 भीश्म मिलाएर उख्मान रहीं उवह मेरे बलीइप्टेटग बहुरी्हीं वीश्मन लाई रहीं आप अप देरेहीं उपना वुल्गन्वाप यहाँ पर्ज्लोग इंसे लिथी, और बाद, उसा, भद का रहे है यह सब प्रअःँलेगा और इसदेंगी, जब यह लिsun वरट लिस्स, वो भगी उप्रिझएखाँ ती, भगी यह चाँईगागन वरकतीा, यह सब यह देंगी खगगी, लिसाद, रब वो ज़ाय, देंगी खगाँ परबाशतिचा, वंदेगागन, वो वो धीखेगाएखन � आपा � help out करीं. In risk management, the computer-aided tool, which is most frequently used, is montecarlo stimulation. ये किसी मुवी का नाम नहीं है, ये एक टेकनीग है, and that's how it's going to work it out. Montecarlo stimulation are used to model the probability of different outcomes in a process. के एक प्रोस्स में, पात में, कहापे, क्या- क्या possibilities वो सकती है. It cannot easily be predicted due to intervention of random variables. बहुत जाडा वेरियबल्स है, उनका अपस में, लिंक भी है, different paths है, it's not very easily to be done manually. It's a technique used to understand the impact of risk and uncertainty in the prediction on forecasting model. हम नेक्स जिस्तर बजजद की प्रोकास्तें, स्टोक्स की प्रोकास्तें, तुस में यह एक स्टन्सिवली यूस जो रहोतें. Can be used to tackle range of problems in virtually every field. यह भी में ने सब आद में, यह से रव आपको फिनान्स की की, it's not just finance, in engineering में, supply chain में, other sciences में, तुसकी एक वास लेवल की अप्प्लिकेशन है, और पुत आई लेवल का यूसे जिसका एकसेश करता है, मौन्टिकार सिमूलेशन is also referred to as multiple probability simulations. सिमूलेशन में दिव्प्रेंट, और अब स्पी मुल्टिकार सिमूलेशन लेतें तो देन दाद, it's going to impact. During montykarlow's simulation, values are sampled at random from input probability distribution. In inputs which you take data from, each set of sample is called iteration and resulting outcome from samples are recorded. So different iterations and so on and then you come up with the solution for this. Montykarlow does this hundreds or thousands of times than result is probability distribution of possible outcome. अब जैसे हम ये हमें ये हमें ये एक अधबड मिली के जी ते चांस अप इन्फलेशन गोंग आप इस लेड़ से तेवन परसेंद तो उस थे पहले जो उसका डेटा हम ने डालावाएश, जो सिमूलेशन का अपका तूल है जो मुन्तिकालो ये किस्कुम का एक सोफ्फ्वर भी आप कैसे तेंगे ये सोफ्फ्वर की भी फाँम में आजगता है तो उस से पहले ये थाउज़न्जो रन करेगा मुल्टिपल ताएम, मुल्टिपल परमूटेशन लिंखष बनागे और उसके बाद हमें ये एक अबफोट जनेड़ करेगा जिस्टा हम जो मैनेंविली हम अगर जब करतेते, तो उ पोस्टिखाल हमारे लिए नहीं ताए बूर्द करड़ांगार प्रिज्ट़ोसे मैं फुछेव्डिक्षन में ख़़ाशा रहें। उक्छ दाहता में भी बै़काद़ा आs how likely each outcome is. और इसको फिर आप ग्राफिकली भी बहुत अच्छे तरीके से present कर से. वो दागो बता सारी information is meant for decision making. तो आपने कुई वरकिंग की भी है, तो आप इसते जो simulation के results आएंगे. You can visualize them. बड़ अच्छे graph, tables की form में, to charts की form में आप इसको results को शो कर सकते है, to which make your work more impressive and easy to understand. तनस्टिविटी अनलिसिज एक हमारा तुल होता है, जिस में हम क्या गरते है, एक पक्तर की चीज चीज कर के देखते है, जैसे हम बजर्ट की जे बात करेते है, हम करेते है, बाख की सारी चीज है, सेम रहें, लेड़ से सिरफ सेल्स चेंज होँगे तो वमारे पे क्या इंपक्ता हैगा, तो इसी सी तर आब दिफ्रन चीजों की सेंस्टिविटी को करके देखते है, तो वो अच्छा एक तूल है, यूस्फल भी है, लेकिन कितनी सेंस्टिविटी कर सकेंगे लिमितेशन है, मून्ति कर लो लो ने इस को बड़ा चा एड़ेस कर लिएव है, तुसरा मरा जो पात है, ये जे मैं भी शुरो में बात की थी, सिनारियो नेलिसिस, के आप सिनारियोज में आलेते है, इस वेरी दिफिकल तो मोडल दिफ्रन कोमबिनेशन अव वल्योज, अब आप सिनारियोज में कुछ पात तो कर सकते है, 2-3-5 सिनारियो में, लेकिन जब आपके मुल्तिपल इनफुट्स है, उनके मुल्तिपल इंपक्स है, ये आप सिर्कम्स तान्सेस ये इतना अच्छा उसको कप्छर नहीं करा, अगर तो ये दोनो को कप्छर अच्छे से कर लेगा, बना मनवली आप को तोडी दिखटिए होगी, तो इस वो सब अगर एक्वाया चीछ तो देखगा रहीं कि आप आप आप आप अदर कोई, कुछ में ये बी होता है के रिवर्स रेलेशन्चिठ भी है, काई च्छे से उनको आच्छा कप्छर कर लेगा. तो मवन्दिकालो तो एक रेलेशन्चिछ कर लेगा कोगा.