Passare dagli intervalli a un modello probabilistico
Ogni variabile riceve una distribuzione adatta, per esempio normale per variazione simmetrica motivata, triangolare per minimo, moda e massimo o lognormale per grandezze positive asimmetriche.
Le correlazioni importanti devono essere modellate; una falsa indipendenza sottostima il rischio.
Simulare e conservare i parametri
Ogni iterazione estrae i valori e ricalcola il modello. Si conservano distribuzione, media e percentili come P5 e P95.
Nel perimetro documentato, la simulazione usa 10.000 iterazioni e restituisce media, P5 e P95. Questi risultati dipendono dalle distribuzioni, dalle dipendenze e dalle ipotesi selezionate; non sono una previsione.
| Elemento | Da documentare | Rischio se assente |
|---|---|---|
| Variabile | Definizione e unità | Doppio conteggio |
| Distribuzione | Forma e parametri | Falsa precisione |
| Dipendenza | Correlazione o causa | Rischio sottostimato |
| Output | Media e percentili | Lettura come previsione |
Leggere la distribuzione per decidere
La media non descrive dispersione o asimmetria. P5 e P95 delimitano il 90 % centrale delle estrazioni, non un intervallo di confidenza sul mondo reale.
Confrontate rischio di soglia, riserva, robustezza e ipotesi che guidano la varianza.
Mantenere la simulazione rivedibile
Il percorso proposto associa Plot alla simulazione e Atlas al dossier. Ogni esecuzione conserva parametri, fonti e validazione prima di informare l’arbitraggio.
Modello, distribuzioni, fonti, dipendenze, data, risultati ed eventi di revisione restano tracciati.
Domande frequenti
Quante iterazioni servono?
Dipende dalla stabilità richiesta e dal costo del modello. Verificate la convergenza.
Monte Carlo sostituisce gli scenari?
No. Gli scenari organizzano futuri coerenti; Monte Carlo esplora un modello quantificato.
P95 è una garanzia?
No. Dipende da distribuzioni, dipendenze ed evidenze.