確率管理

確率管理の分野では、統計的一貫性を保ちながら、算術と確率の両方の法則に従うデータ構造として不確実性を伝達および計算します。最も単純なアプローチは、シミュレーションまたは履歴の実現値のベクトル配列と、確率情報パケット (SIP) と呼ばれるメタデータを使用することです。変数間の統計的関係を保持する SIP のセットは一貫性があると言われ、関係が予約された確率ライブラリ ユニット (SLURP) と呼ばれます。SIPとSLURPにより、確率的シミュレーションが相互に通信できるようになります。たとえば、Analytica ( Wikipedia )、Analytica (SIP ページ)、Oracle Crystal Ball、Frontline Solvers、および Autobox を参照してください。

SIP の最初の大規模な応用例は、2005 年のロイヤル・ダッチ・シェルの探査ポートフォリオに関するもので、サベージ、ショルツ、ツヴァイドラーが報告したように、2006 年に確率管理の分野を公式化しました。^{[1]このトピックは、 [2]}でも詳しく取り上げられています。

確率分布のシミュレートされた実現のベクトルは、少なくとも1991年以来、確率的最適化を推進するために使用されてきました。^[3] アンドリュー・ゲルマンは、2007年にこのような実現の配列をランダム変数オブジェクトとして説明しました。^[4]

最近のアプローチでは、実際の実現値は保存されませんが、プラットフォームに関係なくホスト環境で同一のシミュレーション試行を生成する仮想 SIP と呼ばれる式が提供されます。これは、F 逆法とも呼ばれる逆変換サンプリングと、プラットフォーム間で同じ一様乱数ストリームを生成するポータブル疑似乱数ジェネレーターを組み合わせることで実現されます。^[5] このコンテキストでは、分位パラメータ化分布 (QPD) が逆変換サンプリングに便利です。特に、Metalog分布は柔軟な連続確率分布であり、単純な閉形式方程式を持ち、少数のパラメータのみを使用してデータによって直接パラメータ化できます。^{[6]逆変換を駆動するための理想的な疑似乱数ジェネレーターは、} Douglas W. Hubbard が開発した HDR ジェネレーターです。これは、Microsoft Excel を含むほぼすべてのプラットフォームで実行される、4 次元シードと反復インデックスを備えたカウンターベースのジェネレーターです。^[7]これにより、R、Python、またはその他の利用可能なプラットフォームで得られたシミュレーション結果を、HDRジェネレータへの5つの入力を伴うMetalog分布のいくつかのパラメータの組み合わせという形で、試行ごとに同一の形で幅広い対象者に提供できるようになります。

2013年、ProbabilityManagement.orgは、教育、ツール、オープンスタンダードを通じてこのアプローチをサポートする501(c)(3)非営利団体として法人化されました。エグゼクティブディレクターのサム・サベージは、「平均の欠陥：不確実性に直面してリスクを過小評価する理由」の著者であり、スタンフォード大学の非常勤教授です。ノーベル経済学賞受賞者のハリー・マーコウィッツは共同設立者の理事でした。この非営利団体は、シェブロン社、ゼネラル・エレクトリック社、ハイマーク・ヘルス社、カイザー・パーマネンテ社、ロッキード・マーティン社、PG&E社、ウェルズ・ファーゴ銀行から財政的支援を受けています。SIPmath 2.0標準は、XLSX、CSV、およびXML形式をサポートしています。^[8] SIPmath 3.0標準は、Metalog DistributionおよびHDR Generatorに基づいて仮想SIPを伝えるためにJSONオブジェクトを使用します。