Simulazione Monte Carlo

menu icon

Simulazione Monte Carlo

Scopri tutto quello che hai bisogno di sapere su una simulazione Monte Carlo, un tipo di algoritmo computazionale che utilizza una campionatura casuale ripetuta per ottenere la probabilità del verificarsi di un intervallo di risultati.

Cos'è la simulazione Monte Carlo?

La simulazione Monte Carlo, nota anche come metodo Monte Carlo o simulazione delle probabilità multiple, è una tecnica matematica utilizzata per stimale i possibili risultati di un evento incerto. Il metodo Monte Carlo fu inventato da John von Neumann e Stanislaw Ulam durante la Seconda Guerra Mondiale per migliorare il processo decisionale in condizioni incerte. Prende il nome da un nota città casinò, chiamata Monaco, dal momento che l'elemento di casualità è il nucleo dell'approccio di modellazione, simile e un gioco di roulette.

Dalla sua introduzione, le simulazioni Monte Carlo hanno valutato l'impatto del rischio in molti scenari di vita reale, come ad esempio per l'AI, i prezzi azionari, la previsione delle vendite, la gestione dei progetti e la determinazione dei prezzi. Forniscono inoltre diversi vantaggi rispetto ai modelli predittivi con input fissi, come ad esempio la capacità di condurre un'analisi di sensibilità o calcolare la correlazione degli input. L'analisi di sensibilità consente ai responsabili delle decisioni di vedere l'impatto di singoli input su uno specifico risultato e la correlazione consente loro di comprendere le relazioni tra qualsiasi variabile di input.

Come funziona la simulazione Monte Carlo?

A differenza di un normale modello di previsione, la simulazione Monte Carlo prevede una serie di risultati sulla base di un intervallo di valori stimato invece che sulla base di una serie di valori di input fissi. In altre parole, una simulazione Monte Carlo crea un modello di possibili risultati sfruttando una distribuzione di probabilità, come una distribuzione uniforme o normale, per qualsiasi variabile che abbia un'incertezza intrinseca. Ricalcola quindi i risultati ancora e ancora, utilizzando ogni volta una serie diversa di numeri casuali compresi tra il valore minimo e quello massimo. In un tipico esperimento Monte Carlo, questo esercizio può essere ripetuto migliaia di volte per produrre un gran numero di risultati probabili.

Le simulazioni Monte Carlo sono utilizzate anche per le previsioni a lungo termine grazie alla loro precisione. All'aumentare del numero di input, cresce anche il numero di previsioni, consentendoti di fare previsioni dei risultati che si spingono più avanti nel tempo con maggiore precisione. Una volta completata, una simulazione Monte Carlo produce una gamma di possibili risultati con la probabilità del verificarsi di ciascuno di essi.

Un esempio semplice di una simulazione Monte Carlo è quello di considerare il calcolo della probabilità del lancio di due dadi standard. Questi lanci di dati possono produrre 36 combinazioni. Sulla base di questo dato, puoi calcolare manualmente la probabilità di uno specifico risultato. Utilizzando la simulazione Monte Carlo, puoi simulare 10.000 (o più) lanci dei dadi per raggiungere delle previsioni più precise.

Come usare i metodi Monte Carlo

Indipendentemente da quale strumento usi, le tecniche Monte Carlo comportano tre fasi fondamentali:

  1. Configurare il modello predittivo, identificando sia la variabile dipendente da prevedere che le variabili indipendenti (note anche come variabili di input, rischio o predittore) che guideranno la previsione.
  2. Specificare le distribuzioni di probabilità delle variabili indipendenti. Utilizza i dati cronologici e/o il giudizio soggettivo dell'analista per definire un intervallo di valori probabili e assegna a ognuno di essi un peso di probabilità.
  3. Eseguire le simulazioni ripetutamente, generando dei valori casuali delle variabili indipendenti. Continua così fino a raccogliere una quantità di risultati sufficiente per comporre un campione significativo del numero pressoché infinito di possibili combinazioni.

Puoi eseguire tutte le simulazioni Monte Carlo che desideri modificando i parametri sottostanti che utilizzi per simulare i dati. Tuttavia, vorrai anche calcolare la gamma di variazione all'interno di un campione calcolando la varianza e la deviazione standard, che sono misure di diffusione di uso comune. La varianza di una specifica variabile è il valore previsto dello scarto quadratico tra la variabile e il suo risultato previsto. La deviazione standard è la radice quadrata della varianza. Di norma, delle varianze più piccole sono considerate migliori.

Scopri di più su come condurre una simulazione Monte Carlo qui (link esterno a IBM)

Simulazioni Monte Carlo e IBM

Anche se puoi eseguire delle simulazioni Monte Carlo con diversi strumenti, come Microsoft Excel, è meglio disporre di un sofisticato programma di software statistico, come IBM SPSS Statistics, ottimizzato per l'analisi dei rischi e le simulazioni Monte Carlo. IBM SPSS Statistics è una potente piattaforma software di statistica che offre un solido set di funzioni che consente alla tua organizzazione di estrarre degli insight utilizzabili dai suoi dati.

Con SPSS Statistics puoi:

  • Analizzare e comprendere meglio i tuoi dati e risolvere problemi di business e di ricerca complessi attraverso un'interfaccia facile da utilizzare.
  • Comprendere più rapidamente i grandi e complessi dataset con procedure statistiche avanzate che permettono di garantire un'elevata precisione e un processo decisionale di qualità.
  • Utilizzare estensioni, Python e il codice del linguaggio di programmazione R per un'integrazione con il software open-source.
  • Selezionare e gestire più facilmente il software con opzioni di implementazione flessibili.

Utilizzando il modulo di simulazione in SPSS Statistics puoi, ad esempio, simulare vari importi di budget pubblicitario e vedere come questo influisce sulle vendite complessive. In base al risultato della simulazione, potresti decidere di spendere di più in pubblicità per raggiungere il tuo obiettivo di vendite complessive. Scopri di più su come utilizzare IBM SPSS Statistics per le simulazioni Monte Carlo qui (link esterno a IBM).

Anche IBM Cloud Functions può assisterti nelle simulazioni Monte Carlo. IBM Cloud Functions è una piattaforma FaaS (functions-as-a-service) serverless che esegue il codice in risposta agli eventi in arrivo. Utilizzando IBM Cloud Functions, un'intera simulazione Monte Carlo è stata completata in soli 90 secondi con 1.000 richiami simultanei. Scopri di più su come condurre una simulazione Monte Carlo utilizzando la strumentazione IBM qui.

Per ulteriori informazioni sulle simulazioni Monte Carlo, registrati per un IBMid e crea il tuo account IBM Cloud.