Simulação estocástica
Métodos de simulação estocástica são procedimentos que envolvem a geração de números aleatórios (pseudo-aleatórios) com o objectivo de explorar o espaço de incerteza ou campo de possibilidades de um dado fenómeno físico ou qualquer outro tipo de variável de estudo cujo comportamento possa ser quantificado matematicamente.[1] Os métodos de simulação fazem parte da ciência de processos estocásticos e utilizam o método de Monte-Carlo nos seus algoritmos.
Nota histórica[editar | editar código-fonte]
Com a introdução da teoria do caos e especialmente a noção de efeito borboleta, a qual refere que o bater de asas de uma borboleta num lado do mundo poderá dar origem a um tornado no lado oposto, a introdução de aleatoriedade no estudo de fenómenos físicos começou a deixar de ser posta de lado. A noção que pequenas diferenças nas condições iniciais de um sistema podem evoluir para estados completamente diferentes implicariam que o grau de confiança numa estimação de determinista seria menor do que o expectável. Por esse motivo a quantificação e exploração do espaço de incerteza num dado procedimento passou a ser necessário. O progresso neste campo passou a ser tão notório que o professor Richard Forsyth escreveu num prefácio[2]:
| “ | - Referindo-se ao estudo de mercados financeiros e ao seu comportamento imprevisível - ... "Somos forçados a viver à beira do caos o que é, potencialmente, um situação desconfortável. Seria mais confortável se soubéssemos maneiras de aplicar os últimos desenvolvimentos (i.e. desenvolvimentos científicos) na resolução de sistemas dinâmicos não-lineares. O problema é que esta investigação está a ser feita por vários grupos nas mais diversas ciências: vida artificial, teoria do caos, fractais, lógica difusa, algoritmos genéticos e simulação estocástica entre outros." - Richard Forsyth | ” |
Discussão[editar | editar código-fonte]
- A noção de incerteza é importante nos processo de simulação sequencial em geoestatística a qual utilizam simulação estocástica para gerar realizações equipróvaveis na estimação de uma variável de estudo num contexto espacial.
- São também utilizados métodos deste tipo no campo da química, especialmente em operações de reação-difusão.[3]
- Em 1969 foi proposto pelo meteorologista Edward Epstein a realização de várias simulações para o estado da atmosfera no campo da previsão numérica do tempo de maneira a obter uma média e variância.[4] Na década de 1990 tornou-se rotineiro a utilização de simulação estocástica nesta área científica.
Ver também[editar | editar código-fonte]
Referências
- ↑ A. Prodan, R. Prodan, Stochastic simulation and modelling, Iuliu Haţieganu University, Romania
- ↑ Dimitris N. Chorafas, Chaos Theory in the Financial Markets: Applying Fractals, Fuzzy Logic, Genetic Algorithms, Swarm Simulation and the Monte Carlo Method to Manage Market Chaos and Volatility, 1994, McGraw-Hill Professional
- ↑ R. Erban, S. Jonathan Chapman, P. K. Maini, A practical guide to Stochastic Simulations of Reaction-Diffusion processes, University of Oxford, Oxford
- ↑ Epstein, E.S., "Stochastic dynamic prediction", 1969
