Stochastische Simulation

Hinter dem Begriff Stochastische Simulation verbergen sich im Wesentlichen die sogenannten Monte-Carlo-Verfahren. Dabei werden verschiedene Variablen und Parameter eines Systems unabhängig voneinander gestreut und die Wirkung auf die resultierenden Variablen mittels numerischer Simulation beschrieben.

Einerseits dienen diese Methode dazu Wahrscheinlichkeiten, Unsicherheiten und Unschärfen in Systemen qualitativ und quantitativ zu bestimmen und abzuschätzen. Insbesondere bei komplexen und nichtlinearen Systemen ist dies der pragmatischste und meist einzig praktisch mögliche Zugang zur simulationsbasierten, quantitativen Abschätzung von Wahrscheinlichkeiten, Unsicherheiten und Risiken.

Andererseits kann die Methodik eingesetzt werden, um Zusammenhänge und Abhängigkeiten in komplexen Systemen mit vielen Variablen und Parametern zu identifizieren und zu quantifizieren.

Neben der Robustheitsabsicherung zählt damit die effiziente explorative Untersuchung komplexer Systeme zu den Hauptanwendungsfeldern der stochastischen Simulation.

Eine Spezialität von ANDATA ist die Durchführung von mehrstufigen stochastischen Simulationen, wie sie bei bedingten Wahrscheinlichkeiten und der Anwendungen von Bayes'schen Ansätzen hilfreich ist.