A propos de la simulation Monte Carlo et de la précision des simulations

Strategic Modeling emploie une simulation Monte Carlo pour générer de façon aléatoire une plage de valeurs pour les hypothèses que vous définissez.

Une fois que vous avez défini les cellules d'entrée comme des hypothèses et les cellules de sortie comme des prévisions, exécutez une simulation. Strategic Modeling emploie une simulation Monte Carlo, qui utilise des nombres aléatoires pour mesurer les effets de l'incertitude dans un modèle.

Une simulation effectue de façon itérative les étapes suivantes :

1. Pour chaque cellule d'hypothèse, un nombre aléatoire est généré en fonction de la plage définie, puis est inséré dans le modèle.

   Strategic Modeling génère des nombres aléatoires à l'aide de la méthode du générateur congruentiel multiplicatif.

2. Le modèle est recalculé.
3. Une valeur est extraite à partir de chaque cellule de prévision et ajoutée au graphique dans la zone de résultats de prévision.

Il s'agit d'un processus itératif qui se répète jusqu'à atteindre le nombre de tirages ou jusqu'à ce que vous arrêtiez la simulation.

Le graphique de prévision final reflète l'incertitude combinée des cellules d'hypothèse dans les cellules de prévision.

La précision de la simulation dépend principalement de deux facteurs :

• Le nombre de tirages (ou la durée) de la simulation. En règle générale, plus vous exécutez de tirages dans une simulation, plus les statistiques et les centiles sont précis. Pour un nombre de tirages donné, la précision des statistiques et des centiles dépend grandement de la forme et de la nature de la loi de prévision.
• La méthode d'échantillonnage. L'échantillonnage Monte Carlo génère des scénarios de type "simulation" et naturels, tandis que l'échantillonnage de la méthode Latin Hypercube est contraint mais plus précis.