive), shown in the
second graph.
- Se foloseste o metoda specifica de constructie si interpretare bazata pe
histograma frecventei relative si pe faptul ca probabilitatea unui
eveniment este frecventa relativa de aparitie a acelui eveniment intr-un
numar mare de evenimente
- se poate defini numai probabilitatea ca valoarea variabilei s fie
cuprins ntr-un interval specificat.
Aceast probabilitate se calculeaz cu o funcie f(x) de densitate de
probabilitate a crui valoare reprezint aria de sub curba f(x)
corespunztoare intervalului specificat pe axa orizontala.

Pentru o variabil probabilist continu
Probabilitatea P(X s x) ca valoarea variabilei
probabiliste X s fie mai mic dect o anumit
valoare particular x se calculeaz cu funcia de
distribuie cumulativ
F(x) = P(Xsx) =

}

x
dv ) v ( f
Densitate de probabilitate
functie reala continua f astfel incat:
Distribuia discreta empirica
Exemplu 1:

Tabelul 1.
Vnzri de calculatoare tip laptop ale centrului comercial
ALFA n 30 de sptmni

Calculatoare vndute pe
sptmn x
i

Numr de sptmni f
i

0
1
2
3
4
6
12
6
3
3

Pentru a simula cererea sptmnal de calculatoare
Pasul 1. se va determina distribuia de probabilitate a cererii
sptmnale utiliznd frecvena relativ a cererii n cele 30 sptmni,
P(x
i
) =f
i
/30.

Calculatoare vndute pe sptmn x
i
Probabilitatea cererii P(x
i
)
0
1
2
3
4
6/30 = 0,20
12/30 = 0,40
6/30 = 0,20
3/30 = 0,10
3/30 = 0,10
Media = =

=
m
1 i
) i i
x ( P x
= 1,5 calculatoare.
Dispersia o
2
=
2
m
1 i
i
2
i
m
1 i
) i
2
i
) x ( P x x ( P ) x ( =

= =

= 1,45,
Abaterea standard o =
2
o
= 1,204 calculatoare.
Pasul 2.
Se asociaz intervale de numere aleatoare fiecrei valori a
variabilei discrete.
Acest lucru se poate realiza tabelar sau grafic .

Valoarea
variabilei
probabiliste
x
i

Probabilitatea
P(X =x
i
) =
P(x
i
)
Funcia
distribuiei
cumulative
F(x
i
)
Intervale
[F(x
i-1
), F(x
i
))
x
1
= 0
x
2
= 1
x
3
= 2
x
4
= 3
x
5
= 4
0,2
0,4
0,2
0,1
0,1
0,2
0,6
0,8
0,9
1,0
[0,0, 0,2)
[0,2, 0,6)
[0,6 0,8)
[0,8 0,9)
[0,9 1,0]


Pentru generarea unui numar aleator se poate folosi
nr. aleatoare uniform distribuite (functia =RAND()) sau
un generator specific

Pentru utilizarea acestui nr. aleator pentru a
extrage o valoare x
i
a variabilei probabiliste,
in EXCEL se poate folosi functia:

= VLOOKUP (nr. aleator, zona tabelului cu
distributia cumulata asociata valorilor
variabilei probabiliste, coloana din tabel in
care se afla valorile variabilei probabiliste)
Foaia de calcul EXCEL va avea doua parti:

I. Tabelul cu distributia cumulata
asociata valorilor variabilei probabiliste
II. Rezultatele simularii

Distribuia uniform discret

- descrie variabilele cu un numr mic de valori
posibile, fiecare cu aceeai probabilitate de
realizare.
Dac se consider intervalul [a,b], cu a i b numere
ntregi, atunci numrul valorilor posibile este n=ba+1.
Funcia de mas de probabilitate este:
> <
s s
= = =
b sau x a pentru x 0
b x a pentru
1
) P(x ) x P(X
i i
i
i i n
Distribuia uniforma empirica
(discreta)
n = 5 unde n = ba+1

Distribuia uniform discret

Funcia distribuiei cumulative este:

F(x
i
) = P(X s x
i
) =

Media = (a+b)/2

Dispersia
2
= (n
2
1)/12
>
s s
+
<
b pentru x 1
b x a pentru
n
1 a - x
a pentru x 0
i
i
i
i
Distribuia uniforma empirica (discreta)
Exemplul 2.
Numrul de costume de haine brbteti vndute zilnic n cadrul
unui mare magazin de confecii este o variabil probabilist
discret uniform repartizat n intervalul [6, 10].
Se cere simularea vnzrilor pentru 10 zile.
Tabelul 2. Intervalele de numere aleatoare asociate fiecrei valori din
intervalul [6, 10]
Numrul de
costume de haine
brbteti vndute
zilnic x
i

Probabilitatea
P(X =x
i
)=1/5
Funcia distribuiei
cumulative
F(x
i
) =
P(X s x
i
) =i/5
Intervale
[F(x
i-1
), F(x
i
))
6 0,2 0,2 [0, 0,2)
7 0,2 0,4 [0,2, 0,4)
8 0,2 0,6 [0,4, 0,6)
9 0,2 0,8 [0,6, 0,8)
10 0,2 1,0 [0,8, 1,0]

Selectiile de numere uniform distribuite in
intervalul [a, b] se pot genera cu formula:

x
i
= partea intreaga [a + (b-a+1)*u]
Distribuia binomial
se aplic atunci cnd intr-un experiment repetat de n ori
exist numai dou rezultate posibile: succes sau eec,
admis sau respins, promovat sau nepromovat etc.
(experimentele sunt independente si probabilitatea unui succes
este constanta la fiecare experiment)

Exemplu:
- variabila probabilist este numrul experimentelor cu succes.
Dac probabilitatea p a succesului este aceeai pentru fiecare
din cele n experimente, iar experimentele sunt independente,
atunci funcia de mas de probabilitate este definit prin
probabilitatea ca numrul experimentelor de succes s fie
egal cu o anumit valoare x
i.

Distribuia binomial
Funcia de mas de probabilitate:
P(X=x
i
) = P(xi) =

i
x
n
C
p
x
i
(1-p)
n-x
i

pentru x
i
= 0, 1, 2, ..., n,
unde n este numrul total de experimente.

Funcia distribuiei cumulative:
F(x
i
) = P(X s x
i
) =
=
i
x
0 v
) v ( P

pentru x
i
= 0, 1, 2, ..., n
Media = np
Dispersia o
2
= np(1-p)

Obs: pentru p=0,5, graficul f(x) incepe sa semene cu un
clopot pentru n suficient de mare (aproximeaza o distributie
normala daca np 5 si n (1-p) 5
Functia de distributie cumulativa
Pentru generarea unui numar aleator si
utilizarea acestuia pentru a extrage o
valoare x
i
a variabilei probabiliste
binomiale, in EXCEL se poate folosi
functia:
= CRITBINOM (numr de incercari,
probabilitatea de succes, nr. aleator)
Exemplul 3

O firm de software dorete s organizeze trimestrial
concursuri pentru ocuparea unor posturi de
programatori. Procesul de selectare a angajailor
presupune participarea candidailor la un test de
programare. Se estimeaz c se pot nscrie maxim
10 candidai.
Pe baza experienei de la testele anterioare s-a stabilit
c probabilitatea ca un candidat s treac testul
este de 0,30.
Managerul firmei dorete s determine prin simulare
ci candidai vor promova testul la urmtoarele trei
concursuri.
Exemplul 3 (cont.)

Distribuia Poisson
se aplic n cazul unor evenimente ntmpltoare
independente. Variabila probabilist este numrul de
evenimente care pot avea loc ntr-o perioad de timp.
- Se foloseste in probleme privind numarul de aparitii ale
unui eveniment in unele intervale continue de timp si
spatiu, in probleme de asteptare etc.
Obs: pentru p foarte mic, distributia se foloseste in situatii
care descriu evenimente rare
Exemple: numarul de greseli de tipar pe o pagina de ziar, numar de
accidente intr-o zi, numar de clienti intr-un centru comercial,
numrul persoanelor care sosesc ntr-o staie de servire ntr-un interval
de o or pentru a solicita un serviciu (clieni la un ghieu de banc,
autoturisme la o staie de benzin etc.)

Funcia de mas de probabilitate f(x) este probabilitatea ca
numrul evenimentelor care au loc ntr-un interval de timp
specificat s fie egal cu o anumit valoare x
i
.
Funcia de mas de probabilitate
P(X = x
i
) = P(x
i
) =
!
i
x
x
e
i

unde este numrul mediu al evenimentelor
dintr-un interval de timp specificat, e = 2,7182....
Funcia distribuiei cumulative
F(x
i
) = P(X s x
i
) =
=
i
x
0 v
) v ( P
ptr x
i
= 0, 1, 2,..., N
Media = .
Dispersia o
2
= .
Distribuia Poisson
In EXCEL (=poisinv(p, mean)), se vor parcurge
doua etape:
1. Se va construi tabelul cu distributia cumulata
asociata valorilor variabilei probabiliste cu functia:

= POISSON (nr. evenimente, media,
variabila logica cu valoarea 1 daca se
calculeaza distributia cumulata si
valoarea 0 daca se calculeaza P(X=x
i
))

2. Se realizeaza simularea utilizand functia
= VLOOKUP(parametri)

Exemplul 4.

Numrul automobilelor care sosesc la
ntmplare ntr-un Service Auto poate fi
descris de o distribuie Poisson cu media
de 3 maini pe or.
Se cere simularea numrului de maini
care vor sosi la Service n urmtoarele
4 ore.

II. Procedura pentru aplicarea
metodei Monte Carlo
n cazul variabilelor probabiliste continue

Aplicarea metodei Monte Carlo pentru obinerea de
selecii simulate n cazul variabilelor probabiliste
continue se poate face pe baza urmtoarei proceduri:

Pasul 1. Se construiesc funciile f(x) de
densitate de probabilitate i F(x) de
distribuie cumulativ.

n cazul distribuiilor empirice, dup organizarea
i gruparea pe intervale, valorile variabilei probabiliste
continue se pot prezenta tabelar - conform Tabelului 6.
Tabelul 6
Intervale de
valori ptr
variabila
probabilista
[x
i-1
, x
i
)
Frecvena
f
i

Frecvena
relativ
f
i
/

=
m
1 k
k
f

Frecvena
cumulativ
F(x
i
)
Intervale
[F(x
i-1
), F(x
i
))
[x
0
, x
1
) f
1

f
1
/

=
m
1 k
k
f

F(x
1
)=f
1
/

=
m
1 k
k
f

[F(x
0
), F(x
1
))
[x
1
, x
2
) f
2

f
2
/

=
m
1 k
k
f

F(x
2
)=(f
1
+f
2
)/

=
m
1 k
k
f

[F(x
1
), F(x
2
))
... ... ... ... ...
[x
m-1
, x
m
] f
m

f
m
/

=
m
1 k
k
f

F(x
m
) = 1 [F(x
m-1
), F(x
m
)]

Graficul funciei F(x) al distribuiei empirice cumulative va fi o curb
liniar pe poriuni, obinut prin unirea punctelor ale cror
coordonate sunt limitele superioare ale intervalelor [xi-1, xi] i
respectiv [F(xi-1), F(xi)].
Exemplul 5.
Datele rezultate n urma observrii timpului de servire a 100 clieni care au
solicitat efectuarea unor operaiuni la un ghieu de banc sunt prezentate
astfel:
Tabelul 7
Timpul
individual
de servire (min)
[x
i-1
, x
i
)
Numrul
clienilor f
i

Frecvena
relativ
f
i
/

=
m
1 k
k
f

Frecvena
cumulativ
F(x
i
)
Intervale
[F(x
i-1
), F(x
i
))
[5, 10) 15 0,15 0,15 [0,00, 0,15)
[10, 15) 26 0,26 0,41 [0,15, 0,41)
[15, 20) 23 0,23 0,64 [0,41, 0,64)
[20, 25) 18 0,18 0,82 [0,64, 0,82)
[25, 30) 10 0,10 0,92 [0,82, 0,92)
[30, 35] 8 0,08 1,00 [0,92, 1,00]

Pasul 2.
Se genereaz un numr aleator u
uniform repartizat n intervalul [0, 1]
utiliznd un generator de numere
aleatoare (de exemplu, cu funcia
=RAND() din Excel).

Pasul 3.
Se genereaz o valoare x a variabilei
probabiliste continue prin rezolvarea
ecuaiei F(x) = u.
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
5 10 15 20 25 30 35
Timpul de servire
P
r
o
b
a
b
i
l
i
t
a
t
i
u=0,38
x=14,423
F(x)
Procedura grafic poate fi nlocuit cu o procedur
algebric echivalent de rezolvare a ecuaiei:
F(x) = u.

dac soluia poate fi obinut cu relaia
x= F
-1
(u),
atunci metoda de extragere a unei valori a variabilei
probabiliste se numete metoda inversei.

dac nu se poate construi inversa explicit a
funciei F(x), ecuaia F(x)=u se poate rezolva cu
metoda interpolrii.
De exemplu:
u = 0,38 aparine intervalului de numere aleatoare
[0,15, 0,41) corespunztor intervalului [10,15) al timpului de
servire, rezult c:
x = 10 + (0,38 0,15)(15 - 10)/(0,41 0,15) = 14,423 min

n general,
dac numrul aleator u aparine intervalului de
numere aleatoare [F(x
i-1
), F(x
i
)) asociat valorilor
[x
i-1
, x
i
),
atunci se va genera valoarea x cu relaia de
interpolare:

x = x
i-1
+ (u - F(x
i-1
))(x
i
- x
i-1
)/(F(x
i
) - F(x
i-1
))
Cu EXCEL, simularea servirii primilor 10
clienti se poate realiza astfel:

Distribuia
uniform
continu

variabila probabilista uniform repartizate n intervalul [a, b]:
- funcia f(x) de densitate de probabilitate:
f(x) = 0 pentru x < a
= 1/(b-a) pentru a s x s b
= 0 pentru x > b,
- funcia distribuiei cumulative:
F(x) = 0 pentru x < a
= (x-a)/(b-a) pentru a s x s b
= 1 pentru x > b
media = (a+b)/2,
dispersia o
2
= (b-a)
2
/12.

Pentru distribuia uniform continu n
intervalul [a, b],
ecuaia F(x)=u este de forma: (x-a)/(b-a) = u
de unde: x = a + u(b-a).

Exemplul 8.
Timpul necesar pentru servirea unui client este o
variabil aleatoare uniform distribuit cu valori
ntre 5 minute i 15 minute.
Dac la Pasul 2 s-a generat numrul aleator u=0,72,
atunci timpul de servire extras din distribuia de
probabilitate uniform continu este x = 5 + 0,72
(15 5) = 12,2 minute
Distribuia triunghiular

- este descris prin trei valori (a<b<c),

- se utilizeaz atunci cnd nu exist date
istorice referitoare la valorile variabilei
analizate.
Funcia f(x) de densitate de probabilitate:

f(x) = 2(x-a)/((b-a)(c-a)) pentru a s x s b
= 2(c-x)/((c-a)(c-b)) pentru b < x s c
Distribuia triunghiular

Funcia F(x) a distribuiei cumulative
este: F(x) = P(X s x) =
= 0 pentru x<a
= ((x-a)
2
)/((b-a)(c-a)) pentru a s x s b
= 1 ((c-x)
2
)/((c-a)(c-b)) pentru b<xs c
= 1 pentru x>c

Media: = (a+b+c)/3
Dispersia: o
2
= (a
2
+b
2
+c
2
ab acbc)/18
n cazul distribuiei triunghiulare
descris prin trei valori (a<b<c):

Fie h = (b-a)/(c-a)
dac u s h, atunci din ecuaia
F(x)=u rezult
x = a + (c-a)*(uh)

dac u > h, atunci
x = a + (c-a)*(1-((1-h)*(1-u))
)


P(x)
F(x)=
Exemplul 9.

Se estimeaz c venitul lunar care va fi realizat din
vnzarea unui produs nou poate fi descris de o distribuie
de probabilitate triunghiular cu valoarea minim a = 20
uniti monetare,
valoarea cea probabil b = 40 uniti monetare i valoarea
maxim c = 80 uniti monetare.
Se cere venitul mediu obinut prin 10 experimente de
simulare.

Obs: In EXCEL: =if(p <= 2/(max - min), min + sqrt( p*(mode - min)*(max
- min) ),max - sqrt((1 - p)*(max - mode)*(max - min) ) )

- are un rol fundamental n teoria probabilitilor i n
statistic; descrie:
caracteristici ale populaiei (nlimea, greutatea)
distribuiile unor mrimi care sunt sume de alte
mrimi (conform teoremei limita centrale). Astfel,
durata total de realizare a unui proiect, ca sum a
duratelor probabiliste ale activitilor de pe drumul
critic, este o variabil cu distribuie normal.
Distribuia normal
Distribuia normal

- este simetric
sub form de clopot
(in lb. eng. bell shaped).

Funcia f(x) de densitate de probabilitate este o
funcie cu doi parametri, media i dispersia o
2
,
de forma:

f(x) =
|
|
.
|
\
|
o

to
2
2
2
) x (
exp
2
2
1
F(x) arata probabilitatea ca valoarea standard normala sa se situeze intr-un interval specificat
(unde erf este functie de erori):
|
.
|
\
|
=
}

2 2
1
2
1
0
2
2
z
erf dx e
z
x
t
Distribuia normal

Deoarece distribuia normal este descris de o
funcie de densitate de probabilitate care nu poate fi
integrat exact, nici inversa F
-1
a funciei
distribuiei cumulative nu poate fi obinut.

Pentru generarea valorilor unei variabile cu
distribuie normal se pot folosi metode
aproximative cum sunt:
metoda Box-Muller,
metoda teoremei limitei centrale,
metoda respingerii.
a Z-score measures the number of SD units a value deviates
from the mean; probabilities refer to areas [or percentages]
under the normal curve
Z-scores relates to their
relationship to the
normal distribution. In
a normally distributed
data set, the
percentage area of
scores under the curve
between the mean and
any Z-score value is
known and constant.
Area Under the Normal Curve
Z-scores between -2.00 and +2.00 are considered relatively
ordinary, while values greater than -2.00 and +2.00 are unusual.
The basis of this decision rests on the 68-95-98 rule that states
that 68% of all scores in a normally-distributed set of data will fall
within 1 SD of the mean; 95% of all scores will fall within 2 SD,
and 99.7% of all scores within 3 SD.
-3 -2 +3 +2 0 +1
-1
Z-Scores
Unusual Values
Ordinary Values Unusual Values
DIFFERENT VALUES FOR Z (MEDIA = 10, ABATEREA STANDARD =2)
programul EXCEL (=norminv(p, mu, sigma))
prin funcia

=NORMINV (nr.aleator, media ,
abaterea standard o)
- determin o valoare x a unei variabile normal
distribuite cu media i abaterea standard o,
prin aproximri succesive ale lui x, astfel nct
diferena (u-F(x)), dintre numrul aleator u
generat de RAND() i valoarea funciei F(x) de
distribuie cumulativ, s fie mai mic dect
310
-7
.
Functia NORMINV
How to Calculate a Random Number from a Normal Distribution?

- the NORMINV function returns a
value given a probability:
=NORMINV(probability,
mean, standard_dev)
Remember that RAND() function
returns a random number
between 0 and 1. That is,
RAND() generates random
probabilities. Therefore, it
seems logical that you could
use the NORMINV function to
calculate a random number
from a normal distribution,
using this formula:
=NORMINV(RAND(), mean,
standard_dev)
Functia NORMINV - The inverse of the NORMDIST function.
It calculates the x variable given a probability.
Functia NORMDIST
= NORMDIST(x, mean,
standard_dev, cumulative)
NORMDIST gives the probability that
a number falls at or below a given
value of a normal distribution.
x - The value you want to test.
mean - The average value of the
distribution
standard_dev - The standard
deviation of the distribution.
cumulative - If FALSE or zero, returns
the probability that x will occur; if
TRUE or non-zero, returns the
probability that the value will be
less than or equal to x.

Exemplul 10.
Se cunoate c, greutatea unui cozonac
realizat de firma Extra este o variabil
probabilist normal distribuit cu media
de 500 grame i abaterea standard de 50
grame.
Se cere simularea greutatii pentru 10
cozonaci.
Nr.aleator = RAND()
x = NORMINV(nr.aleator,500,50)
este utilizat pentru a descrie timpul dintre
diferite evenimente cum sunt, de exemplu,
intervalele de timp dintre sosirile clienilor
ntr-un sistem de ateptare.
Se poate arta c dac numrul sosirilor
poate fi descris de o distribuie
Poisson, atunci intervalul dintre sosiri
urmeaz o distribuie exponenial.
Distribuia exponeniala
Distribuia exponeniala
Dac X este o variabil probabilist cu media
i abaterea standard atunci:

funcia f(x) de densitate de probabilitate :
f(x) = (1/)e
-x/
funcia F(x) de distribuie cumulativ este:
F(x) = P(X s x) = 1 e
-x/

Rezult c P(X > x) = e
-x/
Daca 1/ = , atunci
n cazul distribuiei exponeniale cu media ,
soluia ecuaiei F(x)=u este de forma
x = - ln(1-u)
unde ln este logaritmul natural.
(in EXCEL: =-ln(1-p)/lambda)

Exemplul 11.
Mrimea intervalului de timp dintre sosirile clienilor
ntr-un magazin alimentar este o variabil aleatoare
cu distribuie exponenial cu media de 5 minute.
Sa se simuleze intervalele dintre sosirile urmatorilor
10 clienti.
Alte distributii continue (in EXCEL)
Distributiile Gamma/Erlang sunt unimodale, asimetrice si definite
pentru x > 0. Unul dintre parametrii care specifica forma este |, si
determina pozitia modulului. Pentru | = 1 se defineste distributia
exponentiala (caz particular) pentru pozitionarea modulului la x = 0.
=gammainv(p, alpha, beta)

Altele:
Distributia beta
=betainv(p, alpha, beta, min, max)

Bibliografie:
Probability Distributions in Simulations, autor: M. Peter Jurkat
Aplicatia Insight.xla
http://mathworld.wolfram.com/ sectiunea Probability and Statistics
http://home.uchicago.edu/~rmyerson/addins.htm ptr aplicatia
Excel 2007: SIMTOOLS2007.XLA

SIMTOOLS.XLA adds to Excel the following 32 statistical
functions, listed in six categories (1)
Inverse cumulative-probability functions

BETINV(probability, mean, stdevn, lowerbound, upperbound) returns inverse
cumulative values for a beta random variable, parameterized by its mean and
standard deviation. When the first parameter is a RAND, BETINV yields a bounded
random variable. (Default lower and upper bounds are 0 and 1.)
BINOMINV(probability, n, p) returns inverse cumulative values for a binomial
random variable. When the first parameter is a RAND, BINOMINV yields a bounded
integer random variable between 0 and n, with mean n*p.
DISCRINV(randprob, values, probabilities) returns inverse cumulative values for a
discrete random variable. When the first parameter is a RAND, DISCRINV returns a
discrete random variable with possible values and corresponding probabilities in
the given ranges.
EXPOINV(probability, mean) returns inverse cumulative values for an exponential
random variable. When the first parameter is a RAND, EXPOINV yields a
nonnegative random variable (often used for random waiting times).
GAMINV(probability, mean, stdevn) returns inverse cumulative values for a gamma
random variable, parameterized by its mean and standard deviation. When the first
parameter is a RAND, GAMINV yields a nonnegative random variable.
SIMTOOLS.XLA adds to Excel the following 32 statistical
functions, listed in six categories (2)
Inverse cumulative-probability functions

GENLINV(probability, quart1, quart2, quart3, lowest, highest) returns inverse cumulative
values for a generalized-lognormal random variable that has 25% probability below the quart1
value (the top of the first quartile), 50% probability below quart2, and 75% probability below
quart3. A generalized-lognormal random variable is a constant plus or minus a lognormal
random variable. When the first parameter is a RAND(), GENLINV yields a random variable
which could be positive or negative, but is bounded on the side of the narrower quartile range.
If optional lowest and highest values are specified (satisfying lowest < quart1 < quart2 < quart3
< highest), then values of the generalized-lognormal random variable are adjusted as
necessary to keep GENLINV within these bounds (increasing to the lowest value from below it,
decreasing to the highest value from above it).
LNORMINV(probability, mean, stdevn) returns inverse cumulative values for a lognormal
random variable, parameterized by its mean and standard deviation. When the first parameter
is a RAND, LNORMINV yields a nonnegative random variable.
POISINV(probability, mean) returns inverse cumulative values for a Poisson random variable.
When the first parameter is a RAND, POISINV yields a nonnegative integer random variable.
TRIANINV(probability, lowerbound, mostlikely, upperbound) returns inverse cumulative values
for a random variable with a triangular probability density. When the first parameter is a RAND,
TRIANINV yields a bounded random variable.
XTREMINV(probability, mean, stdevn) returns inverse cumulative values for an extreme-value
(or Gumbel) random variable, parameterized by its mean and standard deviation. When the
first parameter is a RAND, XTREMINV yields a random variable that may be positive or
negative. (If W is a Weibull random variable then -LN(W) has this extreme-value distribution.)
Simulation software survey

http://www.lionhrtpub.com/orms/orms-10-
09/frsurvey.html
http://www.lionhrtpub.com/orms/surveys/Sim
ulation/Simulation2.html

Obtinerea de Selectii Simulate Cu Excel in Cazul Variabilelor Probabiliste Discrete Si Continue - Metoda Monte Carlo

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Obtinerea de Selectii Simulate Cu Excel in Cazul Variabilelor Probabiliste Discrete Si Continue - Metoda Monte Carlo

Încărcat de

Drepturi de autor:

Formate disponibile

1

Master Management 2011-2012

S-ar putea să vă placă și