Scribd Logo
Upload

Welcome to Scribd!

  • Riscos Com Simulação de Monte Carlo 2 de 2

    Uploaded by

    Fer Nogueira
    305 views5 pages

    Original Title

    Riscos com Simulação de Monte Carlo 2 de 2

    Copyright

    © Attribution Non-Commercial (BY-NC)

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    305 views5 pages

    Riscos Com Simulação de Monte Carlo 2 de 2

    Uploaded by

    Fer Nogueira

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 5
    Hits 100% 24oet0s 95% 1700s ex 1400s od same05 2005 2005 Weans wens wens sons rons sons ores ‘Cumutatve Frequency o7ecins GUNG GRRE ITT i 2aBsap0s osoctns 3005 ‘mmosns Morte Corio 2500 Plan Fish Date: ‘Converged in 200 tertions (aration < 1% over 100 Rerations) Tota Pon Cost Converged in 200 terstions (variation < 1% over 100 terations) Statistics Miu: 2a1sep0s Maximum: 2410S Meer: 4oVDaNs: Max Hits: 348 Std Deviation: 3754 Selected Confidence 35% 1410ans Deterministic Fish: a7, Probebilty 33% Em vez de afirmar que “a estima: tiva de duracdo da Atividade A2 é 10 dias", agora dizemos que "a estimativa de duragao da atividade A2 pode va- Distribution (start of interal) 128, Dstribuigdo de Probabicades para 0 Projeto-exerplo, Far entre o minimo de nove e o maximo de 13 dias, com um valor mais provével de 10 dias, ea probabilidade de ocorréncia de qualquer valor de duragdo dentro desses limites obedece a uma Distbuicdo Triangular de probabllidades' Autiizacio de distribuigdes de probabilidades para representar as duragSes de atividades & 2 base para 0 processo de simulacao Monte Carlo, coro verernos. A simulagio (Uma vez definidas as dstribuigdes de probabilidade que vdo representar as du- rages das atvidades do projeto,o software utliza o métedo de Monte Carlo para simular diversos cendvios possiveis @ gerar um gréfica com varias datas calculadae para a conclusio do projeto e suas chances de ocorréncia De forma resumida, 0 algoritmo de Monte Carlo & um processo de simulacio ‘que & repetido muitas vezes. Em cada iteracio, as duragGes das atividades (em fungao das distribuigdes escolhidas) e a rede do 0 gerados valores possivels para rojeto calculada com base nesses valores, obtendo-se uma data de conclusdo. possivel para o projeto. ‘Ao final de N iteragdes, obtém-se N valores para as datas de conclusio do projeto. Esses valores sto organizados ern um histograma e também é tracado um grafico da freqléncia cumulativa das datas obtidas, que nos permite tirar condl- Bes importantes. A figura 8 mostra o resultado da aplicacio do método de Monte Carlo com uma simulacao de 2.500 iteragSes para 0 projeto do exeplo. MPM pratica oO Na figura 8, temos um histograma com as frequéncias relativas de ocor réncia das datas calculadas para 0 tér min do projeto durante a simulacio. No gréfico também é mostrada a Dis- ‘ribuigdo Cumulative de Freqiiéncias ue nos mostra a probabilidade acu- mulada do projeto terminar até uma determinada data Analsando 0 grafico, podemos fazer vérias consideracoes in- Tal como destacato por SMITH (1973) eros que ter em mente que o méto- do de Monte Carlo ¢ um proceémentoindutve, um método Ico que permite aque as decisis sejam tomadas de forma mais consstente. Consequentemente 35 respostas obticas com a apcaczo do método Monte Carlo no 30 do tpo'"ver dadeir"ou"tlso" ras sim estabelecidas en termos probabiltics. muito importante ressatar que 0 fato do prazo de concisio do projeto obtido na simulacdo ser maior que o previsto pelo método CPM nao é uma mera concidéncia. Na maoria dos casos as datas de conciusdo geradas por métodos

    You might also like