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。