- •Проблема построения моделей для целей им
- •Модель. Классификация основных видов моделирования. Им.
- •I По способу представления модели:
- •II По учету времени:
- •III в зависимости от способа отражения причинно-следственных связей и требований практики управления проектом:
- •Им. Преимущества. Основные способы им
- •Структура модели
- •Основные этапы им общая технологическая схема
- •Построение математико-логической модели задачи
- •7. Анализ результатов моделирования. Моделирование случайных величин
- •Технология моделирования с учетом управления модельным временем
- •Средства для моделирования
- •Случайные процессы
- •Классификация сп
- •Характеристики сп
- •Вероятности состояний. Общее правило составления уравнений колмогорова
- •Марковский процесс
- •Потоки событий. Характеристики потоков
- •Вывод формул литтла
- •Метод монте-карло или метод статистических испытаний
- •Алгоритм метода статистических испытаний:
- •Одноканальная смо с неограниченной очередью
Метод монте-карло или метод статистических испытаний
В тех случаях, когда при моделировании необходимо учитывать некоторый случайный фактор (элемент или явление), который невозможно описать аналитически, используют метод моделирования, называемый методом статистических испытаний или методом Монте-Карло. С помощью этого метода может быть решена любая вероятностная задача. Однако использовать его целесообразно в том случае, если решить задачу этим методом проще, чем любым другим.
Суть метода состоит в том, что вместо описания случайных явлений аналитическими зависимостями проводится розыгрыш случайного явления с помощью некоторой процедуры, которая дает случайный результат. С помощью розыгрыша получают одну реализацию случайного явления. Осуществляя многократно такой розыгрыш, накапливают статистический материал (то есть множество реализаций случайной величины), который можно обрабатывать статистическими методами. Рассмотрим этот метод на примерах.
Пример 1. Пусть четыре стрелка одновременно стреляют по движущейся цели. Вероятность попадания в цель каждым стрелком равняется 0,5 (попал или не попал). Цель считается пораженной, если в нее попало два или более стрелка. Найти вероятность поражения цели.
Эту задачу можно легко решить методами теории вероятности. Вероятность поражения цели Рпор = 1 - Рнепор.
Вероятность не поражения Рнепор определяют как число сочетаний, когда в цель не попал ни один стрелок, плюс попал один из стрелков:
Решим эту задачу методом статистических испытаний. Процедуру розыгрыша реализуем подбрасываниям одновременно четырех монет. Если монета падает лицевой стороной, то считаем, что стрелок попал в цель. Обозначим через т число успешных испытаний. Сделаем N испытании, тогда в соответствии с теоремой Бернулли: Рпор≈m/N.
Пример 2. Пусть есть некоторая цель, на которую бомбардировщики сбрасывают п бомб. Каждая бомба поражает область в виде круга радиусом r (рис. 3.1). Цель считается пораженной, если одновременно бомбами накрыто К процентов площади S. Найти вероятность поражения цели.
Аналитически решить эту задачу очень трудно. Покажем, как ее можно решить методом статистических испытаний.
Наложим координатную сетку на всю возможную область попадания бомб. Разыграем п точек - координат попадания бомб. Опишем возле каждой точки круг радиусом r (рис. 3.2) и определим заштрихованную площадь поражения. Если заштрихованная площадь будет составлять К процентов и больше всей площади цели S, то цель считается пораженной, а испытание успешным. В противном случае цель не будет поражена и испытание не успешное.
Выполним N испытаний. Тогда вероятность поражения цели Рпор≈m/N, где т - количество испытаний, при которых цель была поражена.
Методом статистических испытаний можно оценить математическое ожидание и другие вероятностные характеристики. Например, оценку математического ожидания площади поражения цели можно определить как M(s)=1/N∑Si. При N ->°° эта оценка будет приближаться к математическому ожиданию в соответствии с законом больших чисел. В этом выражении Si - площадь поражения в i-м испытании.
