К совокупности методов моделирования относят такие методы как статистического имитационного моделирования, моделирования операций по схемам случайных процессов и статистических испытаний — метод Монте-Карло и ряд других. [c.116]
Формализация (аналитические математические методы интегрального, дифференциального и вариационного исчислений, теории вероятностей, теории игр, поиска максимумов и минимумов функций, в том числе методы математического программирования, например, линейного и динамического, математической логики, теории множеств Монте-Карло статистические методы математической статистики, статистического имитационного моделирования, моделирования операций по схемам случайных процессов и статистических испытаний, исследования операций и массового обслуживания, теории информации графические методы теории графов номограмм, диаграмм, гистограмм, графиков) Аксиоматизация Идеализация [c.407]
Формула метода моментов используется довольно часто. На ней основываются, например, методы статистического имитационного моделирования. Кроме того, если первичные данные сгруппированы, метод моментов позволяет ускорить расчет дисперсии по аналогии с расчетом среднего значения. [c.86]
Статистическое имитационное моделирование - имитационное моделирование, при котором воспроизводятся случайные явления. Случайные факторы при построении модели имитируются при помощи случайных чисел, формируемых ЭВМ. Статистическое имитационное моделирование базируется на численном статистическом методе решения математических задач, называемом методом Монте-Карло. [c.12]
Статистическое имитационное моделирование [c.87]
Имитационное моделирование, при котором воспроизводятся случайные явления, называется статистическим имитационным моделированием. Случайные факторы при построении компьютерной модели имитируются при помощи случайных чисел, формируемых ЭВМ. Таким образом, под статистическим имитационным моделированием понимают построение имитационной модели существующего или гипотетического (предполагаемого, разрабатываемого) объекта, учитывающей случайные явления, и проведение экспериментов на этой модели. Статистическое имитационное моделирование (СИМ) базируется на численном статистическом методе решения математическим задач, называемых методом Монте-Карло. Часто статистическое имитационное моделирование просто отождествляют с этим методом [14]. [c.87]
Сущность статистического имитационного моделирования [c.87]
Автоматизация процесса статистического имитационного моделирования [c.95]
Для определения пропускной способности ПС в постановке задачи учитывались объективные свойства производственных систем динамика, стохастика и неопределенность. В нашем подходе предусматривается сочетание пространственной и временной организации ПС. Решение поставленной задачи с помощью динамического (имитационного) моделирования, где в модели системы задается вероятностная логика функционирования ПС, законы распределения надежности отдельных элементов (основанные на статистической информации фактической надежности), наработки на отказ, время простоя по причине отказа, имитируется процесс эксплуатации, - позволило сделать следующие выводы. [c.191]
Из всех параметров важнейшим, безусловно, является величина извлекаемых запасов. Но одновременно это и параметр, оценка которого представляет наибольшие трудности. В последние годы для прогноза размеров открываемых месторождений все больше используются статистические методы и методы имитационного моделирования. Используя гипотезу о логнормальном распределении размеров открываемых месторождений и метод Монте-Карло, можно имитировать случайный процесс открытий и генерировать совокупность месторождений. [c.157]
Ряды распределения населения по размеру среднедушевого денежного дохода являются статистической формой выражения дифференциации населения по уровню материального благосостояния. Для построения рядов используются методы имитационного моделирования. Суть их состоит в преобразовании эмпирического ряда распределения населения по уровню доходов, полученного на основе выборочного обследования бюджетов домашних хозяйств, в теоретический ряд распределения. В целом задача сводится к выбору функции распределения, наиболее адекватно отражающей закономерность распределения доходов, установлению по эмпирическим данным параметров кривой распределения и расчету по найденному уравнению теоретических частот для заданных значений среднедушевого дохода. [c.356]
В настоящее время, наряду с аналитическим, широко применяется имитационное моделирование. В литературе метод имитационного моделирования встречается также под названием метода цифрового, машинного, программного, статистического, вероятностного, автоматного или динамического моделирования и метода машинной имитации [6, 7]. [c.83]
Имитационное моделирование задач, содержащих случайные параметры, принято называть статистическим моделированием. [c.27]
Анализ единичного риска проекта начинается с установления неопределенности, присущей денежным потокам проекта, которое может основываться и на простом высказывании мнений, и на сложных экономических и статистических исследованиях с использованием компьютерных моделей. Наиболее часто используют следующие методы анализа 1) анализ чувствительности 2) анализ сценариев 3) имитационное моделирование методом Монте-Карло. [c.206]
Из рассмотренных методов только два позволяют охватить весь спектр возможных отклонений по проекту - это метод имитационного моделирования и метод нечетких множеств. При этом ни один из них не обеспечивает должной точности расчетов, но метод имитационного моделирования более прозрачен и нагляден для пользователей информации по анализу рисков (участников проекта). Кроме того, он позволяет определить статистические показатели, что недоступно ни одним другим методом. А подход метода нечетких множеств обеспечивает легкость определения значений изменяемых параметров, так как они задаются нечетким множеством либо вырожденным множеством (т.е. интервалом). [c.27]
Остается решить вопрос, как определить соответствующие интервальным сценариям результативные показатели. Возникает задача перебора всех значений в интервальных сценариях, и ее можно решить только методом имитационного моделирования, который также даст возможность определить дополнительные статистические показатели. Заметим, что нет необходимости определять вероятности с помощью имитаций, так как они уже определены интервальным сценарием. Следует также отметить, что определять значения результативных показателей, просто подставив в модель крайние значения (как это делается в традиционном анализе сценариев) будет некорректно, так как это не позволит определить статистические показатели и не учтет разброс значений. [c.30]
Ассоциативные методы имитационного моделирования (статистического моделирования, системная динамика), историко-логического анализа. [c.327]
Итак, какими же математическими знаниями должен обладать человек, специализирующийся в имитационном моделировании Прежде всего, это общий курс высшей математики в объеме обычного технического вуза. Необходимы также знания по высшей алгебре, теории множеств, математической логике, теории вероятностей и математической статистике, динамическим рядам. Из специальных дисциплин необходимы знания метода статистических испытаний (Монте-Карло), теории массового обслуживания, теории систем и общего курса экономико-математических методов и моделей. Предполагается свободное владение компьютером в рамках общепринятых пакетов программ и желательно самостоятельное написание программы имитации на базе какого-либо языка моделирования. Вышеперечисленные требования — максимум того, что требуется от профессионального специалиста в области имитационного моделирования. Вместе с тем, эти знания не дадут нужного результата, если у человека не будет сформировано имитационное мышление и он будет увлекаться тем или иным аналитическим решением проблемы. Аналитическое (не имитационное) решение, пусть более красивое и эффектное, как правило, заведет моделирование объекта на тупиковый путь. Вместе с тем известны случаи, когда человек, не обладающий всей массой знаний, перечисленных выше, но правильно уловивший суть имитационного подхода, успешно руководил построением имитационных моделей своего объекта. Как правило, такие люди — хорошие управленцы и специалисты по данному объекту. [c.7]
При имитационном моделировании применяется много математических схем конечные и вероятностные автоматы, системы массового обслуживания (СМО), агрегативные системы, системы, описываемые дифференциальными уравнениями и марковскими процессами, методы общей теории систем, а также специально сконструированные эвристические подходы для конкретных типов объектов моделирования. Применительно к экономическим объектам и процессам наиболее часто используются, на наш взгляд, математические схемы СМО, агрегативные системы, а также эвристические подходы. Кроме этого, отдельные элементы метода статистических испытаний или метода Монте-Карло, которые лежат в основе имитационного моделирования, применяются достаточно часто при расчете различных параметров для других типов моделей — эконометрических, моделей кривых роста и т.п. В данной главе будут рассмотрены имитационные модели СМО и агрегативные имитационные модели. Естественно, приведенные ниже математические схемы ни в коей мере не исчерпывают их перечень. Кроме того, часто при имитационном моделировании применяется сочетание различных математических подходов, поэтому дать весь перечень применяемых математических схем затруднительно, да и вряд ли целесообразно. Главное — наличие имитационного мышления при выборе тех или иных математических подходов. [c.229]
Концепция имитационного моделирования требует предварительного знакомства читателя с методом Монте-Карло, с методологией проведения проверок статистических гипотез, с устройством программных датчиков случайных (псевдослучайных) величин и с особенностями законов распределения случайных величин при моделировании экономических процессов, которые не рассматриваются в типовых программах дисциплины Теория вероятностей . [c.17]
Является ли метод Монте-Карло в сочетании с проверкой статистических гипотез имитационным моделированием [c.56]
Метод Монте-Карло - метод статистических испытаний, проводимых с помощью ЭВМ и программ - датчиков псевдослучайных величин. Иногда название этого метода ошибочно применяется в качестве синонима имитационного моделирования. [c.352]
Статистический анализ результатов имитационного моделирования [c.622]
Для определения доверительного интервала времени и оценки надежности выполнения заказа может применяться имитационное моделирование (метод статистических испытаний или метод Монте-Карло), которое заключается в воспроизведении исследуемого процесса при помощи вероятностной математической модели. Одно такое воспроизведение функционирования системы называют реализацией или испытанием . Метод основан на многократных испытаниях построенной модели с последующей статистической обработкой полученных данных с целью определения числовых характеристик исследуемого процесса в виде статистических оценок его параметров. [c.129]
В подразделе 9.1 рассмотрены методы нормирования текущего и страхового запасов на основе статистических данных о параметрах поставки и расхода, приводится пример с использованием искусственных статистических данных, полученных при имитационном моделировании расхода и поставки. В подразделе 9.2 рассмотрен аналитический подход к определению страхового запаса. [c.275]
В литературе часто в том же смысле применяется термин имитационное моделирование , однако, по-видимому, лучше разделить значения моделирование есть разработка, конструирование модели некоторого объекта для его исследования, а имитация — один из возможных способов использования модели.) Для имитации формируется имитационная система, включающая имитационную модель, а также программное обеспечение ЭВМ. В машину вводятся необходимые данные и ведется наблюдение за тем, как изменяются интересующие исследователя показатели они подвергаются анализу, в частности статистической обработке данных. [c.216]
В учебном пособии рассмотрены основные разделы курса Имитационное моделирование место имитационного моделирования (ИМ) в составе экономико-математических методов, общая характеристика имитационного моделирования, структура имитационных моделей, основные этапы процесса имитации, модели глобальных систем и экономических систем масштаба предприятия, использование ИМ в управлении предприятием, статистическое ИМ и экспериментальная оптимизация, управленческие имитационные игры и организационные аспекты ИМ. [c.2]
К л е и н е н Д ж. Статистические методы в имитационном моделировании. Вып. 1. [c.4]
Статистические, экономико-математические методы (системный анализ, факторный анализ, математическое, логическое, информационное, имитационное моделирование. Теории длинных волн, меж-страновое сопоставле- [c.129]
МАШИННАЯ ИМИТАЦИЯ, или компьютерная имитация [simulation] — экспериментальный метод изучения экономики с помощью компьютеров. (В литературе часто в том же смысле применяется термин "имитационное моделирование", однако, по-видимому, лучше разделить значения моделирование есть разработка, конструирование модели некоторого объекта для его исследования, а имитация — один из возможных способов использования модели.) Для имитации формируется имитационная система, включающая имитационную модель, а также программное обеспечение ЭВМ. В машину вводятся необходимые данные и ведется наблюдение за тем, как изменяются интересующие исследователя показатели они подвергаются анализу, в частности статистической обработке данных. [c.190]
Метод Монте-Карло (Monte arlo simulation). Метод имитационного моделирования с использованием генератора случайных чисел для расчета статистически достоверных переменных. Требует множества повторений базового алгоритма для построения статистически значимого распределения возможных результатов. [c.373]
Имитационное моделирование (simulation) включает проведение на ЦВМ экспериментов с моделями системы. Применение имитации позволяет сделать выводы о результатах, основанные на вероятностных распределениях случайных величин. Имитационное моделирование позволяет получить оценки степени влияния различных факторов (исходных величин) на зависящие от них результаты (показатели). Результаты имитации дополняются вероятностным и статистическим анализом о степени влияния ключевых факторов на ожидаемые результаты в сценариях развития событий 23. В ТЭО-ИНВЕСТ оценивается степень воздействия случайных факторов на показатели эффективности инвестиций в проект. Вы определяете, какие факторы рассматривать как случайные, указываете допустимый диапазон случайного изменения значений для каждого из них, задаете количество [c.192]
Статистические испытания по методу Монте-Карло представляют собой простейшее имитационное моделирование при полном отсутствии каких-либо правил поведения. Получение выборок по методу Монте-Карло - основной принцип компьютерного моделирования систем, содержащих стохастические или вероятностные элементы. Зарождение метода связано с работой фон Неймана и Улана в конце 1940-х гг., когда они ввелит5ля- вшлазвание.. Монте- [c.17]
Имитационное моделирование является относительно новым и быстро развивающимся методом исследования поведения систем управления. Этот метод состоит в том, что с помощью ЭВМ воспроизводится поведение исследуемой системы управления, а исследователь-системотехник, управляя ходом процесса имитации и обозревая получаемые результаты, делает вывод о ее свойствах и качестве поведения. Поэтому под имитацией следует понимать численный метод проведения на ЭВМ экспериментов с математическими моделями, описывающими поведение системы управления для определения интересующих нас функциональных характеристик. Появление имитационного моделирования и превращение его в эффективное средство анализа сложных систем было, с одной стороны, обусловлено потребностями практики, а с другой стороны, обеспечено развитием метода статистических испытаний (метода Монте-Карло) [3], открывшего возможность моделирования случайных факторов, которыми изобилуют реальные системы, а также развитием электронной вычислительной техники, являющейся базой для проведения статистических экспериментов. [c.190]
Следующая особенность имитационных процессов в системах принятия решений при управлении, в основе которых лежат логико-лингвистические модели, состоит в том, что интерес представляют не только статистические данные, накапливаемые в процессе моделирования (например, средние времена ожиданий или длины очередей объектов, ждущих обслуживания), но и динамика одной конкретной ситуации, причем изменяются не только (и не столько) какие-то числовые параметры, но и структурные описания (например, отношения, реализуемые между отдельными элементами, входящими в описание ситуации). Все это приводит к необходимости при построении Экстраполятора для систем ситуационного управления использовать возможности, содержащиеся не только в традиционных языках для имитационного моделирования, но и в языках, характерных для описания и трансформации описаний ситуаций. [c.245]
Для задач СППР свойственны недостаточность имеющейся информации, ее противоречивость и нечеткость, преобладание качественных оценок целей и ограничений, слабая формализо-ванность алгоритмов решения. В качестве инструментов обобщения чаще всего используются средства составления аналитических отчетов произвольной формы, методы статистического анализа, экспертных оценок и систем, математического и имитационного моделирования. При этом используются базы обобщенной информации, информационные хранилища, базы знаний о правилах и моделях принятия решений. [c.13]
Место имитационного моделирования в составе экономико-математических методов. 2.Мысленные и машинные модели социально экономических систем. 3.Социально-экономические процессы как объекты моделирования. 4. Структура и классификация имитационных моделей. 5.Основные этапы процесса имитации. 6.Определение системы, постановка задачи, формулирование модели и оценка ее адекватности. 7.Экспериментирование с использованием ИМ, механизм регламентации, интерпретация и реализация результатов. 8.Организационные аспекты имитационного моделирования. 9.Основные компоненты динамической мировой модели Форрестера. 10.Концепция петля обратной связи . И.Структура модели мировой системы. 12. Каноническая модель предприятия. 13.Моделирование затрат предприятия. 14.Моделирование налогообложения. 15.Использование имитационного моделирования для планирования. 16.Содержание процессов стратегического и тактического планирования. 17.Основные модули системы поддержки принятия решений. 18.Сущность статистического ИМ. 19.Метод Монте-Карло. 20.Идентификация закона распределения. 21.Классификация систем МО. 22.Сущность метода экспериментальной оптимизации. 23.Формирование концептуальной модели. 24.Принципы выбора критерия оптимальности, разработка алгоритма оптимизации. 25.Эвристические алгоритмы поиска решений. 26.Управленческие имитационные игры, их природа и сущность. 27. Структура и порядок разработки управленческих имитационных игр. [c.121]
Смотреть страницы где упоминается термин Статистическое имитационное моделирование
: [c.60] [c.133] [c.282] [c.358] [c.191] [c.130] [c.74] [c.263] [c.147]Смотреть главы в:
Имитационное моделирование экономических процессов -> Статистическое имитационное моделирование