Методы понижения дисперсии

В VI.6 рассмотрены два метода понижения дисперсии, а именно использование общих случайных чисел и дополняющих величин. Будут фигурировать дополняющие величины, поскольку они не усложняют статистического анализа.  [c.270]


VI.6. МЕТОДЫ ПОНИЖЕНИЯ ДИСПЕРСИИ  [c.287]

Надежность результатов экспериментов по методу Монте-Карло можно увеличить, применяя методы понижения дисперсии. В главе III мы обсудили несколько таких методов. К сожалению, большинство методов достаточно сложно. Для обычного применения подходят методы, использующие общие случайные числа и дополнительные величины .  [c.287]

В упомянутых и многих других работах по имитационному моделированию подчеркивается, однако, его серьезный недостаток тестируется только запланированный набор решений, среди которых наилучшее может отсутствовать. Добавим к этому низкую (без использования методов понижения дисперсии [71]) относительную точность определения вероятностей редких событий, которыми в данном случае являются особенно интересующие нас случаи дефицита запаса.  [c.173]

Общие методы понижения дисперсии в целом дают значение дисперсии, меньшее чем у простейшего метода Монте-Карло.  [c.82]


Как мы объясняли в главе III, последний метод (3) не всегда дает наилучшее понижение дисперсии. Мы решили не применять метод 1 или метод 3, поскольку они усложняют статистический анализ эксперимента. Эти два метода приводят к зависимости (средних) откликов для шестнадцати комбинаций факторов. В методе 3 нет проблем такого рода, поскольку мы имеем дело со средними откликами двух дополняющих реализаций, т. е.  [c.289]

Закончив в последней главе первого выпуска обсуждение методов понижения дисперсии, автор переходит в четвертой главе — первой главе второго выпуска — к центральной теме всего повествования, к планированию имитационных экспериментов. Эта большая глава может даже рассматриваться как самостоятельная небольшая книга по данному вопросу. Из всего многообразия типов экспериментальных планов автор выбрал лишь полный и дробный факторный эксперимент да планы отсеивания. Даже процедура метода Бокса — Уилсона и вся техника исследования поверхностей отклика лишь упоминаются. А концепция D-оптимальности и некоторые другие современные теории не фигурируют вовсе. Если рассматривать книгу Клейнена как руководство для специалистов по моделированию, предназначенное для первого знакомства с подходом, опирающимся на планирование эксперимента, то подобный способ отбора материала представляется нам вполне оправданным.  [c.5]