확률관리

확률관리의 규율은 산술과 확률의 법칙을 모두 따르는 데이터 구조로서 불확실성을 전달하고 계산한다. 가장 간단한 접근방법은 시뮬레이션 또는 과거 현실화의 벡터 어레이와 확률적 정보 패킷(SIP)이라고 불리는 메타 데이터를 사용하는 것이다. 변수들 간의 통계적 관계를 보존하는 SIPs 집합은 일관성이 있다고 하며, SLURP(Sortic Library Unit with Relations Reserved, SLURP)라고 한다. SIP와 SLURP는 확률적 시뮬레이션을 통해 서로 통신할 수 있다. 예를 들어 Analytica(Wikipedia), Analytica(SIP 페이지), Oracle Crystal Ball, Front Solvers 및 Autobox를 참조하십시오.

SIP의 첫 문서화된 대규모 적용은 새비지, 숄츠, 그리고 2006년에 확률 관리의 규율을 공식화한 Zweidler가 보고한 바와 같이 2005년에 Royal Dutch Shell의 탐사 포트폴리오를 포함했다.^[1] 그 주제는 또한 상세하게 탐구된다.^[2]

확률 분포의 시뮬레이션 실현 벡터는 최소한 1991년부터 확률적 최적화를 추진하기 위해 사용되어 왔다.^[3] Andrew Gelman은 2007년에 그러한 실현 배열을 Random Variable Objects라고 설명했다.^[4]

최근의 접근방식은 실제 실현을 저장하지 않고, 플랫폼에 관계없이 호스트 환경에서 동일한 시뮬레이션 시험을 생성하는 가상 SIP라고 알려진 공식을 제공한다. 이는 F 역변환 샘플링(F Inverse method)을 통해 수행되며, 이동 가능한 유사 난수 생성기와 결합되어 플랫폼 전체에 걸쳐 동일한 난수 스트림을 생성한다. QPD(Quantile parameterized distribution)는 이 맥락에서 역변환 샘플링에 편리하다. 특히 메탈로그 분포는 단순한 폐쇄형 방정식을 갖는 유연한 연속 확률 분포로, 소수의 파라미터만 사용하여 데이터에 의해 직접 파라미터화할 수 있다.^[5] 역변환 운전을 위한 이상적인 유사 난수 생성기는 더글러스 W가 개발한 HDR 생성기다. 허바드 마이크로소프트 엑셀을 비롯한 사실상 모든 플랫폼에서 구동되는 4차원 시드(seed)와 반복지수를 더한 카운터 기반 발전기다.^[6] 이를 통해 R, Python 또는 쉽게 구할 수 있는 다른 플랫폼에서 도출된 시뮬레이션 결과를 동일하게 전달하고, HDR 발전기에 대한 다섯 가지 입력을 동반한 메탈로그 배포에 대한 몇 가지 매개변수의 조합 측면에서 광범위한 청중에게 시험적으로 전달할 수 있다.

2013년에 ProbabilityManagement.org은 교육, 도구 및 개방형 표준을 통해 이 접근법을 지원하는 501(c)(3) 비영리 단체로 통합되었다. 상무이사 샘 새비지는 평균의 결함: 왜 우리가 불확실성 앞에서 위험을 과소평가하고 스탠포드 대학의 부교수인가. 노벨 경제학상 수상자인 해리 마코위츠는 공동 창립 이사였다. 이 비영리 단체는 쉐브론, 제너럴 일렉트릭, 하이마크 헬스, 카이저 퍼머넌트, 록히드 마틴, PG&E, 웰스 파고 은행으로부터 재정적 지원을 받았다. SIPmath 2.0 표준은 XLSX, CSV 및 XML 형식을 지원한다.^[7] SIPmath 3.0 표준은 JSON 개체를 사용하여 Metalog Distribution 및 HDR Generator에 기반한 가상 SIP를 전달한다.

참조