4 fatores importantes a considerar na análise de Monte Carlo
Quantas vezes você já teve que responder a perguntas do tipo: Quando ficará pronto? Quando o projeto vai terminar? Quanto irá custar este desenvolvimento?
Difícil responder de forma acertiva, com precisão e velocidade, certo? Então, o método de simulação Monte Carlo, pode nos ajudar com isto.
Vejamos como, a seguir.
A análise de Monte Carlo fornece uma maneira de lidar com as perguntas com incerteza significativa nas entradas que influenciam o resultado do trabalho, para que você possa ter conversas difíceis sobre o tipo “quando, o quê e o quanto” com patrocinadores, partes interessadas e pessoal de marketing ou de negócio. Essa definição é uma admissão explícita de que quase TODAS as questões difíceis perguntadas sobre projetos não podem ser respondidas usando fórmulas ou argumentos simples a + b = c. Isso nos leva a usar ferramentas como a análise de Monte Carlo.
Existem quatro suposições comuns, muitas vezes negligenciadas ou mal compreendidas, quando se utilizam os métodos de Monte Carlo.
A armadilha de supor que as estimativas, usadas para responder o que, quando e quantas perguntas são deterministas (que conhecer os parâmetros de entrada e as condições iniciais significa que um resultado específico pode ser conhecido). Análises de Monte Carlo são modelos estocásticos que assumem aleatoriedade inerente nas entradas e saídas. Aleatoriedade significa que a saída é um intervalo de probabilidades. Se você quer um único número - Monte Carlo não é para você.
Lixo que entra é igual ao lixo que sai. A análise de Monte Carlo usa dados históricos e suposições de riscos (várias observações históricas de tempo e/ou itens entregues) para determinar o futuro. Simplificando, antes de usar ferramentas como Monte Carlo e atribuir um valor à saída da análise, execute a devida diligência no histórico e nos dados de entrada. Dados ruins geram respostas ruins, que vão fazer com que você tome decisões erradas.
A maioria dos softwares Monte Carlo usa uma distribuição normal (a distribuição normal assume que os resultados são igualmente distribuídos em torno da média) como uma suposição padrão. A distribuição que conduz suas equações precisa ser uma boa proxy dos processos de desenvolvimento. Plote os dados que você está usando para a análise e, em seguida, certifique-se de usar a distribuição correta. Uma regra simples para alertar você sobre os cenários que não seguem a distribuição normal é calcular a mediana e a média. Se eles forem significativamente diferentes, revise a distribuição com muito cuidado. Diferentes distribuições produzirão respostas MUITO diferentes. Observe que, embora a distribuição dos atributos humanos possa ser normal, as distribuições impactadas pelo comportamento humano geralmente não são. Uma dica: Caso seja complicado analisar a distribuição de dados de entrega, utilize uma distribuição lognormal() para gerar seus dados aleatórios.
O passado pode influenciar o futuro no desenvolvimento de software. A maioria das estatísticas de probabilidades usadas casualmente nos negócios tem uma suposição oculta de que cada observação é independente (ao virar uma moeda, a última jogada não influencia a próxima jogada). Os humanos estão aprendendo como as máquinas! Qualquer pessoa que tenha medido ou observado um trabalhador do conhecimento que esteja entregando um produto reconhecerá que a pessoa que está realizando o trabalho está aprendendo e aumentando sua capacidade ao longo do tempo. Muitos tipos de trabalho são serialmente correlacionados, portanto, assumir que a aceleração é muitas vezes racional (note-se: gerenciamento de baixa qualidade pode realmente atrapalhar essa suposição facilmente).
A análise Monte Carlo é mais difícil de gerar e entender do que criar um gráfico e traçar uma linha através dos dados é usando o EXCEL. No entanto, se você mantiver as suposições em mente e encontrar uma ferramenta decente, a análise de Monte Carlo é uma ferramenta importante que todo tomador de decisão com uma decisão de altas apostas deve ter na ponta dos dedos (ou no teclado).
Fonte:https://herdingcats.typepad.com/my_weblog/2018/09/monte-carlo-simulation.html