Ecole Nationale des Sciences Appliquées - Kénitra

Département Génie Industrielle

M : Industrie Intelligente et Technologie Numérique
- M I2TN -

COMPTE RENDU
La méthode de Monte-Carlo

Effectué par :
• ZINEELABIDINE Ouijdane
• OBAYD Merouane
• ESSADANI Abdelali

Année universitaire : 2022-2023

 Table des matières :
Introduction : ...................................................................................................................... 3
Définition ............................................................................................................................. 3
Avantages et limites de la simulation de Monte Carlo.................................................... 3
Les cas d'utilisation de la simulation de Monte Carlo .................................................... 3
Business .............................................................................................................................................. 3
Ingénierie ...........................................................................................................................................4
Finance ...............................................................................................................................................4
Les composants d'une simulation de Monte Carlo ......................................................... 4
Variables d'entrée ..........................................................................................................................4
Variable de sortie ...........................................................................................................................4
Modèle mathématique ..................................................................................................................4
EXEMPLE 2 ....................................................................................................................... 7
Approximation du nombre pi par la méthode de Monte-Carlo .................................... 7
 Introduction :
La simulation de Monte Carlo fournit plusieurs résultats possibles et la probabilité de
chacun d'entre eux à partir d'un vaste ensemble d'échantillons de données aléatoires. Elle
offre une image plus claire qu'une prévision déterministe. Par exemple, la prévision des
risques financiers nécessite l'analyse de dizaines ou de centaines de facteurs de risque. Les
analystes financiers utilisent la simulation de Monte Carlo pour produire la probabilité de
chaque résultat possible.

Définition
Le terme méthode de Monte-Carlo, ou méthode Monte-Carlo, désigne toute méthode visant
à calculer une valeur numérique en utilisant des procédés aléatoires, c'est-à-dire des
techniques probabilistes. D’autres termes, Les méthodes de Monte-Carlo utilisent des
nombres pseudo aléatoires (générés par un algorithme) pour simuler des phénomènes
comportant une ou plusieurs variables aléatoires. Le nom provient du célèbre casino de
Monte-Carlo.

Avantages et limites de la simulation de Monte Carlo

➢ Avantages
la simulation de Monte Carlo fournit plusieurs résultats possibles et la probabilité de chacun
d'entre eux à partir d'un vaste ensemble d'échantillons de données aléatoires. Elle offre une
image plus claire qu'une prévision déterministe. Par exemple, la prévision des risques
financiers nécessite l'analyse de dizaines ou de centaines de facteurs de risque. Les analystes
financiers utilisent la simulation de Monte Carlo pour produire la probabilité de chaque
résultat possible.
➢ Limites
• Le problème de base est que l’hypothèse principale utilisé dans la simulation de
Monte Carlo suppose une distribution normale et des coefficients de corrélation nuls,
or aucun de ces deux suppositions n’est vraie sur le marché financier. Ces
hypothèses peuvent engendrer des problèmes lors de l’analyse.
• Les variables de Monté Carlo supposent que les processus étudiés sont indépendants
les uns des autres et que chaque valeur est un tirage aléatoire d’une distribution

Les cas d'utilisation de la simulation de Monte Carlo

Les entreprises utilisent les méthodes de Monte Carlo pour évaluer les risques et établir des
prévisions précises à long terme. Voici quelques exemples de cas d'utilisation :

Business

Les chefs d'entreprise utilisent les méthodes de Monte Carlo pour projeter des scénarios
réalistes lorsqu'ils prennent des décisions. Par exemple, un spécialiste du marketing doit
décider s'il est possible d'augmenter le budget publicitaire d'un cours de yoga en ligne. Ils
pourraient utiliser le modèle mathématique de Monte-Carlo sur des variables ou des facteurs
incertains tels que les suivants :

• Frais d'abonnement
 • Coût de la publicité
• Tarif d'inscription
• Fidélité

La simulation prédirait ensuite l'impact des changements sur ces facteurs pour indiquer si la
décision est rentable.

Ingénierie

Les ingénieurs doivent s'assurer de la fiabilité et de la robustesse de chaque produit et système

qu'ils créent avant de les mettre à la disposition du public. Ils utilisent les méthodes de Monte
Carlo pour simuler le taux de défaillance probable d'un produit en fonction des variables
existantes. Par exemple, les ingénieurs en mécanique utilisent la simulation de Monte Carlo
pour estimer la durabilité d'un moteur lorsqu'il fonctionne dans diverses conditions.

Finance

Les analystes financiers font souvent des prévisions à long terme sur les cours des actions,
puis conseillent leurs clients sur les stratégies appropriées. Ce faisant, ils doivent tenir compte
des facteurs du marché qui pourraient entraîner des changements drastiques de la valeur de
l'investissement. Par conséquent, ils utilisent la simulation de Monte-Carlo pour prédire les
résultats probables à l'appui de leurs stratégies.

Les composants d'une simulation de Monte Carlo

Une analyse de Monte Carlo comprend des variables d'entrée, des variables de sortie et un
modèle mathématique. Le système informatique introduit des variables indépendantes dans un
modèle mathématique, les simule et produit des variables dépendantes.

Variables d'entrée

Les variables en entrée sont des valeurs aléatoires qui influent sur le résultat de la simulation
de Monte Carlo.

Variable de sortie

La variable en sortie est le résultat de l'analyse de Monte Carlo.

Modèle mathématique

Un modèle mathématique est une équation qui décrit la relation entre les variables de sortie et
d'entrée sous forme mathématique.
Exemple de méthode monte- Carlo
Exemple 1 : Jeu de dés

La simulation repose sur un jeu de données. Voici comment fonctionne le jeu de dés en
question :

Le joueur brasse 3 dés (chaque dé a 6 côtés)

Si le total des 3 dés est de : 3, 4, 5, 16, 17 ou 18, le joueur perd
Si le total des 3 dés est de : 7 ou 11, le joueur gagne
Si le total est n’importe quel autre résultat, le joueur brasse les dés à nouveau
Lorsque le joueur brasse les dés à nouveau, le jeu se poursuit de la même façon, à
l’exception que le joueur gagne dès que le total obtenu est identique au total obtenu au
premier tour

On demande donc répondre à la question à l’aide d’une simulation Monte-Carlo via VBA
Excel.
EXEMPLE 2

Approximation du nombre pi par la méthode de Monte-Carlo