Теории массового обслуживания, статистических испытаний (или метод Монте-Карло) и статистических решений применимы для решения организационных задач. [c.152]
В качестве альтернативного варианта решения поставленной задачи рассматривается применение метода статистических испытаний, позволяющего предварительно накопить статистическую информацию о процессе эксплуатации МТ, а затем провести ее анализ. [c.189]
Итак, мы рассмотрели один из возможных способов ответа на вопрос существует ли связь между двумя переменными Для этого мы выдвинули нулевую гипотезу, что такой связи нет, а затем рассмотрели способ статистического испытания этой гипотезы. Мы можем оценить величину риска в принятии предположения о существовании связи. Но означает ли это, что данная связь существенна с точки зрения ее силы Вовсе не обязательно. Вопрос о силе или степени, тесноте зависимости — это иной вопрос, отличный от вопроса о существовании взаимосвязи. [c.208]
Получение характеристик систем массового обслуживания подобного класса возможно с помощью метода статистических испытаний — метода Монте-Карло, т.е. путем создания имитационной модели, на которой проигрывают различные ситуации, возникающие в процессе выполнения оперативного плана. [c.232]
Можно выделить два главных направления применения данных методов для статистических испытаний гипотез о структуре цен и предложении товаров, состоянии налоговой дисциплины. Например, это исследование степени лояльности налоговых законов к плательщикам, прогнозирование роста и спада производства и как следствие изменение объема налоговых поступлений. Одной из составных частей раздела математики является теория игр, положения которой могут быть использованы для решения задачи типа что будет, если... , проигрывания ситуаций, которые возникают в результате принятия ряда управляющих решений еще до реализации их на конкретном объекте. В случае получения неудовлетворительных результатов эти решения отвергаются. Методы антагонистических игр дают возможность выявить слабые места во взаимоотношениях плательщиков с налоговой администрацией. [c.152]
С помощью теории массового обслуживания можно получить аналитические выражения и при других дисциплинах обслуживания очереди и конфигурациях вычислительной системы. Рассматривая модель обслуживания заданий, мы исходим из предположений того, что процессы в системе - марковские, а потоки - простейшие. Если эти предположения неверны, то получить аналитические выражения трудно, а чаще всего невозможно. Для таких случаев моделирование проводится с помощью метода статистических испытаний (метода Монте-Карло), который позволяет создать алгоритмическую модель, [c.76]
В этой программе процесс генерации псевдослучайных чисел по отношению к известным методам генерации упрощен. Напомним, что в основе этих методов лежит метод статистических испытаний, или метод Монте-Карло, применение которого обосновывается предельными теоремами теории вероятностей. [c.154]
Одним из наиболее оправдавших себя на практике методов приближенного решения нелинейных целочисленных задач является метод статистических испытаний (метод Монте-Карло). [c.194]
Как только определены внешние по отношению к стратегии параметры, можно перейти к оценке стратегий. Обычно модель включает процедуры статистических испытаний (метод Монте-Карло) и экономической оценки открываемых месторождений. На основе математических и логических соотношений осуществляется процесс случайного выбора. В результате получают распределения частоты возможных исходов для изучаемого параметра или их совокупности. [c.180]
Произведя детальный геолого-экономический анализ открываемых месторождений, можно использовать полученные показатели и соотношения для прогнозирования экономических характеристик новых открытий. В основе такого прогнозирования лежит метод статистических испытаний. Результатом имитации поисково-разведочных работ должна быть численная оценка вероятности достижения планового задания по приросту запасов и в конечном счете — оценка ожидаемого экономического эффекта от их промышленного освоения. Это позволяет выбрать наиболее выгодные для постановки работ НГК. [c.182]
Обосновав необходимость такого способа прогнозирования эффективности ГРР, следует решить, каким образом можно получить поле вероятностей. Традиционными при этом являются методы статистических испытаний, когда используется, модель имитационного типа, генерирующая возможные исходы. Суть модели состоит в том, что на случайном поле возможных вариантов геологического строения района, которые в нашем случае задаются совокупностью месторождений с основными геологическими и экономическими параметрами, разыгрывается геологоразведочный процесс со своими стохастическими параметрами по правилам, определяемым принятой методикой и производственными условиями в районе. Затем подсчитываются геолого- [c.201]
Для анализа альтернативных стохастических моделей созданы и реализованы на персональном компьютере моделирующие алгоритмы, основанные на методе статистических испытании, с помощью которых граф G (X, U) многократно проигрывается с целью получения статистического материала для определения его параметров. Анализ стохастического графа G (X, U) начинается с моделирования топологии графа и вычисления временных характеристик. Моделирование топологии сети сводится к выбору альтернативных путей, т. е. к определению того, по какому пути пойдет моделируемый процесс в каждом частном случае. Таким образом, моделируется вся совокупность работ сети. В результате получается частная реализация стохастического графа — фиксированная сеть из детерминированных работ. [c.191]
Алгоритм анализа графа с возвратом основан на использовании метода статистических испытаний и известного алгоритма Форда для сетевых графиков. Процедура Форда используется для расчета временных параметров отдельных фрагментов графа с учетом их топологии и задаваемых характеристик, а методами Монте-Карло имитируется реализация соответствующих дуг возврата. Таким образом, центральной процедурой алгоритма является моделирование событий контроля и согласования методом статистических испытаний. Исходы этих событий описываются вероятностями повторного исполнения определенных фрагментов проекта. [c.197]
Читатель найдет здесь доступное описание основных экономико-математических методов, построенных как на традиционном аппарате математики и логики, известном из школьных программ (дроби, проценты, уравнения, прогрессии, геометрические и логические задачи), так и на основе методов исследования операций - современном математическом аппарате, специально созданном для решения тех задач, с которыми элементарная математика не справляется. Это методы оптимизации (линейное, нелинейное и динамическое программирование), теория вероятностей и математическая статистика, теория массового обслуживания (теория очередей), метод статистических испытаний (Монте-Карло), теория игр и статистических решений, сетевое планирование. [c.6]
Наряду с элементарной математикой и логикой рассматриваются также задачи, требующие применения аппарата высшей математики, особенно в теории вероятностей и математической статистике, а также в таких сравнительно молодых методах, как математическое программирование (линейное, нелинейное, динамическое), теория игр и статистических решений, теория массового обслуживания (теория очередей), метод статистических испытаний (Монте-Карло), сетевое планирование. [c.11]
Метод статистических испытаний (Монте-Карло) служит для производства экономических расчетов, связанных с явлениями случайного характера, на основе искусственно произведенных статистических материалов. [c.22]
Экономические расчеты, связанные с явлениями и величинами случайного характера, на основе искусственно произведенных статистических материалов " Метод статистических испытаний (Монте-Карло) [c.27]
Теория массового обслуживания и метод статистических испытаний (Монте-Карло), так же как и теория вероятностей и математическая статистика, применяются в тех экономических задачах, в которых решение определяется случайными факторами и обстоятельствами. То есть такими, которые могут принимать различные, заранее не известные значения. [c.140]
Метод Монте-Карло, или метод статистических испытаний, позволяет искусственно моделировать случайные процессы в тех [c.140]
Метол Монте-Карло (метол статистических испытаний) [c.144]
Методы статистической теории принятия решений (теория игр, теория массового обслуживания, стохастическое программирование) используются для стохастического описания реакции потребителей на изменение рыночной ситуации. Можно выделить два главных направления применения этих методов для статистических испытаний гипотез о структуре рынка и предположений о состоянии рынка, например, исследование степени лояльности к торговой марке, прогнозирование рыночной доли. [c.116]
Таким образом, смысл М. М.-К. состоит в том, что исследуемый процесс моделируется путем многократных повторений его случайных реализаций. Единичные реализации называются статистическими испытаниями отсюда второе название метода. Остается сказать, что такое выбор вариантов на- [c.195]
Методы основаны на использовании информации о прошлом удачном опыте ряда организаций в какой-либо сфере деятельности для разработки или реализации УР другими компаниями. Данные методы реализуются путем сбора, обработки и анализа статистических материалов, как полученных в результате реальных действий, так и выработанных искусственно, путем статистического моделирования на ЭВМ. К этим методам относятся последовательный анализ и метод статистических испытаний. [c.188]
В практике применяются и другие методы. В последнее время популярен метод статистических испытаний ( метод Монте-Карло ). Преимуществом его является возможность анализировать и оценивать различные сценарии реализации проекта и учитывать разные факторы риска в рамках единого подхода. [c.393]
В-третьих, метод статистических испытаний дает систематическую ошибку, возникающую вследствие подмены подлинных вероятностей относительными частотами, и для получения выводов с необходимой точностью иногда требуется огромное количество испытаний, находящееся на пределе возможностей вычислительной техники (чтобы получить в ответе еще один верный десятичный знак, нужно увеличить число имитаций в 100 раз). [c.24]
Метод статистических испытаний (метод Монте-Карло) — первоначально использовался в системе ПЕРТ для вычисления ожидаемой продолжительности каждого этапа проекта и всего проекта в целом. [c.121]
Центральная задача математической статистики — определение вида закона распределения генеральной совокупности по выборке из нее. Методика определения во многом зависит от применяемого критерия согласия. Принимая во внимание возможность использования информационного метода определения закона распределения, выберем в качестве критерия оптимизации числа интервалов информационный критерий согласия. В качестве метода исследования используем вновь метод статистических испытаний. [c.38]
Проверка устойчивости критерия проводилась методом статистических испытаний. Из генеральной совокупности с функцией плотности (3.29), имеющей математическое ожидание, соответствующее уровню дефектности q, и постоянную дисперсию OQ = 1 > с долей "засоряющих величин" 6 = 0 1 2 5%, генерировались выборки объемом п = 10 15 20 50. Для каждой выборки проверялось условие (3.21). Эксперимент повторялся 1000 раз. [c.63]
МЕТОД СТАТИСТИЧЕСКИХ ИСПЫТАНИЙ — см Метод Монте-Карло [c.139]
Для исследований базисной устойчивости стохастической транспортной задачи может быть использован метод статистических испытаний (метод Монте-Карло) в сочетании с двойственным методом потенциалов. При этом данные, характеризующие ресурсы поставщиков и потребности потребителей, формируются ЭВМ на основе определенных законов распределения и возможных интервалов их изменений. Под набором подразумевается совокупность величин ресурсов и потребностей, которые соответствуют их предполагаемым значениям в заранее определенных интервалах. Необходимое число наборов значений ресурсов и потребностей формируется соответствующей машинной программой для ЭВМ Минск-22 . При этом по рекуррентному соотношению по способу перемешивания определяется последовательность квазислучайных чисел, обладающих статистическими свойствами последовательности независимо от выбранных значений равномерно распределенной случайной величины =f (l/z-i),l г /г ЛЛ Полученные числа обычно удовлетворяют системе принятых статистических критериев для проверки равномерности распределения. [c.112]
Применение методов статистических испытаний (метод Монте-Карло) в сочетании с двойственным методом потенциалов для установления рациональных длительных связей, предполагающее при разработке схем прикреплений рассмотрение целого ряда периодов планирования, является новым методологическим подходом к проблеме формирования связей и дальнейшим развитием методологии ЦЭМИ АН СССР по оптимальному планированию поставок продукции. [c.114]
Статистическое моделирование экономических процессов заключается в проведении статистических испытаний на основе мате-матико-статистической модели, описывающей колебания тех или иных элементов производственного процесса под влиянием разнообразных факторов, действие которых не поддается управлению. Построить экономико-математическую модель — значит выразить в математической форме основные качественные зависимости данного экономического процесса. Экономико-математическая модель отличается тем, что отобранные для экономического анализа показатели записываются в виде математических выражений (уравнений и неравенств). Одним из методов изучения динамических рядов себестоимости добычи нефти и газа является регрессия. В регрессионном анализе данные могут быть динамическими (данные, представленные во времени) и вариационными (данные, представленные в пространстве). В данном исследовании будем останавливаться только на первых. [c.65]
Так, к оптимизационным точным методам можно отнести методы теории оптимальных процессов, некоторые методы математического программирования и методы исследования операций. К оптимизационным приближенным методам относятся отдельные методы математического программирования, методы исследования операций, методы экономической кибернетики, методы математической теории планирования экстремальных экспериментов, эвристические методы. К неоптимизационным точным методам относятся методы элементарной математики и классические методы математического анализа, эконометрические методы. К неоптимизационным приближенным методам относятся метод статистических испытаний и другие методы математической статистики. [c.98]
Бусленко Н. П. и др. Метод статистических испытаний (метод Монте-Карло). М., Физматгаз, 1962. [c.214]
Deterministi haos (детерминированный хаос) — детерминированный процесс, создающий поведение, которое ошибочно выглядит случайным во время статистических испытаний, таких как спектральный анализ и автоковариационные функции. [c.347]
Монопсоническая власть (сила) 207 Монопсония 207 Монотонная функция 207 Монотонное преобразование 207 Монотонные функции полезности 380 Монте-Карло метод (метод статистических испытаний) 195 Морфологический анализ 207 Мощность аклератора 14 Мощность кода 146 Мультиколлинеарность 207 Мультимодальное распределение 202 Мультипликативная форма представления [c.475]
Для исследования смещенности оценки энтропии был проведен эксперимент методом статистических испытаний. Генерировалось по 50 выборок из нормально распределенной совокупности с параметрами N(0,1) и объемами выборок от 50 до 1000 с шагом 50. В каждой выборке вычислялись значения оценок [c.25]
В [15] сделана попытка создать моделирующий алгоритм определения оптимального уровня запаса марки ТМЦ на складе, при котором сумма затрат на хранение и потерь от дефицита при отсутствии материала на складе будет минимальной. Экспериментальный расчет, выполненный авторами, показал эффективность применения метода статистических испытаний для планирования запасов на складах органов материально-технического снабжения. Вычисленный уровень запаса включает как текущий, так и страховой запасы (предложение Б. Геронимуса, см. табл. 3.2). По своему экономическому подходу к расчету норм метод очень интересный, но пока не получил дальнейшего распространения ввиду определенных трудностей получения ряда необходимых показателей (например, затрат на хранение единицы того или иного материала на складе предприятия). [c.122]
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]
Неопределенность исходной информации также следует учитывать при выработке реальных плановых решений. Эта неопределенность имеет разные (как субъективные, так и объективные) причины, но практически присуща всем задачам планирования. Для задач перспективного (особенно долгосрочного) планирования эта неопределенность отражает объективный фактор — принципиальную невозможность точного знания всех условий и параметров в перспективе, для задач на меньшие периоды планирования неопределенность исходной информации в широком смысле может являться следствием как недостоверности исходных данных, так и стохастичности природных явлений (погодных и др.) — случай вероятностной определенности. Учет фактора неопределенности исходной информации может проводиться как использованием специальных методов учета вероятностных параметров, таких как стохастическое программирование, а также метод Монте-Карло (статистических испытаний), теория массового обслуживания и др., так и выбором соответствующих приближенных схем, человеко-машинных методов и т. д. При первом направлении для неопределенных параметров исходной информации на основе экспертных оценок, ограниченных статистических данных и методов математической статистики гипотети-118 [c.118]
Смотреть страницы где упоминается термин Статистические испытания
: [c.17] [c.145] [c.44] [c.195] [c.490] [c.105] [c.135] [c.121] [c.199]Смотреть главы в:
Справочник по математике для экономистов -> Статистические испытания