مدل شبیه سازی تحلیل داده کاربردهای جدیدی پیدا می‌کنند، زیرا سازمان‌ها به تجزیه و پیش‌بینی‌کننده و تصمیم‌گیری مبتنی بر داده می‌پردازند.بیشتر تکنیک های تجزیه و تحلیل ها با بازی های قمار شروع شد. برای مثال، ممکن است بخواهید احتمال انداختن 14 تاس را با سه تاس شش وجهی تعیین کنید – مبنای توزیع دوجمله ای یا عادی – یا شانس خود را در رولت یا پوکر بدانید. چنین بازی هایی اساسا شبیه سازی هستند و هدف تحلیلگران داده ایجاد یک مدل ساده شده برای تعیین رفتار سیستم های پیچیده است.

انواع مدل شبیه سازی

• روش مونت کارلو
• مدل سازی مبتنی بر عامل
• شبیه سازی رویداد گسسته
• مدلسازی پویا سیستم

این چهار نوع مدل شبیه‌سازی زیربنای تعداد زیادی بازی، تکنیک‌های سنتز بصری و صوتی، الگوریتم‌های یادگیری ماشین، هسته‌های پردازش و سیستم‌های کنترل‌کننده هستند. شبیه سازی ها می توانند سیستم ها را به طور مجازی قبل از اینکه سازمان متعهد به تصمیم یا طراحی شود، آزمایش کند.

روش مونت کارلو

در بسیاری از شبیه سازی ها، تعیین اینکه آیا متغیرهای انتخاب شده و توزیع داده ها از آن متغیرها مدل مورد نظر را نشان می دهند، دشوار است. نام مونت کارلو از رولت گرفته شده است، یک بازی که در استراحتگاه های مونت کارلو معروف شده است. چرخ رولت دارای 37 اسلات با شماره 0 تا 36، با 18 اسلات قرمز، 18 اسلات مشکی و یک اسلات سبز است. بازیکنان 48.65% شانس دریافت شکاف قرمز در مقابل سیاه و 2.7% از شکاف سبز (0) دارند. سه شانس نشان دهنده یک توزیع است.

شبیه سازی ها می توانند سیستم ها را به طور مجازی قبل از اینکه سازمان متعهد به تصمیم یا طراحی شود، آزمایش کند.

هر چرخش فردی منجر به یک مقدار تصادفی می شود. همین فرآیند را 1000 بار یا بیشتر تکرار کنید و توزیع نتایج باید از این درصدها پیروی کند. اگر اینطور نباشد، متغیرهای دیگری می توانند در کار باشند، مانند پدالی که یک فروشنده بی وجدان از آن برای کاهش سرعت چرخ استفاده می کند.