Vad är stokastisk modellering?
Stokastisk modellering är en teknik för att presentera data eller förutsäga resultat som tar hänsyn till en viss grad av slumpmässighet eller oförutsägbarhet. Försäkringsbranschen beror till exempel mycket på stokastisk modellering för att förutsäga företagets balansräkningar i framtiden, eftersom dessa kan bero på oförutsägbara händelser som leder till betalning av fordringar. Många andra branscher och studieregler kan dra nytta av stokastisk modellering, såsom statistik, aktieinvestering, biologi, lingvistik och kvantfysik.
Speciellt i försäkringsvärlden är stokastisk modellering avgörande för att bestämma vilka resultat som kan förväntas, kontra vilka som är osannolika. I stället för att använda fasta variabler som i annan matematisk modellering, innehåller en stokastisk modell slumpmässiga variationer för att förutsäga framtida förhållanden och för att se hur de kan vara. Naturligtvis innebär möjligheten till en slumpmässig variation att många kan uppstå. Av denna anledning körs inte stokastiska modeller bara en gång, utan hundratals eller till och med tusentals gånger. Denna större insamling av data uttrycker inte bara vilka resultat som är mest troliga, utan även vilka intervall som kan förväntas.
För att förstå idén om stokastisk modellering kan det vara till hjälp att tänka på att det är motsatsen, på ett sätt, av deterministisk modellering. Denna andra typ av modellering är det som mest av elementär matematik består av. Lösningen på ett problem kan vanligtvis bara ha ett rätt svar, och grafen för en funktion kan bara ha en specifik uppsättning värden. Stokastisk modellering, å andra sidan, är som att variera ett komplicerat matteproblem något för att se hur lösningen påverkas och sedan göra så många gånger och på olika sätt. Dessa små variationer representerar slumpmässigheten eller oförutsägbarheten av händelser i den verkliga världen och deras effekter.
En annan verklig tillämpning av stokastisk modellering, förutom försäkring, är tillverkning. Tillverkning ses som en stokastisk process på grund av effekten som okända eller slumpmässiga variabler kan ha på slutresultatet. Till exempel kommer en fabrik som tillverkar en viss produkt alltid att upptäcka att en liten procentandel av produkterna inte kommer ut som avsedd och inte kan säljas. Detta kan bero på en mängd olika faktorer, såsom kvaliteten på insatsvaror, produktionsmaskinens arbetsvillkor och anställdas kompetens, bland andra. Det oförutsägbara hur dessa faktorer påverkar utfall kan modelleras för att förutsäga en viss felfrekvens inom tillverkningen, vilket kan planeras framöver.