Управление вероятностями
Дисциплина управления вероятностями связывает и рассчитывает неопределенности как структуры данных, которые подчиняются законам арифметики и вероятности, сохраняя при этом статистическую последовательность. Самый простой подход — использовать векторные массивы смоделированных или исторических реализаций и метаданных, называемые пакетами стохастической информации (SIP). называется стохастической ( библиотечной единицей Набор SIP, который с P зарезервированными отношениями сохраняет статистические связи между переменными, называется когерентным и SLURP). SIP и SLURP позволяют стохастическим симуляциям взаимодействовать друг с другом. Например, см. Analytica ( Arc.Ask3.Ru ), Analytica ( страница SIP ), Oracle Crystal Ball , Frontline Solvers и Autobox .
Первое крупное задокументированное применение SIP касалось геологоразведочного портфеля компании Royal Dutch Shell в 2005 году, о чем сообщили Сэвидж, Шольтес и Цвайдлер, которые формализовали дисциплину управления вероятностями в 2006 году. [1] Эта тема также подробно раскрыта в . [2]
Векторы смоделированных реализаций вероятностных распределений используются для стохастической оптимизации как минимум с 1991 года. [3] Эндрю Гельман описал такие массивы реализаций как объекты случайных переменных в 2007 году. [4]
Недавний подход не сохраняет фактические реализации, а предоставляет формулы, известные как виртуальные SIP, которые генерируют идентичные симуляционные испытания в хост-среде независимо от платформы. Это достигается с помощью выборки обратного преобразования, также известной как метод F-Inverse, в сочетании с портативным генератором псевдослучайных чисел, который создает один и тот же поток однородных случайных чисел на разных платформах. [5] В этом контексте квантильные параметризованные распределения (QPD) удобны для выборки с обратным преобразованием. В частности, распределение Металога представляет собой гибкое непрерывное распределение вероятностей, которое имеет простые уравнения замкнутой формы и может быть напрямую параметризовано данными, используя лишь несколько параметров. [6] Идеальным генератором псевдослучайных чисел для управления обратными преобразованиями является генератор HDR, разработанный Дугласом В. Хаббардом . Это генератор на основе счетчиков с четырехмерным начальным числом и индексом итерации, который работает практически на всех платформах, включая Microsoft Excel. [7] Это позволяет результаты моделирования, полученные на R, Python или других доступных платформах, одинаково доставляться, проба за пробой, широкой аудитории с точки зрения комбинации нескольких параметров для распределения Metalog, сопровождаемых пятью входными данными для генератора HDR.
В 2013 году ProbabilityManagement.org была зарегистрирована как некоммерческая организация 501(c)(3), которая поддерживает этот подход посредством обучения, инструментов и открытых стандартов. Исполнительный директор Сэм Сэвидж является автором книги «Недостаток средних значений: почему мы недооцениваем риск перед лицом неопределенности» и адъюнкт-профессором Стэнфордского университета. Гарри Марковиц , лауреат Нобелевской премии по экономике, был одним из основателей совета директоров. Некоммерческая организация получила финансовую поддержку от Chevron Corporation, General Electric, Highmark Health, Kaiser Permanente, Lockheed Martin, PG&E и Wells Fargo Bank. Стандарт SIPmath 2.0 поддерживает форматы XLSX, CSV и XML. [8] Стандарт SIPmath 3.0 использует объекты JSON для передачи виртуальных SIP на основе распределения Metalog и генератора HDR.
Ссылки
[ редактировать ]- ^ Сэвидж, Сэм; Шольтес, Стефан; Цвайдлер, Дэниел (февраль 2006 г.). «Управление вероятностями | ORMS сегодня» . pubsonline.informs.org . дои : 10.1287/orms.2006.01.10 . Проверено 21 июля 2022 г.
{{cite journal}}: CS1 maint: несколько имен: список авторов ( ссылка ) - ^ Сэвидж, Сэм (2009). Недостаток средних значений: почему мы недооцениваем риск перед лицом неопределенности . Хобокен: Джон Уайли и сыновья. ISBN 978 0-471-38197-6 .
- ^ Дембо, Рон (1991). «Оптимизация сценария» . Анналы исследования операций . 30 :63–80. дои : 10.1007/BF02204809 . S2CID 44126126 .
- ^ Гельман, Эндрю (2007). «Манипулирование и обобщение апостериорного моделирования с использованием объектов случайных величин» . Статистика и вычисления . 17 (3): 235–244. дои : 10.1007/s11222-007-9020-4 . S2CID 15926131 .
- ^ Сэвидж, Сэм (2022). Шансификация: как исправить недостаток средних значений . стр. Глава 16.
- ^ Килин, Томас В. (01 декабря 2016 г.). «Распределения металогов» . Анализ решений . 13 (4): 243–277. дои : 10.1287/дека.2016.0338 . ISSN 1545-8490 .
- ^ Хаббард, Дуглас В. (декабрь 2019 г.). «Многомерный генератор псевдослучайных чисел на основе счетчиков как стандарт для моделирования Монте-Карло» (PDF) . WSC 19: Материалы зимней конференции по моделированию .
- ^ «Стандартная спецификация SIP» (PDF) . 6 июня 2016 г.