Sannolikhetshantering
Disciplinen sannolikhetshantering kommunicerar och beräknar osäkerheter som datastrukturer som följer både aritmetikens och sannolikhetens lagar, samtidigt som statistisk koherens bevaras. Det enklaste tillvägagångssättet är att använda vektormatriser av simulerade eller historiska realiseringar och metadata som kallas Stokastiska Informationspaket (SIP). , sägs vara koherenta och kallas en S tokastisk biblioteksenhet med relationer P reserverade (SLURP ) . SIP och SLURP tillåter stokastiska simuleringar att kommunicera med varandra. Se till exempel Analytica ( Wikipedia ), Analytica ( SIP-sida ), Oracle Crystal Ball , Frontline Solvers och Autobox .
Den första stora dokumenterade tillämpningen av SIP:er involverade Royal Dutch Shells utforskningsportfölj 2005 som rapporterades av Savage, Scholtes och Zweidler, som formaliserade disciplinen sannolikhetshantering 2006. Ämnet utforskas också utförligt i.
Vektorer av simulerade realiseringar av sannolikhetsfördelningar har använts för att driva stokastisk optimering sedan åtminstone 1991. Andrew Gelman beskrev sådana uppsättningar av realiseringar som Random Variable Objects 2007.
En ny metod lagrar inte de faktiska realiseringarna, utan levererar formler som kallas virtuella SIP:er som genererar identiska simuleringsförsök i värdmiljön oavsett plattform. Detta åstadkoms genom invers transformsampling, även känd som F-Inverse-metoden, kopplad till en bärbar pseudoslumptalsgenerator, som producerar samma ström av enhetliga slumptal över plattformar. Quantile parameterized distributions (QPDs) är praktiska för invers transformsampling i detta sammanhang. Speciellt Metalog- fördelningen en flexibel kontinuerlig sannolikhetsfördelning som har enkla ekvationer i sluten form, som kan parametriseras direkt av data, med endast en handfull parametrar. En idealisk pseudoslumptalsgenerator för att driva inversa transformationer är HDR-generatorn som utvecklats av Douglas W. Hubbard . Det är en motbaserad generator med ett fyrdimensionellt frö plus ett iterationsindex som körs i praktiskt taget alla plattformar inklusive Microsoft Excel. Detta gör att simuleringsresultat som härrör från R, Python eller andra lättillgängliga plattformar kan levereras identiskt, försök för försök till en bred publik i form av en kombination av några parametrar för en Metalog-distribution tillsammans med de fem ingångarna till HDR-generatorn.
2013 införlivades ProbabilityManagement.org som en 501(c)(3) ideell organisation som stöder detta tillvägagångssätt genom utbildning, verktyg och öppna standarder. Verkställande direktören Sam Savage är författare till The Flaw of Averages: Why We Underestimate Risk in the Face of Uncertainty och är adjungerad professor vid Stanford University. Harry Markowitz , Nobelpristagare i ekonomi, var med och grundade styrelseledamot. Den ideella organisationen har fått ekonomiskt stöd från Chevron Corporation, General Electric, Highmark Health, Kaiser Permanente, Lockheed Martin, PG&E och Wells Fargo Bank. SIPmath 2.0 Standard stöder formaten XLSX, CSV och XML. SIPmath 3.0 Standard använder JSON-objekt för att förmedla virtuella SIP:er baserade på Metalog Distribution och HDR Generator.