Vad är Stokastisk modellering?

August 24

Stokastisk modellering är en teknik för att presentera data och förutsäga utfall som tar hänsyn till en viss grad av slumpmässighet, eller oförutsägbarhet. Försäkringsbranschen, till exempel, beror mycket på stokastisk modellering för att förutsäga framtida villkor för företagets balansräkningar, eftersom dessa kan bero på oförutsägbara händelser som leder till att betala av fordringar. Många andra branscher och ämnesområden kan dra nytta av stokastisk modellering, såsom statistik, lager investera, biologi, lingvistik och kvantfysik.

Särskilt i en värld av försäkringar, är stokastisk modellering avgörande för vilka resultat kan förväntas, kontra vilka som är osannolika. Istället för att använda fasta variabler såsom i andra matematisk modellering, innehåller en stokastisk modell slumpmässiga variationer att förutsäga framtida förhållanden och för att se vad de kan vara. Naturligtvis innebär möjligheten till en slumpmässig variation som många skulle kunna inträffa. Av denna anledning är stokastiska modeller inte köra bara en gång, men hundratals eller tusentals gånger. Detta större samling av data inte bara uttrycker vilka utfall är mest sannolikt, men vad varierar kan förväntas också.

För att förstå idén med stokastisk modellering, kan det vara till hjälp att beakta att det är det motsatta, på ett sätt, av deterministisk modellering. Denna andra typ av modellering är vad de flesta av elementär matematik består av. Lösningen på ett problem kan oftast bara ha ett rätt svar, och grafen av en funktion kan bara ha en viss uppsättning värderingar. Stokastisk modellering, å andra sidan, är som att variera ett komplicerat matematiskt problem något för att se hur lösningen påverkas, och sedan göra så många gånger och på olika sätt. Dessa små variationer representerar slumpmässighet eller oförutsägbarhet verkliga händelser och deras effekter.

En annan verklig tillämpning av stokastisk modellering, förutom försäkringar, är tillverkning. Tillverknings ses som en stokastisk process på grund av den effekt som okända eller slumpmässiga variabler kan ha på slutresultatet. Till exempel kommer en fabrik som gör en viss produkt alltid finna att en liten andel av de produkter som inte kommer ut som avsett, och kan inte säljas. Detta kan bero på en mängd faktorer, såsom kvaliteten på ingångar, den arbetande tillståndet hos produktionsmaskiner, och de anställdas kompetens, bland andra. Den oförutsägbarhet om hur dessa faktorer påverkar utfallet kan modelleras för att förutsäga en viss felfrekvens inom tillverkning, vilket kan planeras i förväg för.