Durante ciascuna prova di una simulazione, il metodo di campionamento seleziona un valore casuale per ogni ipotesi nel modello.
Per le simulazioni di strategic modeling viene utilizzato uno dei metodi di campionamento seguenti.
Monte Carlo: seleziona in modo casuale un valore dalla distribuzione definita di ciascuna ipotesi.
Ipercubo latino: seleziona i valori in modo casuale e li distribuisce omogeneamente nella distribuzione definita per ciascuna ipotesi.
Campionamento Monte Carlo
La simulazione Monte Carlo genera valori per le variabili incerte in modo casuale e ripetuto allo scopo di simulare un modello. I valori per ciascuna distribuzione di probabilità delle ipotesi sono casuali e totalmente indipendenti. In altre parole, il valore casuale selezionato per una prova non ha alcun effetto sul valore casuale successivo generato.
La simulazione Monte Carlo prende il nome dalla località del Principato di Monaco nota per i suoi casinò dove è possibile giocare alla roulette, ai dadi e alle slot machine, tutti giochi d'azzardo basati sulla casualità.
Questa casualità è simile a quella con cui vengono selezionati i valori delle variabili nella simulazione Monte Carlo al fine di simulare un modello. Quando si tira un dado si sa che i risultati possibili sono 1, 2, 3, 4, 5 e 6, ma non si sa quale numero uscirà a ogni singolo tentativo. Lo stesso avviene con le variabili che presentano un intervallo noto di valori e un valore incerto per ogni dato momento o evento (ad esempio tassi di interesse, esigenze di personale, prezzi di azioni, scorte, chiamate telefoniche al minuto).
Per ottenere un risultato prossimo alla forma effettiva della distribuzione, il campionamento Monte Carlo richiede un numero maggiore di prove rispetto all'ipercubo latino.
Il campionamento Monte Carlo permette di simulare scenari ipotetici del mondo reale per il proprio modello.
Campionamento Ipercubo latino
Il campionamento Ipercubo latino divide la distribuzione di probabilità di ogni ipotesi in segmenti non sovrapposti, ognuno con uguale probabilità.
Durante l'esecuzione di una simulazione, l'ipercubo latino seleziona un valore di ipotesi casuale per ciascun segmento secondo la distribuzione di probabilità del segmento. Questa raccolta di valori forma il campione dell'ipercubo latino. Una volta eseguito un singolo campionamento per ciascuno segmento, il processo viene ripetuto fino al termine della simulazione.
In genere, il campionamento Ipercubo latino è più preciso nel calcolo delle statistiche di simulazione rispetto al campionamento Monte Carlo, perché l'intero intervallo di distribuzione viene campionato in modo più uniforme e coerente. Il campionamento Ipercubo latino richiede un numero di prove minore per ottenere lo stesso livello di precisione statistica rispetto al campionamento Monte Carlo. Questo metodo presenta un costo più elevato, dovuto dalla maggiore quantità di memoria necessaria per tenere traccia dei segmenti che sono stati campionati durante l'esecuzione della simulazione (rispetto alla maggior parte dei risultati di simulazione, questo costo indiretto aggiuntivo è di scarso rilievo).
Utilizzare il campionamento Ipercubo latino se si è interessati soprattutto alla precisione delle statistiche di simulazione.