Au cours de chaque tirage d'une simulation, la méthode d'échantillonnage sélectionne une valeur aléatoire pour chaque hypothèse de votre modèle.
Les simulations Strategic Modeling utilisent l'une des méthodes d'échantillonnage suivantes :
Monte Carlo : sélectionne de manière aléatoire une valeur de la loi définie pour chaque hypothèse.
Latin Hypercube : sélectionne des valeurs de manière aléatoire et les répartit équitablement sur la loi définie pour chaque hypothèse.
Echantillonnage Monte Carlo
Une simulation Monte Carlo génère de façon aléatoire et à plusieurs reprises des valeurs pour les variables incertaines afin de simuler un modèle. Les valeurs de la loi de probabilité de chaque hypothèse sont aléatoires et complètement indépendantes. En d'autres termes, la valeur aléatoire sélectionnée pour un tirage n'a aucune incidence sur la prochaine valeur aléatoire générée.
Cette simulation tient son nom du quartier Monte-Carlo de la ville de Monaco, réputé pour ses casinos proposant des jeux de hasard, tels la roulette, les jeux de dés et les machines à sous, qui présentent tous un comportement aléatoire.
Ce comportement est semblable à la façon dont la simulation Monte Carlo sélectionne les valeurs de variable de façon aléatoire pour simuler un modèle. Lorsque vous lancez un dé, vous savez que vous obtiendrez la valeur 1, 2, 3, 4, 5 ou 6, mais vous ne savez pas laquelle correspond à un tirage particulier. Il se passe la même chose pour les variables dont on connaît la plage de valeurs et la valeur exacte à un certain moment ou pour un événement en particulier (par exemple, des taux d'intérêt, un besoin de dotation en personnel, le cours des actions, un inventaire ou le nombre d'appels téléphoniques par minute).
L'échantillonnage Monte Carlo nécessite plus de tirages que l'échantillonnage Latin Hypercube pour se rapprocher de la véritable forme de la loi.
Utilisez l'échantillonnage Monte Carlo pour simuler des scénarios réels pour votre modèle.
Echantillonnage Latin Hypercube
L'échantillonnage Latin Hypercube divise la loi de probabilité de chaque hypothèse en segments ne se chevauchant pas et présentant une probabilité égale.
Lors de l'exécution d'une simulation, l'échantillonnage Latin Hypercube sélectionne une valeur d'hypothèse aléatoire pour chaque segment en fonction de la loi de probabilité de celui-ci. L'ensemble de valeurs obtenu forme un échantillon Latin Hypercube. Lorsque chaque segment a été échantillonné une fois, le processus se répète jusqu'à ce que la simulation s'arrête.
En règle générale, l'échantillonnage Latin Hypercube calcule les statistiques d'une simulation plus précisément que l'échantillonnage Monte Carlo classique car toute l'étendue de la loi est échantillonnée de façon plus régulière et cohérente. L'échantillonnage Latin Hypercube nécessite moins de tirages qu'un échantillonnage Monte Carlo pour atteindre le même niveau de précision statistique. En contrepartie, cette méthode nécessite plus de mémoire afin de suivre les segments qui ont été échantillonnés lors de la simulation. (La consommation supplémentaire est minime par rapport à la plupart des résultats de simulation.)
Utilisez l'échantillonnage Latin Hypercube lorsque la précision des statistiques de simulation est votre priorité.