Durante cada prueba de una simulación, el método de muestreo selecciona un valor aleatorio para cada suposición del modelo.
Las simulaciones de Strategic Modeling utilizan uno de los métodos de muestreo siguientes:
Monte Carlo: selecciona cualquier valor de forma aleatoria en la distribución definida de cada suposición.
Hipercubo latino: selecciona valores de forma aleatoria y los distribuye uniformemente en la distribución definida de cada suposición.
Muestreo de Monte Carlo
La simulación de Monte Carlo genera valores de forma aleatoria y repetida de variables inciertas para simular un modelo. Los valores de la distribución de probabilidad de cada suposición son aleatorios y totalmente independientes. Es decir, el valor aleatorio seleccionado para una prueba no tiene efecto en el siguiente valor aleatorio generado.
La simulación de Monte Carlo recibe su nombre de Monte Carlo, Mónaco, cuyos casino ofrecen juegos de azar como la ruleta y las máquinas tragaperras, todos las cuales tienen un comportamiento aleatorio.
Este comportamiento aleatorio es similar al modo en que la simulación de Monte Carlo selecciona valores de variable de forma aleatoria para simular un modelo. Cuando se tira un dado, se sabe que saldrá 1, 2, 3, 4, 5 o 6, pero no se sabe cuál saldrá en una prueba concreta. Lo mismo ocurre con las variables que tienen un rango de valores conocido y un valor incierto para un momento o evento concreto (por ejemplo, los tipos de interés, la necesidad de contratar personal, los precios de las acciones, los inventarios o las llamadas telefónicas por minuto).
El uso del muestreo de Monte Carlo para aproximarse a la verdadera forma de la distribución requiere más pruebas que el hipercubo latino.
Utilice el muestreo de Monte Carlo para simular escenarios de simulación del mundo real para el modelo.
Muestreo de hipercubo latino
El muestreo de hipercubo latino divide la distribución de probabilidad de cada suposición en segmentos no solapados con las mismas probabilidades cada uno.
Mientras se ejecuta una simulación, el hipercubo latino selecciona un valor de suposición aleatorio para cada segmento según la distribución de probabilidad del segmento. Esta recopilación de valores forma la muestra de hipercubo latino. Cuando se ha realizado un muestreo de cada segmento exactamente una vez, se repite el proceso hasta que se detiene la simulación.
El muestreo de hipercubo latino suele ser más preciso cuando se calculan estadísticas de simulación que el muestreo de Monte Carlo convencional, porque el muestreo del rango completo de la distribución se realiza de forma más uniforme y consistente. El muestreo de hipercubo latino requiere menos pruebas para alcanzar el mismo nivel de precisión estadística que el muestreo de Monte Carlo. El gasto agregado de este método es la memoria adicional necesaria para realizar el seguimiento de los segmentos de los que se ha realizado un muestreo mientras se ejecuta la simulación. (En comparación con la mayoría de los resultados de simulación, es una gasto adicional menor).
Utilice el muestreo Hipercubo latino cuando lo que más le preocupe sea la precisión de las estadísticas de simulación.