Informazioni sulla simulazione Monte Carlo e sulla precisione delle simulazioni

In Strategic Modeling viene utilizzata la simulazione Monte Carlo per generare in modo casuale un intervallo di valori per le ipotesi definite.

Dopo aver definito le celle di input come ipotesi e le celle di output come previsioni, è possibile eseguire una simulazione. In Strategic Modeling viene utilizzata la simulazione Monte Carlo, che si basa su numeri casuali per misurare gli effetti dell'incertezza in un modello.

Una simulazione esegue in modo iterativo i passi descritti di seguito.

1. Per ogni cella di ipotesi, in base all'intervallo definito viene generato un numero casuale che viene poi inserito nel modello.

   Strategic Modeling genera numeri casuali utilizzando come metodo il Generatore congruenziale moltiplicativo (MCG, Multiplicative Congruential Generator).

2. Il modello viene ricalcolato.
3. Da ogni cella di previsione viene recuperato un valore che viene poi aggiunto al grafico nell'area dei risultati della previsione.

Si tratta di un processo iterativo che prosegue fino al raggiungimento del numero di prove consentito o all'interruzione della simulazione.

Il grafico di previsione finale riflette l'incertezza combinata delle celle di ipotesi nelle celle di previsione.

La precisione della simulazione dipende principalmente da due fattori.

• Numero di prove, o lunghezza, della simulazione: in via generale, maggiore è il numero di prove eseguite in una simulazione, maggiore è la precisione delle informazioni relative alle statistiche e ai percentili. Per un determinato numero di prove, la precisione delle statistiche e dei percentili dipende in modo significativo dalla forma e dalla natura della distribuzione della previsione.
• Il metodo di campionamento―Monte Carlo genera scenari naturali di tipo "what-if", mentre il campionamento Ipercubo latino presenta vincoli, ma è più preciso.