B Descrições da Distribuição de Probabilidade para Simulações do Strategic Modeling

Essa abordagem explica a probabilidade e as distribuições de probabilidade para ajudar a selecionar a distribuição de probabilidade mais adequada para a sua simulação do Strategic Modeling.

Para cada entrada de incerteza em uma simulação, você define os possíveis valores com uma distribuição de probabilidade. O tipo de distribuição a ser selecionada depende das condições que cercam a entrada. Uma simulação calcula vários cenários de um modelo selecionando repetidamente valores da distribuição de probabilidade para as variáveis de incerteza e usando esses valores para calcular o modelo.

Para selecionar a distribuição de probabilidade correta:

  1. Avalie a entrada em questão. Liste tudo o que você sabe sobre as condições relacionadas a essa entrada. Por exemplo, você pode coletar informações valiosas sobre a entrada de incerteza a partir dos dados históricos.
  2. Revise as descrições das distribuições de probabilidade. Esse apêndice explica cada distribuição em detalhes, descrevendo as condições subjacentes à distribuição. Conforme você revisa as descrições, procure uma distribuição com as condições que você listou para essa entrada.
  3. Selecione a distribuição que caracteriza essa entrada, onde as condições da distribuição correspondam às da entrada.

Normal


Distribuição normal

A Distribuição normal descreve muitos fenômenos, como devoluções em patrimônio líquido ou ativos, taxas de inflação ou flutuações de moeda.

Os tomadores de decisão podem usar a distribuição normal para descrever entradas de incerteza, como a taxa de inflação ou devoluções periódicas em ativos.

Parâmetros

  • Média
  • Desvio Padrão

Nota:

Dos valores de uma distribuição normal, aproximadamente 68% estão dentro de 1 desvio padrão em qualquer lado da média. O desvio padrão é a raiz quadrada da distância quadrada de valores da média.

Condições

Use a distribuição normal sob estas condições:

  • O valor médio é o mais provável.
  • É simétrica sobre a média.
  • É mais provável que esteja próxima à média do que longe.

Triangular


Distribuição triangular

A Distribuição triangular descreve situações em que você conhece os valores mínimo, máximo e mais provável. Na simulação, os valores mínimo e máximo nunca ocorrerão de fato, pois a probabilidade deles é zero.

É útil com dados limitados em situações como estimativas de vendas, número de inventários e custos de marketing. Por exemplo, você pode descrever o número de carros vendidos por semana quando as vendas passadas mostram o número mínimo, máximo e número geral de carros vendidos.

Parâmetros

  • Mínimo
  • Mais provável
  • Máximo

Condições

Use a distribuição triangular sob estas condições:

  • O mínimo e o máximo são fixos.
  • Tem um valor mais provável neste intervalo, que forma um triângulo com o mínimo e o máximo.

Uniforme


Distribuição uniforme

A Distribuição uniforme descreve situações em que você conhece os valores mínimo e máximo e todos os valores têm igual probabilidade de ocorrer.

Parâmetros

  • Mínimo
  • Máximo

Condições

Use a distribuição uniforme sob estas condições:

  • O mínimo é fixo.
  • O máximo é fixo.
  • Todos os valores no intervalo têm a mesma probabilidade de ocorrer.

Lognormal


Distribuição lognormal

A Distribuição lognormal descreve muitas situações em que os valores são positivamente assimétricos (onde a maioria dos valores ocorre próxima do valor mínimo) como preços de títulos e ativos. Tais quantidades exibem essa tendência porque os valores não podem ficar abaixo de zero, mas podem aumentar sem limite.

Parâmetros

  • Local
  • Média
  • Desvio Padrão

Nota:

Se você tiver dados históricos disponíveis com os quais definir uma distribuição lognormal, é importante calcular a média e o desvio padrão dos logaritmos dos dados e, em seguida, inserir esses parâmetros de log. Calcular a média e o desvio padrão diretamente nos dados brutos não dará a distribuição lognormal correta.

Condições

Use a distribuição lognormal sob estas condições:

  • Limites superiores e inferiores são ilimitados, mas a entrada de incerteza não pode ficar abaixo do valor do parâmetro de local.
  • A distribuição é positivamente assimétrica, com a maioria dos valores perto do limite inferior.
  • O logaritmo natural da distribuição é uma distribuição normal.

BetaPERT


Distribuição BetaPERT

A distribuição BetaPERT descreve situações frequentemente usadas em análise de risco de projeto para atribuição de probabilidades às durações e aos custos da tarefa. Às vezes, também é usada como uma alternativa mais estável à distribuição triangular.

Ela descreve uma situação em que se sabe o mínimo, o máximo e os valores mais prováveis de ocorrer. É útil com dados limitados. Por exemplo, você pode descrever o número de carros vendidos por semana quando as vendas passadas mostram o número mínimo, máximo e número geral de carros vendidos.

Parâmetros

  • Mínimo
  • Mais provável
  • Máximo

Condições

Use a distribuição betaPERT sob estas condições:

  • O mínimo e o máximo são fixos.
  • Ela tem um valor mais provável neste intervalo, que forma um triângulo com o mínimo e máximo; o betaPERT forma uma curva uniformizada no triângulo subjacente.

Sim-Não


Distribuição Sim-Não

A distribuição Sim-Não descreve situações que podem ter apenas um de dois valores: por exemplo, sim ou não, êxito ou falha, ou verdadeiro ou falso.

Parâmetros — Probabilidade de Sim

Condições

Use a distribuição sim-não sob estas condições:

  • Para cada avaliação, somente 2 resultados são possíveis, como êxito ou falha; a entrada aleatória pode ter apenas um de dois valores, por exemplo, 0 e 1.
  • A média é p, ou probabilidade (0 < p < 1).
  • As avaliações são independentes. A probabilidade é igual de avaliação a avaliação.