الأدلة
محاكاة مونت كارلو والقيمة المتوقّعة الدقيقة
نموذج معلن بنتيجتين، ومتوسط دقيق، وخطأ المحاكاة. ما الذي تسجّله لإعادة الحساب؟
في هذه الصفحة
يمكن للحاسوب توليد آلاف النتائج في الثانية، لكن كثرة السحوبات لا تؤكّد صحّة النموذج. تكرّر محاكاة مونت كارلو عمليةً وفق قواعد محدّدة ثم تلخّص نتائجها. وتتوقّف فائدتها على مدى ملاءمة القواعد للسؤال الذي نحاول الإجابة عنه.
نموذج يمكن حسابه على الورق
لنفترض احتمالين: عائد يساوي 0 باحتمال 75٪، وعائد يساوي 4 باحتمال 25٪. تكلفة المحاولة الواحدة وحدة واحدة. النتائج مستقلّة والاحتمالات ثابتة بين المحاولات. هذا نموذج تعليمي اصطناعي كامل.
القيمة المتوقّعة الدقيقة للعائد هي 0 × 0.75 + 4 × 0.25 = 1. وبعد طرح تكلفة الوحدة يكون الصافي المتوقّع صفرًا. لا نحتاج إلى محاكاة لحساب هاتين القيمتين. للتوزيع فرعان فقط ويمكن جمع مساهمتيهما مباشرة.
لماذا قد تُظهر إحدى عمليات المحاكاة متوسطًا مختلفًا؟
لنفترض سجلًا من 100 محاولة ظهرت فيها القيمة 4 اثنتين وعشرين مرة. مجموع العوائد 88 ومتوسط العيّنة 0.88. اختلافه عن المتوسط الدقيق، وهو 1، لا يثبت وجود خطأ في الصيغة. فقد ينتج الفرق عن تباين العيّنات. والعدد 22 هنا افتراضي، ولم ينتج عن تجربة منفّذة.
تباين العائد الفردي هو 0.75 × 0² + 0.25 × 4² − 1² = 3. ومع n من المحاولات المستقلّة، يكون الخطأ المعياري للمتوسط √(3/n). وهو نحو 0.173 عند 100 محاولة ونحو 0.0173 عند 10,000 محاولة. مضاعفة عدد المحاولات مئة مرة تقلّل مقياس عدم اليقين هذا إلى عُشره.
لا تعني هذه العلاقة أن كلّ تشغيل أطول سيكون أقرب إلى القيمة المستهدفة من كلّ تشغيل أقصر. بل تصف تشتّت المتوسطات عند تكرار التجربة. وقد يبتعد متوسط تشغيل واحد مؤقتًا عن القيمة المتوقّعة.
ما الذي تسجّله لتتمكّن من إعادة النتيجة؟
- القائمة الكاملة للقيم واحتمالاتها التي يساوي مجموعها واحدًا.
- عدد المحاولات وقاعدة استقلالها أو وصف الاعتماد بينها.
- المولّد وإصداره وبذرته إذا كانت الأداة تتيحها.
- تعريف الكمية المبلّغ عنها، مثل العائد أو الصافي أو المتوسط أو التكرار.
لا تكفي البذرة وحدها إذا تغيّرت الخوارزمية أو ترتيب أخذ الأعداد. استخدام البذرة نفسها يسهّل إعادة التشغيل في البيئة ذاتها. ولا يجعل النموذج أقرب إلى وصف لعبة حقيقية.
كثرة السحوبات لا تكشف القواعد المفقودة
إذا أغفل النموذج خاصية إضافية أو كانت احتمالاته خاطئة، فإن مليون محاولة ستصف ذلك النموذج الخاطئ بدقّة أكبر. لا تستخرج المحاكاة جدولًا خفيًا لمنتج تجاري من اسمه أو رسومه أو نسبة العائد المعلنة له.
يتيح مختبر القيمة المتوقّعة مراجعة حساب الفروع المعلنة أولًا. ويساعد مختبر التشتّت على فهم الفرق بين المتوسط والنتائج الفردية. استخدم الأداتين لدراسة الافتراضات وعدم اليقين. لا يحدّد أي تشغيل متى ستعطي الجولة التالية من لعبة بعينها نتيجة محدّدة.
المصادر
- OpenIntro Statistics: الاحتمالاتتاريخ التحقق