Simulation de Monte-Carlo

Probabilité avancée : l'incertitude dans les données

Maarten Van den Broeck

Senior Content Developer at DataCamp

Qu'est-ce que la simulation de Monte-Carlo ?

Prévisions météo

Probabilité avancée : l'incertitude dans les données

Qu'est-ce que la simulation de Monte-Carlo ?

  • Tester de nombreux scénarios aléatoires pour voir ce qui peut arriver
  • Produire une distribution de probabilité des résultats simulés
  • Exemples d'application :
    • Prévisions financières
    • Évaluation des risques
    • Optimisation de la chaîne d'approvisionnement

Vue de Monte-Carlo, Monaco

Probabilité avancée : l'incertitude dans les données

Étapes d'une simulation de Monte-Carlo

Étape 1 de la simulation de Monte-Carlo

Probabilité avancée : l'incertitude dans les données

Étapes d'une simulation de Monte-Carlo

Étapes 1 et 2 de la simulation de Monte-Carlo

Probabilité avancée : l'incertitude dans les données

Étapes d'une simulation de Monte-Carlo

Étapes 1, 2 et 3 de la simulation de Monte-Carlo

Probabilité avancée : l'incertitude dans les données

Exemple : estimation du coût d'un projet

Une entreprise veut estimer le coût total d'un projet

  1. Variables clés : prix des matériaux, heures de travail, imprévus

Une main tenant une calculatrice devant un écran avec un graphique linéaire

Probabilité avancée : l'incertitude dans les données

Exemple : estimation du coût d'un projet

Une entreprise veut estimer le coût total d'un projet

  1. Variables clés : prix des matériaux, heures de travail, imprévus
  2. Exécuter 10 000 simulations avec des valeurs échantillonnées aléatoirement
  3. Analyser les résultats pour estimer la probabilité de respecter le budget

Exemple de résultat Monte-Carlo

Probabilité avancée : l'incertitude dans les données

Principaux avantages de la simulation de Monte-Carlo

  • Génère un éventail de résultats possibles
  • Quantifier risques et occasions en probabilités
  • Refléter la complexité et les interdépendances des variables

Illustration d'une main tenant des icônes positives

Probabilité avancée : l'incertitude dans les données

Limites de la simulation de Monte-Carlo

  • La précision dépend de la qualité des données d'entrée et des hypothèses
  • Coûteux en calcul
  • Expertise requise pour interpréter les résultats

Un panneau d'avertissement et un engrenage avec une coche

Probabilité avancée : l'incertitude dans les données

Exemple : estimation du coût d'un projet

Une main tenant une calculatrice devant un écran avec un graphique linéaire

Probabilité avancée : l'incertitude dans les données

Passons à la pratique !

Probabilité avancée : l'incertitude dans les données

Preparing Video For Download...