在给定期间内，以现金支付的款项超过收款的概率是多少？这可以达到的最大值是多少？
这些问题构成了我们每天在公司中问自己的一些问题，我们打算通过研究确定在银行中现金帐户中出现负净流量1（金融透支）的可能性，以解决我们的研究问题。2005年，以及2005年出现的最大每月负净流量的估算值。
真实案例
我们将以电信行业的一家公司为例；2002年1月至2004年12月期间进行主要交易的银行现金帐户以及组成该帐户的不同项目中发生的变动。
以下是2002年1月至2004年12月该行现金净流量的实际行为。
从图中可以看出，在超过一半的观察结果中净流量达到负值。所述事件有几率发生？一个月内可能达到的最大负净流量（FN（-））是多少？
为了回答我们研究中概述的问题，我们将使用顺序蒙特卡罗方法3进行模拟2，目的是预测2005年银行净现金流量的行为，从根本上讲，这种可能性有多大？将达到负值；为此，我们使用了2002年1月至2004年12月的每月条目（收款）和出发（付款）数据。
首先，我们将讨论“现金提取”和“银行现金提取”的共同方面，然后将研究分开。
在此类数据中，有必要使用范围进行分组，以方便我们的工作，因此计算出一个数字在范围内的概率（根据按范围观察的频率）。选择距离为50,000比索的范围；距离没有进一步减小，因为从具有指定发生概率的银行现金流入和流出的分布表中可以看出，存在多个频率为1甚至0的范围；作为我们的优先考虑，尽管尽可能多地进行解释，但保留最少数量的范围而不进行观察，因为这将导致出现0的可能性，因为它们不会稍后生成。
样本量：36个观测值，对应于2002年1月至2004年12月的月份，如下所示：
| 月 | 总票数 | 总出发时间 | 净流量 |
| 1月2日 | 859,450.43 | 719,257.59 | 140,192.84 |
| 02年2月 | 667,613.52 | 335,803.88 | 331809.64 |
| 03年3月 | 895,304.63 | 1,003,230.91 | -107,926.28 |
| 02年4月 | 853,965.98 | 698,402.74 | 155,563.24 |
| 02年5月 | 942,900.42 | 570,396.61 | 372,503.81 |
| 02年6月 | 581,456.05 | 939,753.29 | -358,297.24 |
| 02年7月 | 975,097.46 | 630,379.75 | 344,717.71 |
| 02年8月 | 865,320.04 | 818,077.54 | 47,242.50 |
| 9月2日 | 729,604.80 | 820,446.31 | -90,841.51 |
| 02年10月 | 965,754.02 | 404,057.00 | 561,697.02 |
| 02年11月 | 914,753.99 | 1,020,713.38 | -105,959.39 |
| 02年12月 | 809,182.36 | 805,401.90 | 3,780.46 |
| 03年1月 | 868,361.50 | 375,597.64 | 492,763.86 |
| 2012年2月 | 807,036.95 | 1,239,714.62 | -432,677.67 |
| 03年3月 | 1,104,316.72 | 1,233,883.16 | -129,566.44 |
| 03年4月 | 885,887.30 | 946,920.93 | -61,033.63 |
| 03年5月 | 905,917.32 | 935,959.15 | -30,041.83 |
| 03年6月 | 831,357.46 | 954,158.58 | -122,801.12 |
| 2007年7月 | 1,063,491.39 | 766,108.18 | 297,383.21 |
| 03年8月 | 1,030,345.88 | 1,753,592.57 | -723,246.69 |
| 2009年9月 | 1,051,765.62 | 811,704.19 | 240,061.43 |
| 03年10月 | 1,095,993.02 | 1,121,984.94 | -25,991.92 |
| 03年11月 | 1,260,032.06 | 950,738.92 | 309,293.14 |
| 03年12月 | 1,265,237.94 | 1,484,963.50 | -219,725.56 |
| 1月04 | 1,253,132.16 | 584,763.14 | 668,369.02 |
| 02年2月 | 1,119,206.05 | 1,403,191.66 | -283,985.61 |
| 3月04 | 1,426,958.85 | 776,354.35 | 650,604.50 |
| 04年4月 | 1,040,309.38 | 1,260,285.10 | -219,975.72 |
| 五月-04 | 1,343,312.75 | 981,554.54 | 361,758.21 |
| 06年6月 | 989,691.74 | 1,373,505.33 | -383,813.59 |
| 04年7月 | 846,891.52 | 964,937.43 | -118,045.91 |
| 04年8月 | 1,203,325.86 | 1,235,504.10 | -32,178.24 |
| 9月04 | 907,206.72 | 1,160,438.26 | -253,231.54 |
| 04年10月 | 1,053,571.56 | 1,347,142.12 | -293,570.56 |
| 04年11月 | 1,386,013.45 | 1,477,911.69 | -91,898.24 |
| 04年12月 | 1,285,618.99 | 1,202,471.12 | 83,147.87 |
如前所述，我们将定义在仿真中执行的一系列阶段，直到结果的范围，即直到估计FN（-）发生的可能性为止。
研究阶段：
- 银行现金分录的模拟；银行现金分录在范围内的分布；范围的总体均值的区间估计；已报告及更高版本的条目的区间的分布；总体均值的区间估计。范围内的（报告的和更高的）。模拟银行中的现金流出量。范围内的银行中现金流出量的分布。区间平均值的区间估计。报告和报告中的流出量的范围分布估计范围的均值的区间平均值（报告的和更高的）估计2005年FN（-）的发生概率。估计最大FN（-）出现在该年的每个月。研究结果与2005年第一季度报告的实际值的比较。
- 银行现金流入。
现在，我们将开始开发阶段1，该阶段对应于银行现金分录的模拟。
按范围分配银行现金收入的分布，并指定发生的可能性：
| 不。 | 票务范围 | 数量 | 可能性 |
| 之一 | 550,000-600,000 | 之一 | 0.0278 |
| 二 | 600,001-650,000 | 0 | 0.0000 |
| 3 | 650,001-700,000 | 之一 | 0.0278 |
| 4 | 700,001-750,000 | 之一 | 0.0278 |
| 5 | 750,001-800,000 | 0 | 0.0000 |
| 6 | 800,001-850,000 | 4 | 0.1111 |
| 7 | 850,001-900,000 | 6 | 0.1667 |
| 8 | 900,001-950,000 | 4 | 0.1111 |
| 9 | 950,001-1,000,000 | 3 | 0.0833 |
| 10 | 1,000,001-1,050,000 | 二 | 0.0556 |
| 十一 | 1,050,001-1,100,000 | 4 | 0.1111 |
| 12 | 1,100,001-1150000 | 之一 | 0.0278 |
| 13 | 1,150,001-1200000 | 之一 | 0.0278 |
| 14 | 1,200,001-1,250,000 | 之一 | 0.0278 |
| 十五 | 1,250,001-1,300,000 | 4 | 0.1111 |
| 16 | 1,300,001-1,350,000 | 之一 | 0.0278 |
| 17 | 1,350,001-1,400,000 | 之一 | 0.0278 |
| 18 | 1,400,001-1,450,000 | 之一 | 0.0278 |
| 总 | 36 | 1,0000 |
第一个范围的下限为550,000比索，因为在所选样本中报告的银行现金分录的最小值为581,456.05比索，最后一个范围的上限为1,450,000比索，因为样品中报告的最大值为1,426,958.85比索。
然后，我们使用Microsoft Excel进行了随机数的生成，介绍了范围数和与每个数对应的概率。生成了1200个随机数，即一年中十二个月的100个观察值；以便有足够的迭代次数，以便从现实中获得最有代表性的结果。
每月针对每个范围计算频率，如下所示：
| 月 | 之一 | 二 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 十一 | 12 | 13 | 14 | 十五 | 16 | 17 | 18 |
| 一月 | 4 | 0 | 二 | 二 | 0 | 十一 | 9 | 8 | 8 | 6 | 10 | 0 | 9 | 5 | 17 | 二 | 之一 | 之一 |
| 二月 | 4 | 0 | 3 | 之一 | 0 | 13 | 17 | 13 | 5 | 4 | 13 | 0 | 4 | 二 | 6 | 二 | 3 | 3 |
| 游行 | 二 | 0 | 二 | 之一 | 0 | 9 | 17 | 10 | 8 | 7 | 14 | 0 | 5 | 二 | 十一 | 8 | 之一 | 0 |
| 四月 | 之一 | 0 | 5 | 4 | 0 | 12 | 十五 | 5 | 10 | 7 | 6 | 0 | 4 | 3 | 12 | 7 | 4 | 二 |
| 可能 | 3 | 0 | 4 | 5 | 0 | 十一 | 19 | 16 | 10 | 二 | 8 | 0 | 3 | 之一 | 9 | 二 | 4 | 二 |
| 六月 | 4 | 0 | 之一 | 之一 | 0 | 13 | 13 | 10 | 6 | 5 | 二十一 | 0 | 3 | 3 | 13 | 0 | 0 | 3 |
| 七月 | 3 | 0 | 之一 | 5 | 0 | 10 | 16 | 十五 | 4 | 二 | 9 | 0 | 4 | 3 | 14 | 5 | 二 | 6 |
| 八月 | 5 | 0 | 二 | 3 | 0 | 14 | 14 | 十一 | 7 | 6 | 13 | 0 | 二 | 0 | 14 | 之一 | 3 | 二 |
| 九月 | 二 | 0 | 3 | 5 | 0 | 7 | 十五 | 9 | 6 | 8 | 10 | 0 | 5 | 3 | 12 | 之一 | 6 | 4 |
| 十月 | 3 | 0 | 3 | 二 | 0 | 十五 | 19 | 二十 | 7 | 二 | 12 | 0 | 之一 | 二 | 6 | 3 | 之一 | 二 |
| 十一月 | 7 | 0 | 之一 | 4 | 0 | 10 | 17 | 16 | 5 | 4 | 十一 | 0 | 之一 | 之一 | 9 | 4 | 4 | 3 |
| 十二月 | 0 | 0 | 4 | 之一 | 0 | 13 | 7 | 10 | 14 | 8 | 十一 | 0 | 3 | 7 | 13 | 3 | 之一 | 3 |
如下所示，使用以下数据估算总体平均值以估计条目的行为：
- 每月一百次观测的观测范围的样本均值：
哪里：
： 范围。
：当月每个范围的频率。
：样本大小（观察总数）。
- 标准偏差：通过Microsoft Excel函数下限：上限：
哪里：
：学生分布对于样本量和可靠性的价值。
数据：
每月观察。
计算结果如下。
由于总体方差未知，因此使用上述参数µ的区间估计公式（范围的填充平均值）。
银行现金输入行为模拟的统计分析和每月范围的选择：
|
月 |
半 | 标准偏差 | 下限 | 上限 | 选拔 |
| 一月 | 9.62 | 4.00 | 8.8352≈ 9 | 10.4048≈ 10 | 9.10 |
| 二月 | 8.53 | 3.96 | 7.7531≈ 8 | 9,3069≈ 9 | 8.9 |
| 游行 | 9.64 | 3.70 | 8.9146≈ 9 | 10.3654≈ 10 | 9.10 |
| 四月 | 9.65 | 4.27 | 8.8131≈ 9 | 10.4869≈ 10 | 9.10 |
| 可能 | 8.84 | 4.03 | 8.0501≈ 8 | 9.6299≈ 10 | 8,9,10 |
| 六月 | 9.25 | 3.76 | 8.5125≈ 9 | 9.9875≈ 10 | 9.10 |
| 七月 | 9.99 | 4.44 | 9.1206≈ 9 | 10.8594≈ 11 | 9,10,11 |
| 八月 | 6.88 | 4.11 | 6.0744≈ 6 | 7.6856≈ 8 | 6.7.8 |
| 九月 | 9.71 | 4.24 | 8.8791≈ 9 | 10.5409≈ 11 | 9,10,11 |
| 十月 | 8.50 | 3.62 | 7.7905≈ 8 | 9,2095≈ 9 | 8.9 |
| 十一月 | 8.87 | 4.37 | 8.0141≈ 8 | 9.7259≈ 10 | 8,9,10 |
| 十二月 | 10.01 | 3.74 | 9.2775≈ 9 | 10.7425≈ 11 | 9,10,11 |
如何进行选择？
首先对极限值进行近似，低于或高于整数值，然后选择介于极限值之间的那些值，包括相同的极限值。例如：
在7月，然后选择的值是范围9、10和11。
到目前为止，一切似乎都令人满意。但是，我们发现，至少在本案例研究中，采用这种方法时，通常情况下，明年可能出现比所注册的人员更高级别的职位；因为在详细说明这些帐户的行为时，会感觉到增加的趋势。如何考虑到这方面的问题？他作为一个问题跳到我们的眼前。连续地，我们将详细说明为回答上述关注而做出的贡献。
现在，我们将仅使用两个值，将0的值分配给我们先前研究的范围，即，迄今报告的值，将1分配给可能出现在上次报告的范围上限之上的值。
如何计算这些事件的发生概率？
用一种简单的方式由于这项工作已经进行了多年，因此分析了2003年出现了多少个范围，该范围超出了2002年报告的最后一个范围的上限，以及与2003年类似的2004年报告的范围。让我们来看：
2002年达到的最高值是975,097.46比索，这表明最后报告的范围等于950,001-1,000,000。 2003年，超过1,000,000比索（上次报告范围的上限）有七个值（1,104,316.72; 1,063,491.39; 1,030,345.88; 1,051,765.62; 1,095。 993.02； 1,260,032.06和1,265,237.94）；因此，在那一年达到了年度增长的可能性，超过了2002年报告的最新范围7/12的上限，即0.58333。从此处写出的七个值超过了2002年报告的最后一个范围的上限可以看出，最高值为1,265,237.94比索，因此直到2003年报告的最后一个范围将对应于250,001-1,300,000 。
2004年，在1,300,000比索以上，有三个值（1,426,958.85; 1,343,312.75和1,386,013.45）; 因此，在这一年中，给出了年度增长概率，高于2003年报告的最新范围3/12的上限，即0.25。
年增长率超过2004年报告的最后一个范围的上限（即我们的研究所必需的）的概率是通过计算到目前为止所报告的两个增长率概率的平均值，得出年增长率的概率，高于2004年报告的最新范围上限0.41667。
到目前为止，范围将表现为记录的概率为1-0.41667，相当于0.58335。
银行现金分录范围的分布，根据报告的还是高于报告的范围：
| 不。 | 范围 | 可能性 |
| 0 | 已报告 | 0.58335 |
| 之一 | 上级 | 0.41665 |
| 总 | 1,00000 |
然后，我们使用Microsoft Excel来进行随机数的生成，就像对先前研究的定义那样，对输入范围进行了生成。
正如我们先前看到的，我们使用新的范围定义来进行此分析。现在，它对应于范围，即先前报告或已经报告的范围和上限，正如我们所看到的，它们暗示它们高于上次报告范围的上限。
每月每个范围的频率计算如下：
| 月 | 0 | 之一 |
| 一月 | 61 | 39 |
| 二月 | 63 | 37 |
| 游行 | 59 | 41 |
| 四月 | 58 | 42 |
| 可能 | 60 | 40 |
| 六月 | 52 | 48 |
| 七月 | 55 | 四五 |
| 八月 | 56 | 44 |
| 九月 | 53 | 47 |
| 十月 | 56 | 44 |
| 十一月 | 60 | 40 |
| 十二月 | 61 | 39 |
然后，我们根据每年增加的比例再次估算人口均值：
- 在每月100次观察中，年度增加量的比例，即等级为1：
哪里：
：范围为1的频率。
：样本大小（观察总数）。
在这种情况下，值分别为0和1，比例1与样本均值一致，因为其他值均为0。
- 标准偏差：下限：上限：
哪里：
：样本数量和可靠性的正态分布值。
数据：
统计模拟现金流入行为并每月选择范围的统计分析：
|
月 |
比例 | 标准偏差 | 下限 | 上限 | 选拔 |
| 一月 | 0.39 | 0.4877 | 0.2944≈ 0 | 0.4856≈ 0 | 0 |
| 二月 | 0.37 | 0.4828 | 0.2754≈ 0 | 0.4646≈ 0 | 0 |
| 游行 | 0.41 | 0.4918 | 0.3136≈ 0 | 0.5064≈ 1 | 0 |
| 四月 | 0.42 | 0.4936 | 0.3233≈ 0 | 0.5167≈ 1 | 0 |
| 可能 | 0.40 | 0.4899 | 0.3040≈ 0 | 0.4960≈ 0 | 0 |
| 六月 | 0.48 | 0.4996 | 0.3821≈ 0 | 0.5779≈ 1 | 0.1 |
| 七月 | 0.45 | 0.4975 | 0.3525≈ 0 | 0.5475≈ 1 | 0.1 |
| 八月 | 0.44 | 0.4964 | 0.3427≈ 0 | 0.5373≈ 1 | 0 |
| 九月 | 0.47 | 0.4991 | 0.3722≈ 0 | 0.5678≈ 1 | 0.1 |
| 十月 | 0.44 | 0.4964 | 0.3427≈ 0 | 0.5373≈ 1 | 0 |
| 十一月 | 0.40 | 0.4899 | 0.3040≈ 0 | 0.4960≈ 0 | 0 |
| 十二月 | 0.39 | 0.4877 | 0.2944≈ 0 | 0.4856≈ 0 | 0 |
如何进行选择？
首先，达到和低于整数值的限制，然后很明显，所有月份都存在值0，此外，样本均值从未达到0.50以便四舍五入为整数。因此，在上限等于或超过0.50且样本均值大于0.45的月份中，选择1。因此，在6月，7月和9月的几个月中，很可能报告的值超过了2004年之前报告的最后一个范围的上限。
在出现0的地方，行为将如表中所示，其中为范围的第一个定义选择了每月范围；如果出现0或1，则行为将如我们在上述表中所示，并且可能出现高于2004年最后一个范围中报告的上限的数字，我们将其指定为“> 1,450,000”。
- 银行现金流出。
在模拟现金流出时，与第二阶段的发展相对应，执行与第一阶段相同的程序；作为一个显着的差异，强调了银行现金流入的变化，即没有一个月份报告有超过2004年之前的最后一个范围的值的可能性。
- 估计2005年银行现金FN（-）出现的可能性。
我们着手估计FN（-）的发生概率，该过程对应于第三个定义的阶段。根据分配给每个范围的编号，以下范围等同于为“现金提取”和“银行现金提取”所做的选择。
模拟2005年银行现金流入和流出行为的等效范围：
| 月 | 门票 | 出港 |
| 等效范围（S） | 等效范围（S） | |
| 一月 | 950,000-1,000,000或1,000,001-1,050,000 | 950,000-1,000,000或1,000,001-1,050,000或1,050,001-1,100,000 |
| 二月 | 900,000-950,000或950,001-1,000,000 | 950,000-1,000,000或1,000,001-1,050,000或1,050,001-1,100,000 |
| 游行 | 950,000-1,000,000或
1,000,001-1,050,000 |
850,000-900,000或900,001-950,000或950,001-1,000,000或1,000,001-1,050,000 |
| 四月 | 950.001-1,000,000或
1,000,001-1,050,000 |
900,001-950,000或950,001-1,000,000或1,000,001-1,050,000 |
| 可能 | 900,000-950,000或950,001-1,000,000或1,000,001-1,050,000 | 900,000-950,000或950,001-1,000,000或1,000,001-1,050,000或
1,050,001-1,100,000 |
| 六月 | 950,000-1,000,000或
1,000,001-1,050,000或> 1,450,000 |
900,000-950,000或950,001-1,000,000或1,000,001-1,050,000或
1,050,001-1,100,000 |
| 七月 | 950,000-1,000,000或
1,000,001-1,050,000或 1,050,001-1,100,000或> 1,450,000 |
850,000-900,000或900,001-950,000或950,001-1,000,000或1,000,001-1,050,000 |
| 八月 | 800,000-850,000或850,001-900,000或900,001-950,000 | 900,000-950,000或950,001-1,000,000或1,000,001-1,050,000 |
| 九月 | 950,000-1,000,000或
1,000,001-1,050,000或 1,050,001-1,100,000或> 1,450,000 |
900,000-950,000或950,001-1,000,000或1,000,001-1,050,000 |
| 十月 | 900,000-950,000或950,001-1,000,000 | 850,000-900,000或900,001-950,000或950,001-1,000,000或1,000,001-1,050,000 |
| 十一月 | 900,000-950,000或950,001-1,000,000或1,000,001-1,050,000 | 800,000-850,000或850,001-900,000或900,001-950,000或950,001-1,000,000 |
| 十二月 | 950,000-1,000,000或
1,000,001-1,050,000或 1,050,001-1,100,000 |
850,000-900,000或900,001-950,000或950,001-1,000,000 |
如何估算FN（-）的概率？
为此，在每个月中将相同的发生概率分配给每种可能的组合。让我们来看看：
一月：
- E： 950,000-1,000,000
S： 950,000-1,000,000
- E： 950,000-1,000,000
S： 1,000,001-1,050,000
- E：950,000-1,000,000
S： 1,050,001-1,100,000
- E： 1,000,001-1,050,000
S： 950,000-1,000,000
- E： 1,000,001-1,050,000
S： 1,000,001-1,050,000
- E： 1,000,001-1,050,000
S： 1,050,001-1,100,000
正如所观察到的，在一月份有六种可能的组合，因此每个组合都有16.66％（100/6）的发生概率。
现在遵循什么规则来估计银行现金的FN（-）的概率：
- 如果输入范围大于输出范围（E> S），则FN（-）的可能性为0％；如果输入范围小于输出范围（E <S），则FN（-）的可能性为100％ ），在这种情况下将对应于上述组合的发生概率。如果输入范围等于输出范围（E = S）的概率为FN（-）的50％，在这种情况下，相当于上述组合出现的概率的一半。在六月，七月和八月的月份中，值可以增加到上限以上在2004年之前报告的事件具有相同的发生概率，它们增加到2004年之前报告的上限，即“> 1,450,000”，并且继续以前的行为。
因此，我们继续进行一月份的分析：
- Ë= S……………………… FN的8.33％的概率（ - ）Ê<S FN的……………………… 16.67％的概率（ - ）Ê<S……………………… FN的16.67％的概率（ - ）é>取值……………………… 0％FN的概率（ - ）Ê= S……………………… 8， FN（-）的概率为33％E <S …………………………FN（-）的概率为16.67％
如果加上通过组合获得的FN（-）的概率，则可以得出一月份存在FN（-）的概率为66.67％；像其他几个月一样，这样进行。
2005年发生FN（-）的可能性：
|
月 |
FN（-）的估计机会 |
| 一月 | 66.67％ |
| 二月 | 91.68％ |
| 游行 | 25％ |
| 四月 | 33.34％ |
| 可能 | 62.50％ |
| 六月 | 25％ |
| 七月 | 8.33％ |
| 八月 | 94.44％ |
| 九月 | 11.11％ |
| 十月 | 五十％ |
| 十一月 | 16.67％ |
| 十二月 | 5.56％ |
可以看出，每个月都有FN（-）出现的可能性，分别在1月，2月，5月和8月达到50％以上的值，甚至在2月和8月也超过90％。这确实使实体感到震惊。
- 计算每个月可能发生的银行现金最大FN（-）。
根据模拟的银行现金流入和流出中的估计行为，计算每个月可能发生的银行现金最大FN（-）。通过将银行现金流出的最高估计范围的上限减去银行现金流出的最低估计范围的下限来进行所述计算。下面我们说明如何在一月份完成此操作。
一月：
最大FN（-）= 1,100,000-950,000
最大FN（-）= 150,000
正如我们在与模拟等效的范围的表中看到的那样，在一月份的1,100,000是该月银行现金流出的最后估计范围（或更高范围）的上限，即1,050,001-1,100,000；950,000是该月银行现金分录的最低范围（或第一个范围）的估计下限，即950,000-1,000,000；因此，一月份的最大FN（-）估计为150,000比索。
根据对银行现金流入和流出的模拟结果，估计2005年银行现金的最大FN（-）：
|
月 |
估计最大FN（-） |
| 一月 | 150,000 |
| 二月 | 200,000 |
| 游行 | 100,000 |
| 四月 | 100,000 |
| 可能 | 200,000 |
| 六月 | 150,000 |
| 七月 | 100,000 |
| 八月 | 250,000 |
| 九月 | 100,000 |
| 十月 | 150,000 |
| 十一月 | 100,000 |
| 十二月 | 50,000 |
可以看出，最大估计FN（-）在8月份达到最高值，这一结果应该不会令我们感到惊讶，因为恰恰在该月份，FN（-）的可能性最高，为94 ，占44％。
- 比较2005年银行现金流入和流出与2005年第一季度发生的情况。
以下是对银行现金流入和流出的模拟结果与2005年第一季度的模拟结果的比较。
2005年第一季度银行的流入，流出和净现金流量：
| 月 | 门票 | 出港 | 净流量 |
| 一月 | 1,032,460.61 | 999,680.12 | 32,780.49 |
| 二月 | 959,238.48 | 1,128,463.3 | -169,224.82 |
| 游行 | 1,034,718.29 | 1,027,067.78 | 7,650.51 |
可以看出，在1月发生了组合4，如估算所示，其中，当然，当E> S时，就没有FN（-）的可能性，因此净流量为正（ FN（+）），找到存在FN（+）的概率为33.33％的结果。
在2月，银行现金分录的价值在显示的范围内，但是，奥特莱斯的价值超过了该月最后估计的范围的上限，该范围在其包含的误差范围内尽管如此，所有的估计都说月份是FN（-）概率最高的第二个月，这是它的最终结果。此外，报告的FN（-）低于当月可能报告的最大FN（-）估计值。
在3月份，银行的现金流入和现金流出都在上述范围内，按照一月份示例中组合8的顺序排列，其中FN（-）的概率为一半，处于同一等级；在这种情况下，真实的行为是，“入场券”比“出场券”多出7,650.51比索，银行现金中的FN（+）为现金，结果等于该月存在FN（+）的75％概率。
在进行比较时，我们已经验证了研究的有效性，因为除了在2月份的银行现金流出中，所有其他值都与在模拟中获得的值一致。
结论
有了这些结果，考虑到历史上发生的事情，该实体可以利用它来防止银行现金帐户的未来行为，这是一个有用的工具，它掌握着在正确的时间做出决定的权力和管理的效率。
参考书目
- Álvarez-BuyllaValle，梅赛德斯（1987）：“经济数学模型II”。第2卷。ISPJAE编辑器；古巴哈瓦那市。BecerraD.，Rigoberto A.（2003年）：“现金管理模式”。 （电子文章）。CasanovasRamón，蒙特塞拉特； FernándezPascual，阿方索（Alfonso，2001年）：“财政部。新技术应用于库存管理”。社论Gestión2000，巴塞罗那。西班牙，埃斯科巴·佩雷斯，伯纳贝；冈萨雷斯·冈萨雷斯，何塞·玛丽亚； ZamoraRamírez，Constancio（2000年）：“通过重新设计ABM / ABC逻辑来改善库存管理”。金融新闻杂志。第五年，第4期：46-61。费尔南德斯·帕斯夸（FernándezPascual），阿方索（Alfonso，1999年）：“日常的库存管理。基于充足的国库券的概率模型”。金融新闻杂志。第四年No.11：83-101.Gallagher，Watson（1986）：“政府决策的定量方法”。麦格劳·希尔伊比利亚美洲出版社。墨西哥。埃尔南德斯·马丁内斯（Eernardo），1999年：“比较应用于工业电气系统的可靠性分析方法”。电气研究所。士气墨西哥。莫龙·埃斯皮纳尔，亚历杭德罗·乌利塞斯（1997）：“财政部的组织和管理”。 （电子文章）。Santomá，Javier（2000）：“库务管理”；社论Gestión2000，巴塞罗那。西班牙。“财政部的组织和管理”。 （电子文章）。Santomá，Javier（2000）：“库务管理”；社论Gestión2000，巴塞罗那。西班牙。“财政部的组织和管理”。 （电子文章）。Santomá，Javier（2000）：“库务管理”；社论Gestión2000，巴塞罗那。西班牙。
1净流量：流入减去银行现金流出。
2模拟：可以简单地定义为一种试图模仿人造现实中不同现象的行为的技术。尽管它没有优化标准，但它适用于许多情况，但在任何情况下都不能保证获得最优解，而是一个好的解。仿真是一种使用逻辑数学模型的实验技术。从模拟中获得的信息有助于主管部门探索新政策。您还可以检查其他未来经济条件下的当前政策。重复在模拟中很常见。原因是，如果模型包含随机变量，则模拟实验的结果将具有概率。
3顺序蒙特卡洛方法：蒙特卡洛方法包括模拟随机生成的大量情况，其中可靠性指标的值对应于概率分布矩的值。它的一种版本是顺序蒙特卡洛方法，它表示当前状态取决于先前的状态（带有内存的系统）。
作者数据
- 姓名： Martha Ileana Suau Peraza 职称：法学经济学：商业科学起源地：古巴哈瓦那市年龄： 24岁古巴哈瓦那市2005年6月
