統計とシミュレーション
似たり寄ったりの言葉ですが、使いどころが違います
統計とシミュレーション
2つの違いは?
皆様は「統計とシミュレーションの違い」について、考えたことはございますでしょうか。 最初に正解を申し上げてしまうと、
- 統計:過去のデータから現状を深く知るために活用
- シミュレーション:データや経験・仮説から未来を想定するために活用
といった違いがあります。
例えばメーカーにおいて、拠点での生産からお客様の手に届くまで、どの地域が一番早いのかを知るのは統計で、そこから何を改善したらどうなるのかを検討するのがシミュレーションという棲み分けになります。
ちなみに、最近ではよくBIツールを使って分析しようという話を聞きますが、大抵は現状の分析を主眼においています。一方でAIツールを使いたい!という話も聞きますが、その場合にはシミュレーションライクな目的が多いかと思われます。
話を戻します。大量の(綺麗な)データがある場合は、 以下のような統計解析が可能です。
- データの特徴や情報を整理する
- データから仮説を検証する
一方のシミュレーションは、以下のような検討が可能です。特に前者は仮にデータがなかったとしても、定性的な意見しかなかったとしても、仮説ベースでの検討を進めるのに有用な手段となります。
- 仮の将来を大量に生み出し検証する
- データを将来のシナリオ作りに活かす
これらの違いを考えると、ある程度のデータをそろえる努力はした上で、「統計解析して現状を理解した上で、シミュレーションを行い将来の戦略検討に活かす」 というアプローチが肝要であるといえます。
実際に使ってみましょう:通勤時間の分析
例題:通勤時間の分析
統計とシミュレーションの違いを実感するために、通勤時間に関する例題を考えてみたいと思います。
例:あなたは自宅から会社まで公共交通機関で通勤・通学しています。
2つのルートを選択することができます
⇒ 地下鉄 :遠回りだが、遅延が少ない
⇒ バス :距離は短いが、渋滞による遅延が多い
Q:所要時間のみに着目した場合、あなたはどちらのルートで通勤・通学しますか?データを取って比較してみましょう。 (モデルダウンロード)
統計による現状の分析
例えば、手元に100日間に所要時間のデータがあるとします。 このデータからは以下のことが言えます。
平均値だけで判断すれば、バスのほうが地下鉄より所要時間が短いといえます。 しかしながら、バスは最長で40.4分かかった日があり、地下鉄で一番時間がかかったケースと比較して約5分も余計にかかっています。 それぞれの100日の情報をグラフにすると、以下の結果を得ることができます。
シミュレーションによる戦略立案
さて、このデータをシミュレーションに活かすとどのようなことが言えるでしょうか。 今回は「分布の適合」機能を利用して、過去100日間のデータを確率分布に当てはめてみましょう。 すると、バス・地下鉄の所要時間の分布は以下のようになります。
所要時間の確率分布がわかったら、「仮想的に10,000日間通勤する」ことを考えます。 "仮想的に10000回●●する"ができるシミュレーションといえば、 そう「モンテカルロ・シミュレーション」です。Crystal Ballメニューの「実行」より、シミュレーションを実施しましょう。 どのような結果になるでしょうか。
1.10000日のうち、1回も遅刻しないように家を出発する
バスの所要時間グラフを見ると、バスを使っても遅刻しないようにするためには、 56.3分前に家を出なければなりません。 10000回シミュレーションを実行したときの所要時間の最大値が、56.3分となっているためです。
一方の地下鉄は、最大値が36.2分になっています。 最大値で比較すると、地下鉄は20分も余裕があることがわかります。
2.10000日のうち、99%の確率で遅刻しないように家を出発する
10,000日のうち、99%の確率で遅刻しないようにする、つまり100日は遅刻を許すとすると、どうなるでしょうか。 下のグラフをご覧ください。
99%の確率で遅刻しない出発時刻は、「99パーセンタイル値」として表れます。それぞれの99パーセンタイル値は バス = 39.3分、地下鉄 = 34.6分 と求めることができます。 地下鉄のほうが5分ほど余裕があることがわかります。
今回のサンプルファイルはCrystal Ball でお試しいただけます。ぜひ試用版をダウンロードいただき、お手元でご確認をいただければと思います。
また、弊社は技術コンサルティング企業として、様々な分野における統計やシミュレーションを扱い、ご支援をさせていただいております。お困りの際にはぜひお声がけください。
資料ダウンロード
弊社の個人情報に関する取り扱いについては「個人情報の取り扱いについて」(プライバシーマーク付与認定済)をご覧ください。