Ответы:
точнее? треугольное распределение - тоже ведь прикидка.
будет чуть точнее решена математическая задачка, но в реальности никаких преимуществ это не даст.
а с методом монте-карло пакеты, моделирующие риски, могут не привязываться к определенному распределению
т.е. его используют, чтобы для каждого нового вида распределения не выдумывать велосипед
Но ведь когда мы применяем монте карло для анализа рисков мы ведь выбираем распределение из уже извествных , чтобы модель соответствовала закону. И какой же смысл давать просые случайные числа если не привязывать их к закону? Мы же ничего не сможем предсказать... Я не очень понял ваш ответ точнее про, то что математическим методом мы можем точно решить задачу я понял но почему используют именно метод монте карло понял не очень.
т.к. программистам лень для каждого распределения просить математиков вывести формулу, а затем загонять ее в программу.
+ не для каждого распределения можно найти формулу.
а прирост точности в реальных задачах значения не имеет, т.к. и метод монте-карло позволяет получить данные с заданной достоверностью. Единственное преимущество формулы - возможно, более быстрые расчеты. Но это преимущество "вылезет" только тогда, когда надо будет считать что-то очень много раз в автоматическом режиме. А так 10 миллисекунд или 0.1 миллисекунда - разницы никакой. Вот и выходит, что смысла мало улучшать то, что и так отлично работает.
Метод Монте-Карло действительно сейчас очень распространён, и тому есть несколько причин:
1. Метод позволяет получить результат в приемлемые сроки. Как правило, именно этого и нужно "людям дела" (busines people), а красота решения привлекает единиц.
2. Простота + Гибкость. Мы один раз программируем алгоритм и используем для всех возможных распределений.
Можно использовать пакеты символьной математики (Mathematica, MatLAB, Maple), но их использование в ненаучных целях нераспространено.
Альтернативой является, реализовать в нашей бухгалтерской программе те же алгоритмы, что в Maple. Трудоемкость программирования и отладки (соотв. цена) этого решения очевидны. Преимуществ с точки зрения достижения результата нет.
3. Если распределение не треугольное, а является произвольной функцией (например, составленной из отрезков), формулы вообще не будет, или будет, но вычисления по этой формуле окажутся просто медленнее монте-карло
4. Ну и мода, конечно
Этот метод более универсальный и позволяет нам получить промежуточные сценарии между пессим., оптимист., вероятн., что дает гораздо более точную оценку благодаря большому числу реализаций например 10000. Используется куча разных распределений не только треугольное и нормальное и есть возможность задать корреляцию между факторами риска например факт, что увеличение себестоимости приведет у увеличению цены. Монте-карло это далеко не функция распред вероятности, это его база но модель в каждом конкретном случае будет своя!
16 лет назад