Notes de cours - Simulation Monte Carlo Fichier

GOL500 – Industries de services
Simulations - I
Version 2016

Simulations Monte Carlo
2
Objectifs pédagogiques
À la fin de cette séance de cours, tu devras être capable:
•De discerner les étapes d’une simulation Monte Carlo;
•De modéliser les paramètres incertains par des variables
aléatoires;
•De générer des échantillons de ces variables aléatoires;
•D’effectuer la simulation Monte Carlo;
•D’Analyser les résultats à l’aide d’outils statistiques.

Simulations Monte Carlo
3
Introduction
La simulation est une méthode numérique pour analyser la
performance d’un système, modèle, problème dont la
description est sous forme mathématique ou sous forme
de règles algorithmiques;
 La simulation convient lorsque la complexité d’un
système est telle
•L’analyse mathématique exacte est intraitable (insoluble);
•L’approximation numérique ne donne pas de bon résultat;
•Les paramètres ont des valeurs incertaines;
•Etc.

4
Introduction
 La simulation Monte Carlo est privilégiée lorsque les
paramètres d’un système sont incertaines
•Les paramètres sont le produit de processus aléatoires;
•Les paramètres sont caractérisés par des distributions de
probabilité.
Dans ce cas, les résultats de l’analyse seront des
estimations statistiques
•Ces estimations pourront être de plus en plus proche de la
réalité mais jamais être exactes;
C’est pourquoi la simulation Monte Carlo est souvent
considérée comme une technique d’aide à la décision.
Simulations Monte Carlo

5
Introduction
L’analyse de performance par la simulation Monte Carlo
est le sujet de cette section;
Elle s’applique à la plupart des problèmes sans égard à la
nature du modèle de représentation ;
Elle peut nous renseigner sur des mesures de performance
difficiles à obtenir analytiquement;
Elle peut nous aider à trouver des réponses à des
questions de type « what-if »;
Par contre, la simulation Monte Carlo n’est pas une
technique d’optimisation
•Elle aide dans la prise de décision mais elle ne peut nous
donner une solution optimale.
Simulations Monte Carlo