Методы экологической регламентации хозяйственной деятельности в последнее время получают развитие за рубежом. К примеру, в Швейцарии и других странах введены ограничения на дополнительный отвод новых земельных площадей для дорожного строительства и ограничения на выбросы загрязняющих веществ в окружающую среду, в том числе от автотранспорта. В США на сброс сточных вод выдаются разрешения в рамках Национальной системы сброса загрязняющих веществ в водную среду. Соответствующие лимиты рассчитываются Агентством по охране окружающей среды на основе методов вероятностного моделирования, учитывающего динамику качества воды и величины водного потока. [c.212]
Д. Оценка математической модели прогнозирования. На этом этапе исследования определяются параметры различных видов аппроксимирующих функций. Наиболее распространенными методами оценки параметров аппроксимирующих зависимостей являются метод наименьших квадратов (МНК) и его модификации, метод экспоненциального сглаживания, метод вероятностного моделирования, метод адаптивного сглаживания. [c.169]
Метод вероятностного моделирования [c.19]
В чем состоит основная особенность метода вероятностного моделирования [c.24]
Проблемы и недостатки метода вероятностного моделирования. Недостатком модели является требование большого количества наблюдений и незнание начального распределения, что может привести к неправильным оценкам. [c.69]
Очевидно, что существует класс экономических задач Q, в которых присутствуют вероятностные и неопределенные факторы всех типов (квадрант 1 -2-3-4), каждый из которых оказывает весьма существенное влияние на решение исходной задачи. Этот тип задач наиболее трудно формализовать, гак как необходимо не только избавиться от всех неопределенных параметров таким образом, чтобы не исказить суть исходной задачи, но и провести большой объем вычислений. Поэтому, мы считаем, что в таких ситуациях целесообразно использовать метод имитационного моделирования, поскольку имитационные модели позволяют анализировать задачи в условиях большой размерности и неполноты априорной информации, они отличаются доступностью методологии, а использование ЭВМ позволяет достаточно быстро и эффективно обрабатывать полученные результаты. [c.49]
Переход к рынку сказывается на методах финансового планирования. Если в отношении ближайшего времени конъюнктура рынка и связанное с ней поведение предприятия могут быть довольно четко просчитаны, то перспективные, долгосрочные процессы - лишь прогнозироваться. Поэтому финансовое планирование сводится, с одной стороны, к точным расчетам финансовых показателей на ближайшее время и их балансовой увязке в соответствующем финансовом документе, а с другой — к прогнозным расчетам, носящим вероятностный и многовариантный характер. Новое содержание финансового планирования требует и другого инструмента - широкого использования экономико-математических методов и моделирования наряду с ранее применявшимися способами расчетов финансовых показателей. [c.86]
Отмеченные методические трудности преодолеваются имитационным моделированием. Последовательно усложняя модель, метод имитационного моделирования позволяет отыскать количественную меру для выражения плохо поддающихся формализации процессов. Реальный производственный процесс имитируется в модели движением п фишек (по числу подпроцессов). Это позволяет достаточно просто учесть вероятностный характер строи- [c.56]
Учитывая, что основой выбора направлений поисково-разведочных работ и определения темпов подготовки и извлечения запасов должна быть экономическая оценка, в качестве главного показателя принят дисконтированный народнохозяйственный чистый доход, получаемый за счет вовлечения нефтегазовых ресурсов в хозяйственный оборот. С этих позиций рассматриваются методы оценки эффективности поисково-разведочных программ на различных стадиях освоения ресурсов как в зрелых районах с развитой нефтегазодобычей, так и в новых перспективных районах с низким уровнем информационной обеспеченности. Для последнего случая подробно описаны методы имитационного моделирования поисково-разведочных работ и вероятностные характеристики перспективных планов. [c.4]
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]
К основным методам, использующим в расчетах вероятностный подход, относятся метод имитационного моделирования Монте-Карло и дерево решений. [c.7]
Несмотря на отмеченные слабые стороны, различные приемы применения вероятностного подхода в принципе очень удобны и позволяют получать наглядные результаты, особенно в случае применения его в методе имитационного моделирования, позволяющего получить полный разброс возможных значений результатов проекта (ЧДД, ВНР, индекс доходности и т.д.) в сочетании с их вероятностью. Таким образом, можно сделать вывод, что применение вероятностных подходов необходимо, но следует искать такие пути их применения, которые бы позволили максимально уменьшить ошибки при определении вероятностей. [c.23]
Задачи, в которых потоки требований не являются простейшими, могут быть решены с помощью методов статистического моделирования случайных процессов (метод Монте-Карло). Суть этого метода заключается в том, что он позволяет, зная вероятностные законы функционирования отдельных частей системы, вычислять вероятностные законы всей системы, как бы сложна она ни была. Этот метод очень хорош в случае использования ЭВМ на отдельных этапах. [c.167]
СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ — способ, который помогает исследовать вероятностные системы, когда мы не знаем внутренних взаимодействий в этих системах. Один из интереснейших методов статистического моделирования — метод Монте-Карло , который применяется для моделирования многих экономических процессов, в частности, деятельности складов, что позволяет определять оптимальные запасы. [c.26]
Статистические модели. Среди широкого круга организационных проблем строительного производства особый интерес вызывают проблемы моделирования массовых процессов или явлений, на которые воздействует не поддающееся строгому учету и контролю множество факторов. Возможны также случаи, когда организатору производства неизвестны программа, структура или поведение системы (подсистемы) либо они настолько сложны, что описать их аналитическими методами не удается. Тогда при моделировании систем используют методы вероятностно-статистического анализа результатов исследуемого явления и говорят о случайных (стохастических или вероятностных) событиях, процессах и моделях. [c.249]
Метод статистического моделирования (или метод Монте-Карло) — это способ исследования поведения вероятностных систем (экономических, технических и т. д.) в условиях, когда не известны в полной мере внутренние взаимодействия в этих системах. [c.118]
В группу методов прогнозной экстраполяции можно включить методы наименьших квадратов, экспоненциального сглаживания, вероятностного моделирования и адаптивного сглаживания. К группе системно-структурных методов — отнести методы функционально-иерархического моделирования, морфологического анализа, матричный, сетевого моделирования, структурной аналогии. Ассоциативные методы можно разделить на методы имитационного моделирования и историко-логического анализа. В группу методов опережающей информации — включить методы анализа потоков публикаций, оценки значимости изобретений и анализа патентной информации. [c.11]
В чем отличие методов экспоненциального сглаживания и вероятностного моделирования [c.24]
В долгосрочном плане задача оптимального определения уровня запасов в силу вероятностного характера колебаний потребности в запасах может быть решена только на основе применения методов имитационного моделирования, что необходимо для определения характеристик производительности системы в условиях случайности процессов (см. параграф 5.3). В краткосрочном плане задача управления запасами решается в результате применения методов динамической диагностики и мониторинга, которые позволяют в каждый момент времени на базе оперативной информации о состоянии заказов, запасов и возможностях предприятия и поставщиков принимать оперативные решения по поддержанию запасов на необходимом уровне. [c.126]
С развитием рыночной экономики - увеличением числа хозяйственных единиц, их типов, развитием аудита, финансового менеджмента, статистического прогнозирования и моделирования - задачи отечественной статистики значительно расширились. В практику государственной статистики России внедряются методики, принятые в международной статистике. В учебнике рассмотрены основные процедуры сбора, обработки и анализа массовых данных возможности их реализации на персональных компьютерах. Особое внимание уделяется обоснованию вероятностного характера статистического вывода, выборочному методу, проверке статистических гипотез. [c.4]
Поскольку динамические модели используются в отдельных областях производственно-коммерческой деятельности, они и разрабатывались в основном для облегчения принятия специфических решений. В то же время динамическое программирование и процессы Маркова представляют собой универсальные инструменты моделирования, которые могут использоваться для решения любых задач динамического характера и не ограничиваются конкретными областями. Динамическое программирование — это метод решения задач путем последовательного принятия взаимосвязанных решений. Метод заключается в делении задачи на несколько составляющих ее подзадач и решении каждой из них таким образом, чтобы получить оптимальный общий результат. Процессы Маркова разработаны для принятия решений в ситуациях, при которых можно описать несколько классов или состояний, причем в каждый определенный момент времени система находится только в одном из этих состояний, а переход от одного состояния к другому носит вероятностный характер. [c.257]
Итак, анализ чувствительности и сценарный подход являются последовательными шагами в анализе рисков, при этом последний позволяет избавиться от некоторых недостатков метода анализа чувствительности. Однако метод сценариев наиболее эффективно можно применять, когда количество возможных значений чистой приведенной стоимости конечно. Вместе с тем, как правило, при проведении анализа рисков инвестиционного проекта эксперт сталкивается с неограниченным количеством различных вариантов развития событий. Рассмотрим метод оценки индивидуального риска проекта, помогающий разрешить эту проблему (имитационное моделирование). В основе этого метода лежит вероятностная оценка возникновения различных обстоятельств. [c.235]
Самый сложный метод прогнозирования прибыли — анализ рисков. Согласно этому методу при определенных предположениях о рыночных условиях и принятой на планируемый период стратегии маркетинга для каждой из переменных, от которых зависит прибыль, проводятся три оценки — оптимистическая, пессимистическая и наиболее вероятная. Путем компьютерного моделирования рассчитываются возможные результаты и вероятностное распределение нормы прибыли, которое показывает диапазон возможных значений нормы прибыли и их вероятности. [c.402]
Другие параметры обычно сравнивают при помощи регрессионного анализа и имитационного моделирования. Предлагаемые методы обеспечивают финансовых менеджеров сведениями, значение которых трудно переоценить. При этом нельзя забывать о границах применимости моделей. Вероятностная информация основывается, как правило, на эмпирической проверке моделей, ввиду чего определенная степень неточности или несоответствия неизбежна. Такой же трудной оказывается проблема выявления взаимозависимости переменных. [c.303]
Имитационное моделирование по методу Монте-Карло позволяет построить математическую модель для проекта с неопределенными значениями параметров и, зная вероятностные распределения параметров проекта, а также связь между изменениями параметров (корреляцию), получить распределение доходности проекта. [c.11]
Метод корректировки нормы дисконта осуществляет приведение будущих потоков платежей к настоящему моменту времени (т.е. обыкновенное дисконтирование по более высокой норме), но не дает никакой информации о степени риска (возможных отклонениях результатов). При этом полученные результаты существенно зависят только от величины надбавки за риск. Он также предполагает увеличение риска во времени с постоянным коэффициентом, что вряд ли может считаться корректным, так как для многих проектов характерно наличие рисков в начальные периоды с постепенным снижением их к концу реализации. Таким образом, прибыльные проекты, не предполагающие со временем существенного увеличения риска, могут быть оценены неверно и отклонены. Данный метод не несет никакой информации о вероятностных распределениях будущих потоков платежей и не позволяет получить их оценку. Наконец, он существенно ограничивает возможности моделирования различных вариантов, которое сводится к анализу зависимости критериев ЧДД или других от изменений только одного показателя -нормы дисконта. [c.26]
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]
Если в объекте моделирования входной сигнал преобразуется в определенный функционал, то необходимо иметь типовые функциональные блоки. Когда функционал имеет детерминированный характер, функциональный блок воспроизводит детерминированную функциональную зависимость. Если зависимость носит вероятностный характер, то блок должен воспроизводить случайную функцию. При этом следует указать, что способ получения заданных случайных зависимостей давно используется в статистическом моделировании (метод Монте-Карло) и может быть заимствован оттуда. В реальных моделях часто требуется не только воспроизводить случайную функцию, а применять эмпирические зависимости, т.е. использовать реальные данные в преобразователях и т.п. Гораздо легче в имитационных моделях реализовать блоки, имеющие теоретические распределения, так как их легко преобразовывать, меняя интенсивность или другие параметры распределений. [c.286]
Однако в линейных графиках отсутствуют связи, определяющие зависимости одной работы от другой, при большом наборе работ они громоздки. Линейные графики статичны, детерминированы и приспособлены для моделирования систем с такими же признаками. Они не могут выполнять функций инструмента анализа меняющихся ситуаций и принятия решений по ходу выполнения плана (комплекса работ). Более совершенными методами моделирования сложных динамичных и вероятностных систем являются сетевые графики. [c.56]
В логистике наибольшее распространение получили стохастические (вероятностные) методы имитационного моделирования. Это связано с тем, что для большинства логистических систем с удовлетворительной точностью известны лишь усредненные значения параметров потоковых процессов. Поэтому приходится оперировать не конкретными параметрами, а только распределениями вероятностей ихзначений. [c.123]
Применение математической статистики и моделирования для анализа производственно-хозяйственной деятельности. В экономике каждый показатель, каждое явление зависит от большого числа факторов, действующих одновременно. Иными словами, экономические явления характеризуются многомерной системой различных факторов. Часто им свойственны такие черты, как случайность и неопределенность, связь между явлениями носит стохастический (вероятностный) характер. В этом случае для изучения тесноты связи и взаимосвязи показателей и факторов применяют методы корреляционного и регрессивного янализа. [c.22]
Имитационное моделирование по методу Монте-Карло (Monte- arlo Simulation) позволяет построить математическую модель для проекта с неопределенными значениями параметров, и, зная вероятностные распределения параметров проекта, а также связь между изменениями параметров (корреляцию), получить распределение доходности проекта. Блок-схема, представленная на рис. 7.6, отражает укрупненную схему работы с моделью. [c.242]
В книге рассматриваются различные методы моделирования задач текущего и оперативно-календарного планирования нефтеперерабатывающих производств. Анализируются опыт применения вероятностных моделей планирования в условиях неполной информации, а также проблемы оптимизации слабоструктуризованных процессов принятия плановых решений. [c.3]
Подготовка новых запасов является решающим звеном воспроизводственного процесса в добыче нефти и газа. От эффективности и темпов их восполнения, качественной структуры, условий нахождения и территориального распределения в значительной мере зависит эффективность развития нефтегазодобывающей промышленности в целом. Объем научных исследований в этом направлении, резко возросший за последние годы, отражает исключительную важность проблемы. Здесь уже достигнуты определенные результаты, в первую очередь, в области долгосрочного планирования сырьевой базы нефтегазодобывающей отрасли, моделирования поисково-разведочного процесса, геолого-экономической оценки ресурсов и запасов месторождений, анализа качественной структуры запасов нефти и газа и затрат на их освоение. Вместе с тем используемые методы оценки плановых решений как на стадии подготовки запасов, так и при разработке нефтяных и газовых месторождений, еще в недостаточной мере учитывают особенности нефтегазодобывающей отрасли, в первую очередь такие, как ограниченность ресурсной базы для ее развития и исчерпае-мость запасов разрабатываемых месторождений, долговременный и эшелонированный характер инвестиционного процесса. Кроме того, для отрасли в целом характерен сравнительно высокий риск капиталовложений, особенно на стадии поисков месторождений, связанный с вероятностным характером информации, на основе которой принимаются решения. [c.3]
К прямым относятся задачи определения эффективности операции, качества выбранного решения и i действия. Класс обратных составляют задачи оптимизации, определения оптимальных альтернат управляемых факторов, при которых критерий эффективности достигает экстремального минимального) значения. В чистом виде указанные классы задач встречаются нечасто, однако пр< имеют обратные задачи. Для решения прямых задач используются математико-статистические метод что исследуемые процессы в существенной мере подвержены воздействию неопределенных, случайнь полезности для ряда задач может быть оценена лишь вероятностно. Поэтому основой для анализа эс теория вероятности и ее модификации - теория массового обслуживания, теория марковских случай надежности, метод Монте-Карло (в частности для моделирования сложных ситуаций на ЭВМ). [c.106]
Кроме вероятностных методов моделирования рассматривают методы описания рисков с помощью объектов нечисловой природы (в частности, качественных признаков, понятий теории нечетких множеств, интервальных математических и эконометри-ческих моделей и др.). Все эти подходы в настоящее время рассматриваются как перспективные. Вместо статистических данных в них применяют оценки экспертов, что приводит к двум направлениям теории риска вероятностному и экспертному, использующему в качестве аппарата статистику нечисловых данных. [c.281]
Особенностью обоих указанных методов (детерминированного и вероятностно-неопределенного) моделирования планирования развития ГСС является сведение этапных подзадач к сетевым транспортным задачам линейного программирования (СТЗ ЛП), причем основные принципы такого сведения были разработаны ранее для более широкого класса задач оптимального развития и размещения производства [43]. Такой подход плодотворен и при моделировании развития других отраслей РТЭК. Так, для решения соответствующих вероятностно-неопределенных задач с учетом транспорта ТЭР удобно использовать модели и методы стохастического программирования [115 и др.], и в рамках этого предложен [44, 51 и др.] метод сведения соответствующих задач к СТЗ [c.68]
Гарднер (Gardner, 1978) описал простой метод, предложенный Ричардом Боссом, для моделирования l/f-шума. Подобно вероятностной колоде карт Херста, он предлагает метод понимания того, как параллельные процессы релаксации могут происходить в природе и на рынках. [c.168]
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]
Метод имитации находит всё более широкое применение для исследования экономич. процессов ц явлений, т. к. в наибольшей степени отвечает их природе как систем сложных (многоаспектных) динамич. и стохастических. Различные стороны сложного экономич. процесса или явления могут быть отражены в целом комплексе моделей, причём средства моделирования систем не ограничены — модели могут быть представлены в виде математич. уравнений машинных программ, инструкций поведения для экспериментатора и др. Это позволяет учитывать взаимодействие таких разнообразных и непосредственно не сравнимых аспектов экономич. систем, как демограф, факторы, закономерности формирования потребительского спроса, структура обществ, произ-ва и производств, связи, объём и структура капиталовложений, система ценообразования и финансово-кредитная система, структура и характер деятельности органов управления. В основе концепции имитации лежит положение, что для социально-экономич. систем наиболее адекватным и эффективным методом изучения является исследование поведения и состояния составляющих их микроэлементов. Так, общие демографич. закономерности складываются из совокупного поведения отдельных семей различных типов оптимальная производств, структура предприятия проектируется на основе изучения вероятностных закономерностей маршрутов деталей, последовательности и времени обработки каждой из них. Т. о. синте-тич. макромодели экономич. процессов и явлений складываются из аналитич. микромоделей, составляющих их компонент. [c.538]
Смотреть страницы где упоминается термин Метод вероятностного моделирования
: [c.130] [c.270] [c.334] [c.168] [c.29] [c.621]Смотреть главы в:
Методы прогнозирования в условиях рынка -> Метод вероятностного моделирования