Die Monte-Carlo-Methode wird üblicherweise als eine der Methoden der statistischen Modellierung verstanden, die wiederum auf dem Konzept der „Black Box“ basierte.
Die Monte-Carlo-Methode wird in Fällen verwendet, in denen die Verwendung eines analytischen Modells des Phänomens schwierig oder völlig unmöglich ist (z. B. bei der Lösung von Problemen der Warteschlangentheorie, von Forschungsoperationen, die auf die Untersuchung zufälliger Prozesse reduziert sind usw.).
Betrachten wir die Monte-Carlo-Methode in der Wirtschaft genauer.
Die Anwendung dieser Methode der statistischen Modellierung kann anhand eines Beispiels aus dem Bereich der Warteschlangentheorie veranschaulicht werden. Angenommen, Sie müssen herausfinden, wie lange und wie oft Sie mit einer bestimmten (anfänglich festgelegten) Bandbreite eines Geschäfts auf Kunden in der Warteschlange warten müssen. Diese Berechnungen sind in erster Linie erforderlich, um zu entscheiden, ob das Geschäft erweitert werden soll. Wie Sie wissen, ist die Annäherung der Käufer in der Regel zufällig oder ungewiss. Daher kann die Verteilung der sogenannten Annäherungszeit, dh des Intervalls zwischen jeweils zwei aufeinanderfolgenden Ankünften der Käufer, anhand der verfügbaren Informationen unabhängig bestimmt werden. Andererseits ist die Servicezeit jedes Kunden ebenfalls zufällig, weshalb auch seine Verteilung erfasst werden kann. Vor uns liegen also zwei stochastische Prozesse, deren direkte Interaktion eine Warteschlange erzeugt.
Wie die Praxis zeigt, können Sie mit der Monte-Carlo-Methode im wirklichen Leben alle Möglichkeiten viele Male zufällig sortieren, während Sie die gleichen Verteilungseigenschaften beibehalten. Infolgedessen wird es möglich sein, das gesamte Bild dieses Prozesses künstlich wiederherzustellen. Wenn Sie dieses Bild dann jedes Mal wiederholen, wenn Sie die Bedingungen ändern, können Sie statistische Daten abrufen, als ob sie in Echtzeit erfasst worden wären.
Auf die gleiche Weise können Sie das künstliche Bild der Arbeit fast jedes Geschäfts mit der Monte-Carlo-Methode in der Praxis mehrmals nachbilden. Die Simulation in diesem Fall wiederholt die realen Daten. Wiederum werden die beiden oben beschriebenen stochastischen Prozesse erhalten. Ihre alternative Interaktion im Endergebnis führt erneut zu einer „Warteschlange“ mit fast denselben Indikatoren wie im wirklichen Leben.
Daher besteht die Monte-Carlo-Methode in der Wissenschaft aus künstlicher Modellierung durch wiederholte Wiederholungen in zufälligen Implementierungen. Es ist wichtig zu beachten, dass die sogenannten Einheitenimplementierungen ansonsten als statistische Tests bezeichnet werden.
Um zu verstehen, was der Zufallsauswahlmechanismus impliziert, verwenden Sie einfach die häufigsten Würfel. In der Praxis werden jedoch in der Regel Zufallszahlentabellen verwendet. Darüber hinaus sind derzeit spezielle Programme für Computer besonders beliebt, die von Spezialisten als Zufallszahlengeneratoren bezeichnet werden. Tatsächlich ist die Monte-Carlo-Methode recht einfach, effizient und bequem, was ihre weit verbreitete Verwendung sowohl in der Wirtschaft als auch in anderen exakten Wissenschaften bestimmt.
