Hva er stokastisk modellering?

Stokastisk modellering er en teknikk for å presentere data eller forutsi utfall som tar hensyn til en viss grad av tilfeldighet, eller uforutsigbarhet. Forsikringsbransjen avhenger for eksempel sterkt av stokastisk modellering for å forutsi fremtidig tilstand for selskapets balanse, siden disse kan avhenge av uforutsigbare hendelser som resulterer i betaling av krav. Mange andre bransjer og studieretninger kan dra nytte av stokastisk modellering, for eksempel statistikk, aksjeinvestering, biologi, lingvistikk og kvantefysikk.

Spesielt i forsikringsverdenen er stokastisk modellering avgjørende for å bestemme hvilke utfall som kan forventes, kontra hvilke som er usannsynlig. I stedet for å bruke faste variabler som i annen matematisk modellering, inkluderer en stokastisk modell tilfeldige variasjoner for å forutsi fremtidige forhold og for å se hvordan de kan være. Muligheten for en tilfeldig variasjon innebærer selvfølgelig at mange kan oppstå. Av denne grunn kjøres ikke stokastiske modeller bare én gang, men hundrevis eller til og med tusenvis av ganger. Denne større samlingen av data uttrykker ikke bare hvilke utfall som er mest sannsynlig, men hvilke områder kan også forventes.

For å forstå ideen om stokastisk modellering, kan det være nyttig å vurdere at det er motsatt, på en måte, av deterministisk modellering. Denne andre typen modellering er det meste av elementær matematikk består av. Løsningen på et problem kan vanligvis bare ha ett riktig svar, og grafen til en funksjon kan bare ha ett spesifikt sett med verdier. Stokastisk modellering er derimot som å variere et komplisert matematikkproblem litt for å se hvordan løsningen påvirkes, og så gjøre det mange ganger og på forskjellige måter. Disse små variasjonene representerer tilfeldighetene eller uforutsigbarheten av hendelser i den virkelige verden og deres effekter.

En annen virkelig anvendelse av stokastisk modellering, i tillegg til forsikring, er produksjon. Produksjon blir sett på som en stokastisk prosess på grunn av effekten som ukjente eller tilfeldige variabler kan ha på sluttresultatet. For eksempel vil en fabrikk som lager et bestemt produkt alltid finne at en liten prosentandel av produktene ikke kommer ut som tiltenkt, og ikke kan selges. Dette kan skyldes en rekke faktorer, for eksempel kvaliteten på innganger, produksjonsmaskinens arbeidsforhold og de ansattes kompetanse, blant andre. Uforutsigbarheten til hvordan disse faktorene påvirker resultatene kan modelleres for å forutsi en viss feilrate i industrien, som det kan planlegges fremover.