Monte-Carlosimulatie
Uit Wikipedia, de vrije encyclopedia
In de statistiek is Monte-Carlosimulatie een simulatietechniek waarbij een fysiek proces niet één keer maar vele malen wordt gesimuleerd, elke keer met andere startcondities. Het resultaat van deze verzameling simulaties is een verdelingsfunctie die het hele gebied van mogelijke uitkomsten weergeeft. De achterliggende gedachte is om problemen die analytisch moeilijk of niet oplosbaar zijn, numeriek op te lossen met behulp van de steekproeven.
De term Monte-Carlo is afgeleid van het beroemde casino uit Monte Carlo. Dat betekent niet dat het een methode is die gebaseerd is op gokken. Het refereert aan de manier waarop, voor elke nieuwe simulatie (een van de vele), de startcondities worden bepaald, uitgaande van een verzameling van reëel te verwachten condities.
Monte-Carlosimulaties worden in verschillende wetenschappelijke toepassingen gebruikt, zoals bij verschillende NASA-projecten waar onzekerheden een belangrijke rol spelen. Ook economische problemen maken veelvuldig gebruik van Monte-Carlosimulaties.
De Monte-Carlomethode wordt meestal toegepast in situaties waarin:
- Het resultaat van een enkele simulatie niet voldoende representatief is in verband met de in werkelijkheid te verwachten variatie van (of onzekerheid met betrekking tot) de startcondities.
- De variatie of onzekerheid van die startcondities bekend is of met voldoende betrouwbaarheid ingeschat en gekwantificeerd kan worden.
De Monte-Carlosimulatietechniek is alleen maar mogelijk dankzij de beschikbaarheid van computers. Immers, een enkele simulatie op zich vraagt in het algemeen al veel rekenkracht. Deze simulatie moet nu, afhankelijk van het gewenste betrouwbaarheidsniveau tientallen tot enkele duizenden malen herhaald worden, elke keer met een nieuwe set invoervariabelen.