В этой главе мы рассмотрим наиболее употребительные законы распределения случайных величин, а также основные параметры этих законов. Будут даны методы поиска функции распределения вероятности случайной величины в случае неинтегрируемой плотности вероятности, а также алгоритмы получения последовательностей случайных величин с произвольным законом распределения, что необходимо при моделировании случайных процессов. Особое внимание будет уделено обобщенному экспоненциальному распределению, которое наиболее пригодно при изучении ценообразования активов. [c.30]
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]
Моделирование случайных процессов. .......................................................................... 66 [c.61]
Моделирование случайных процессов [c.66]
При статистическом моделировании случайного процесса случайные факторы (возмущения) представляют в виде конечного набора случайных величин с известными распределениями. [c.304]
В процессе реализации метода Монте-Карло производится моделирование случайных событий и соответствующих им случайных величин. При таком моделировании определяется, произошло или не произошло в данном испытании некоторое событие А, вероятность которого известна и равна Р(А), и устанавливается, какое значение приняла соответствующая случайная величина X, закон распределения которой известен. С этой целью решают вспомогательную задачу, состоящую в моделировании равномерно распределенной в интервале (0,1) случайной величины со, Пусть, например, известна вероятность некоторого события А [c.154]
Процессы создания ПО определяют инвариант или неизменную составляющую процесса его разработки. Обычно разработка ПО не является результатом повторяющегося акта производства. Свойство случайности не присуще изначально ПО, скорее всего оно привнесено извне разработчиками. Свойства программной инженерии, носящие случайный характер, также порождают определенные трудности в создании ПО. Эти случайные процессы делятся на 3 категории 1. Участники проекта 2. Процесс 3. Язык и средства моделирования. [c.36]
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]
Некоторые технические аналитики, возможно, могут не согласиться с таким моделированием, предполагая, что оно не отражает реальную картину ценового движения акции. Технические аналитики полагают, что цены не относятся к случайным процессам. Однако важно заметить, что, хотя все три примера образованы стохастическим процессом, стратегия одинаково эффективна в любом случае как при совершенно случайных ценовых движениях, так и при существовании закономерности, когда рынок имеет какие-либо скрытые модели. По сути, стохастический процесс используется только лишь для демонстрации процесса и оценки возникающих результатов. [c.5]
Собственно процесс моделирования выполняется следующим образом 1) программа моделирования случайным образом выбирает значение для каждой исходной переменной, например объема и цены реализации, основываясь на ее заданном распределении вероятностей 2) значение, выбранное для каждой варьируемой переменной, вместе с заданными значениями других факторов, таких как ставка налога и амортизационные отчисления, затем используется в модели для определения чистых денежных потоков по каждому году, далее рассчитывается NPV проекта в данном цикле расчетов 3) этапы 1 и 2 многократно повторяются, например 1000 раз, что даст 1000 значений NPV, которые составят распределение вероятностей, по которому вычисляют ожидаемые значения NPV и его среднеквадратического отклонения. [c.170]
В принятой постановке задачи величины ii, 0.2 и PJ предполагаются заданными. В общем случае их вычисление является предметом анализа вспомогательных задач. Можно указать случаи, когда вероятности pi вычисляются через характеристики случайных параметров, определяющих области GI, GZ и Go. Вообще же значения Pi целесообразно вычислять в процессе моделирования случайного механизма, обусловливающего характер множеств г. [c.103]
Исследованием закономерностей, наблюдаемых в чисто случайных процессах на основе моделирования и обработки экспериментально полу- [c.34]
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]
Действительно ли при моделировании экономических процессов программные датчики дают случайные числа Если нет, то почему [c.57]
Интересный подход к поиску на ЭВМ плотных укладок разных кругов в лист фиксированного размера предложен в [297] лист рассматривается как поперечное сечение узкого высокого ящика, в который случайно бросаются тяжелые цилиндры. Укладки находятся численным моделированием этого процесса. [c.254]
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]
Методологическую основу исследования операций составляют теория вероятностей, включающей теорию случайных процессов (в том числе методы моделирования операций по схемам случайных процессов и статистических испытаний), теорию информации, теорию массового обслуживания, теорию игр, методы сетевого планирования, математические методы оптимизации (например, простейшие методы нахождения экстремумов — максимума и минимума), сложные методы линейного и динамического программирования) и др. [c.110]
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]
Марковские случайные процессы Имитационное моделирование [c.45]
Метод статистических испытаний позволяет воспроизвести любой процесс, на протекание которого влияют случайные факторы, при помощи моделирования случайных величин. Чтобы получить случайную величину, необходимо знать закон ее распределения. При наличии числовых характеристик случайной величины определить закон распределения можно по коэффициенту вариации (отношению среднего квадратического отклонения к среднему значению). В первом приближении выбор закона распределения может быть произведен по табл. 6.3. [c.130]
Рассматривается моделирование экономических систем с использованием марковских случайных процессов, моделирование систем массового обслуживания, методы и модели корреляционно-регрессионного анализа и прогнозирования временных рядов экономических показателей. Приводятся оптимизационные методы и модели в управлении экономическими системами, линейное, динамическое, параметрическое и целочисленное программирование, а также транспортные задачи линейного программирования, теория игр и принятие решений. [c.2]
Значительное место отведено применению марковских случайных процессов для моделирования экономических систем, а также использованию аппарата теории массового обслуживания для решения финансово-экономических задач. Далее авторы рассматривают возможности применения метода статистического моделирования (метода Монте-Карло). [c.3]
Моделирование экономических систем с использованием марковских случайных процессов [c.41]
Задание для расчетно-графической работы Моделирование показателей надежности технических систем с использованием аппарата марковских случайных процессов [c.406]
МЕТОД МОНТЕ-КАРЛО, метод статистических испытаний (Monte arlo method) — числ способ решения матем и др задач Применяется гл о в случаях, когда построение модели математической исследуемого явления в аналитическом (формульном) виде затруднено или невозможно М М -К заключается в моделировании исследуемого явления с помощью нек-рой процедуры, дающей случайный результат Чем больше кол-во реализаций случайного процесса получено в результате моделирования, тем полнее будет стат материал, обрабатываемый обычными методами математической статистики При моделировании логистических систем с [c.139]
Жуленев С. В. Нормальная модель для задач со случайными ограничениями. Равномерное распределение. — В кн. Моделирование экономических процессов , МГУ, 1971, с. 403—414. [c.385]
Применение Т. и. в экономпч. исследованиях и управлении только начинается. Каждый случай такого применения должен учитывать те предпосылки и допущения, на к-рых зиждется Т. п. и к-рые, будучи правомерными для задач передачи сообщений, могут оказаться неприемлемыми при моделировании экономик, процессов. В связи с этим необходимо отметить, что Т. и. пригодна для исследования класса случайных процессов, обладающих след, свойствами 1) процесс состоит из последовательности случайных событий, в к-рой каждое последующее событие зависит от предыдущего 2) условные вероятности, характеризующие зависимость между ними, постоянны 3) вероятности исходов последующего события зависят только от исходов непосредственно предшествующего и не зависят от исходов других событий, к-рые предшествуют последнему. Процессы, обладающие такими свойствами, наз. марковскими. Нек-рые немарковские процессы могут быть переопределены в марковские, напр, данное событие зависит больше чем от одного предшествующего, но число предшествующих событий, от к-рых оно зависит, конечно и их комбинация характеризуется устойчивостью, позволяющей рассматривать её как одно сложное событие. Такие процессы наз. э р г о д и ч е с к и м и ив целом Т. и. [c.114]
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]
Перед началом моделирования перевозочного процесса на маршрутах (шестой этап) необходимо задать временные ограничения (время в наряде, время обеденных перерывов, время начала и окончания работы в пунктах) и определить среднее значение, среднее квадрати-ческое отклонение (СКО) и закон распределения случайных величин (табл. 10.20) [c.342]
Случайный характер потока заявок (требований), а также, в общем случае, и длительности обслуживания приводит к тому, что в системе массового обслуживания происходит случайный процесс. По характеру случайного процесса, происходящего в системе массового обслуживания (СМО), различают системы марковские и немарковские. В марковских системах входящий поток требований и выходящий поток обслуженных требований (заявок) являются пу-ассоновскими. Пуассоновские потоки позволяют легко описать и построить математическую модель системы массового обслуживания. Данные модели имеют достаточно простые решения, поэтому большинство известных приложений теории массового обслуживания используют марковскую схему. В случае немарковских процессов задачи исследования систем массового обслуживания значительно усложняются и требуют применения статистического моделирования, численных методов с использованием ЭВМ. [c.85]
Смотреть страницы где упоминается термин Моделирование случайных процессов
: [c.168] [c.75] [c.268] [c.37] [c.7] [c.145] [c.128] [c.73] [c.131] [c.140] [c.157] [c.38] [c.403] [c.41] [c.133]Смотреть главы в:
Моделирование и управление в экономике Часть 1 -> Моделирование случайных процессов