Modelli deterministici e probabilistici

 

La variabilità dei dati di input è la caratteristica dei modelli probabilistici

 

In azienda molti sono i momenti decisionali alla base delle scelte da attuare. I modelli decisionali si distinguono in due tipi e sono basati sulla natura della problematica da analizzare. Abbiamo i modelli deterministici o quelli probabilistici, statici o dinamici.

Nei modelli deterministici le conoscenze dei dati sono note con certezza a priori. Questo tipo di modelli presuppone una sorta di semplificazione della realtà e le conclusioni a cui arrivano possono poi essere estese a casi probabilistici. I modelli statici affrontano il  sistema ed il processo decisionale che ne consegue in un’unica fase temporale. I secondi (stocastico deriva dal greco e significa “dovuto al caso”, “aleatorio”)  hanno come informazioni in ingresso grandezze aleatorie e includono quindi  una probabilità assegnata oppure ignota. I modelli dinamici affrontano il sistema attraverso diverse fasi temporali, che in genere sono ampie. La differenza fra i due modelli è data dalla variabilità dei dati di input.

Spesso i modelli probabilistici (stocastici) presentano una struttura più complessa dei modelli statici e sono anche più affidabili in quanto, considerando le variabili che possono esserci, sono più aderenti alla realtà.

Per chiarire questa affermazione consideriamo questo esempio. In un fenomeno metereologico si vuole stabilire quanta pioggia cadrà a seguito di una data perturbazione in una certa località. E’ chiaro che non sarà possibile sapere in anticipo quanta pioggia cadrà. Ecco che in questo caso come in molti altri, il modello deterministico non sembra idoneo, mentre molto più naturale diventa quello probabilistico.

Ti interessa il tema della probabilità? Segui il link!