- •Методические аспекты моделирования в асу и классификация моделей.
- •3. Организация статистического моделирования. Метод монте - карло.
- •Имитация равномерно распределенных случайных величин на интервале [0; 1].
- •Метод обратных функций. Примеры реализации.
- •Имитация векторных случайных величин; стандартный метод
- •Имитация нормально распределенных св (одномерный и многомерный случаи)
- •Анализ методов имитации случайных величин с заданным законом распределения (одномерный и многомерный случаи)
- •Имитация редких событий
- •Оценка количества реализаций, необходимых для достижения требуемой точности в методе статистических испытаний
- •Метод монте – карло и имитационное моделирование
- •Методы понижения дисперсии и методы вычисления интегралов
- •Регенеративный метод анализа моделей
- •Метод стратифицированной выборки
- •Методология имитационного моделирования
- •3. Формулировка математической модели.
- •Типовые математические схемы сложных систем. Агрегат и его функционирование,
- •4.Пример представления смо в виде агрегата.
- •7.Системная динамика
- •17.Метод лемера и сдвиг бернулли. Детерминированный хаос
- •35.Особенности моделирования организационно – экономических систем. Активные системы.
- •23.Характеристики интегрированной среды моделирования gpss
- •23.Основы моделирования в системе gpss
- •31.Смо; классификация и решение задач с помощью имитационного моделирования
- •36.Имитационное моделирование систем управления запасами
- •6.Метод Бокса-Уилсона.
- •3. Определение запаса для движения в направлении крутого восхождения
- •7. Проводим пошаговое приращение в каждом последующем опыте величины уровня фактора, учитывая знаки коэффициентов регрессии.
- •9. Классификация случайных процессов и корреляционные функции.
- •Корреляционные функции
- •18.Имитация потоков событий и случайных векторных величин.
- •19.Понятие детерминированного хаоса и показатель Ляпунова.
- •21. Особенности моделирования организационно-экономических систем. Производственные функции.
- •27.Системы массового обслуживания; классификация и решение задач аналитическим методом.
- •28.Методы имитации дискретных случайных величин.
- •30.Задача определения давления в пласте с помощью метода Монте-Карло.
- •32. Моделирование геологического разреза.
- •Теоретическая часть. Построение имитационной модели геологического разреза
- •34.Системы управления запасами; типовые математические модели.
- •37.Агентное моделирование.
- •Причины возникновения
- •Постановка задачи
- •Реализации
- •38.Имитация экспоненциально распределенных случайных величин.
- •40.Метод композиций; имитация св, подчиненных распределению хи квадрат.
-
Метод стратифицированной выборки
Методы понижения дисперсии для имитационного моделирования:
- Метод стратифицированной выборки (метод расслоения)
- Регенеративный метод анализа модели
Рассмотрение выборки может показать, есть ли сгущения.
Пусть - μ величина среднего потребления некоторой группы населения. Необходимо оценить μ.
, где xi - потребление i-го выбранного индивидуума.
Для расслоения вводим стратифицирующую переменную yi – доход группы населения. Для получения yi необходимо отнести того или иного индивидуума к одному из k-слоев. Sk – слой из k-слоев (k=1,…,K). Пусть известна вероятность того, что индивидуум принадлежит k-слою:
Тогда для оценки μ можно ввести стратифицирующую переменную
* - среднее значение для слоя,
* - количество индивидуумов в слое,
* - потребление j-индивидуума из k слоя.
Оценка - несмещенная, т.к. математическое ожидание оценки:
дисперсия оценки:
- оценивается с помощью S2:
Следовательно, формула для практического счета дисперсии оценки выглядит следующим образом:
Для заданной надежности (1-α) можно рассчитать доверительный интервал оценки μ:
Zα/2 берем или из таблиц нормального распределения, или из распределения Стьюдента.
Дисперсия среднего арифметического, найденного без применения разделения на страты находится по следующей формуле:
Таким образом, при малых сгущениях, т.е. когда μk и μ различаются мало, тогда
Если же сгущения большие, то:
Метод применим, когда есть явное сгущение данных.
-
Методология имитационного моделирования
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ - это метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ — это метод исследования, при котором изучаемая система заменяется моделью с достаточной точностью описывающей реальную систему и с ней проводятся эксперименты с целью получения информации об этой системе. Экспериментирование с моделью называют имитацией (имитация — это постижение сути явления, не прибегая к экспериментам на реальном объекте).
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ — это частный случай математического моделирования. Существует класс объектов, для которых по различным причинам не разработаны аналитические модели, либо не разработаны методы решения полученной модели.
ИМИТАЦИОННАЯ МОДЕЛЬ — логико-математическое описание объекта, которое может быть использовано для экспериментирования на компьютере в целях проектирования, анализа и оценки функционирования объекта.
К имитационному моделированию прибегают, когда:
-
дорого или невозможно экспериментировать на реальном объекте;
-
невозможно построить аналитическую модель: в системе есть время, причинные связи, последствие, нелинейности, стохастические (случайные) переменные;
-
необходимо сымитировать поведение системы во времени.
Имитационное моделирование, сохраняя основные приемы статистического моделирования, представляет собой современную технологию исследования сложных систем, использующую языковые и программные средства.
ЭТАПЫ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ
1. ФОРМУЛИРОВКА ПРОБЛЕМЫ. ОБОСНОВАНИЕ ПРИМЕНЕНИЯ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ, ОПРЕДЕЛЕНИЕ ЦЕЛЕЙ. Трудности: *трудоемкость создания имитационной модели; *решение может не быть оптимальным.
2. ВЫЯВЛЕНИЕ СУЩЕСТВЕННЫХ ЭЛЕМЕНТОВ СИСТЕМЫ, АНАЛИЗ ВЗАИМОДЕЙСТВИЯ ЭЛЕМЕНТОВ И ВНЕШНИХ ВОЗДЕЙСТВИЙ. Пример. В экономических системах принято применять следующие элементы: Компоненты à модель подсистемы, Переменные à эндогенные (внутрирожденные), экзогенные Параметры Функциональные связи à формулы