Innovación importante en gestión de riesgos – SIPmath™ 3.0 Estándar

La Norma de Corriente Alterna y la Primera Central Eléctrica Industrial de Chancificación

por Sam Savage

ProbabilityManagement.org se enorgullece en anunciar la primera versión general de la SIPmath 3.0 Estándar para almacenar SIPs virtuales en el formato JSON universal Y estamos encantados de que lo último Analytic Solver de Frontline Systems, tanto lee como escribe este formato.

La disciplina de la gestión de la probabilidad representa las incertidumbres como datos que obedecen tanto las leyes de la aritmética como las leyes de la probabilidad. SIPmath 2.0 logró esto almacenando matrices de miles de ensayos de Monte Carlo. SIPmath 3.0 logra esto con una fracción muy pequeña del almacenamiento. Si la probabilidad fuera electricidad, entonces SIPmath 2.0 sería corriente continua y SIPmath 3.0 sería la corriente alterna que todos usamos hoy en día.

HDR.png

El estándar SIPmath 3.0 utiliza a Doug Hubbard's generador de números aleatorios HDR para mantener la coherencia estadística, generando flujos idénticos de números pseudoaleatorios en todas las plataformas, incluido Excel nativo.

Pregunta a RAW@AI sobre esta publicación o simplemente habla sobre la gestión de riesgos

Metalogs.png

Estos números aleatorios alimentan a Tom Keelin Distribuciones Metalog, un sistema flexible para crear una amplia gama de variables aleatorias continuas, incluyendo multimodales.

El Analytic Solver abarca optimización, aprendizaje automático, simulación y técnicas poderosas. Su "Desplegar Modelo" te permite

Crea, prueba y perfecciona distribuciones de probabilidad que deben usarse en toda tu empresa — por ejemplo, para tasas de cambio o precios de commodities — utilizando las más de 60 herramientas de creación de distribuciones clásicas, Metalog y personalizadas de Analytic Solver — luego impleméntalas y compártelas como modelos de probabilidad, siguiendo el estándar abierto de Gestión de Probabilidades SIPmath 3.0.

Energía hidroeléctrica.png

Usar SIPmath 3.0 garantiza que obtendrás las mismas pruebas de Monte Carlo en ChanceCalc, Python, R o, si tienes paciencia, en un ábaco. Y yendo en la otra dirección, puedes generar distribuciones de probabilidad en una amplia variedad de simulaciones, que pueden ser importadas a Analytic Solver para usar con sus potentes motores de optimización estocástica.

Espero que este paquete desempeñe un papel tan central en Chancificación como la central hidroeléctrica Tesla/Westinghouse de 1895 en las Cataratas del Niágara desempeñó un papel en la electrificación.

© Derechos de autor 2021 Sam L. Savage

Deja una respuesta

Este sitio utiliza Akismet para reducir el spam. Aprende cómo se procesa la información de tus comentarios.