Simulazione stocastica mediante generazione di numeri pseudo-casuali

Mediante le simulazioni stocastiche i sistemi reali possono essere riprodotti in condizioni di laboratorio. I benefici che si ottengono dalla simulazione sono molteplici, in quanto, applicato in vari campi, nell'analisi di fenomeni fisici e nella previsione dell'andamento di variabili finanziarie, permette di approfondire la conoscenza del sistema reale a costi assai più contenuti di quelli che si dovrebbero sostenere in un laboratorio fisico o nel sistema originario. L'analisi di un modello di sistema, categoria della quale la simulazione fa parte, richiede la definizione delle variabili esogene, delle variabili endogene e di stato, nonché delle relazioni che descrivono le interazioni funzionali tra di esse. In particolare nella simulazioni alcune della variabili sono aleatorie e induce la necessità di riprodurle mediante un algoritmo di generazione. A partire dall'inizio degli anni novanta sono stati sviluppati numerosi metodi per la generazioni di numeri pseudo- casuali, ma quello che ha dato i risultati più soddisfacenti è basato sulle relazioni di congruenza. Per non confinare lo studio ai soli aspetti teorici, si sono generati dei campioni di variabili pseudo-casuali delle più comuni variabili aleatorie discrete e continue, verificando la bontà del ¿fitting¿fra distribuzione empirica e distribuzione teorica.