Сутність методу добору при генеруванні випадкових величин.

Слід зазначити, що стандартний метод імітації неперервних розподілів доцільно застосовувати лише в разі виконання таких умов: 1) інтеграл (8.2) можна взяти (подати в квадратурах); 2) здобуте після інтегрування рівняння розв’язується щодо невідомого  3) остаточна формула не потребує значних витрат машинного часу для її реалізації. Якщо такі умови не виконуються, то для імітації неперервних випадкових величин застосовують інші методи. Серед таких методів слід виділити метод добору (відбракування),суть якого полягає в такому. Нехай потрібно дістати послідовність  реалізації випадкової величини X, щільність розподілу ймовірностей якої обмежена  на скінченному відрізку [а, b] (якщо такі умови не виконуються, то початковий розподіл завжди можна зрізати із заданою точністю). Таку послідовність випадкових чисел можна знайти методом добору (відбракування). Це означає, що шукана сукупність чисел являє собою деяку вибірку із спеціально утвореної множини випадкових чисел, а саме: з початкової множини вилучаються числа, що не задовольняють певну умову. Отже, сутність методу полягає ось у чому. Нехай створено чергові числа  РВП [0, 1]. Виконаємо перетворення   (8.7)    (8.8) Згідно з (8.4) випадкова величина x' рівномірно розподілена на відрізку [a, b]; y — на відрізку [0, c]. Має місце така теорема. Теорема. Випадкова величина x, визначена умовою , якщо   (8.9) має щільність розподілу  Доведення міститься у посібниках [1] та [2]. З допомогою цієї теореми можна побудувати доволі простий алгоритм генерування чергового випадкового числа , що має розподіл f (x). 1. Генеруємо наступні два числа  РВП [0, 1]. 2. Обчислюємо  3. Перевіряємо умову  Якщо умова виконується, то переходимо до п. 4, у противному разі до індексу iдодаємо 1 і переходимо до п. 1. 4. Формуємо чергове випадкове число  за правилом

201. GPSS- програма імітаційної моделі завантаження ЕОМ.

202. Алгоритм імітації роботи обчислювальної системи з терміналами.

203. Визначення інтервалів значень випадкових параметрів.

204. Визначення ключових параметрів ризику.

205. Визначення коефіцієнтів лінійної регресії.

206. Визначення математичного сподівання та дисперсії з генерованих випадкових величин.

207. Визначення тісноти взаємозв'язку між випадковими параметрами.

208. Загальна схема і цілі машинної імітації.

209. Задачі планування експериментів.

211. Застосування методу Монте-Карло для розв'язування детермінованих задач (обчислення визначеного інтегралу).

212. Збір даних про чинники та побудова аналітичної моделі для проведення імітаційних експериментів.

213. Імітаційна модель керування запасами (логічна структурна схема).

214. Імітація випадкових подій, Схема випробувань за "жеребкуванням".

215. Імітація еволюційних процесів у динамічних моделях.

216. Керування багато продуктовими запасами: основні перед посилки.

217. Опис концептуальної моделі та перевірка її вірогідності.

218. Основні етапи факторного аналізу.

219. Основні поняття планування експериментів: відгук, фактори, функція відгуку.

220. Перевірка значущості коефіцієнтів регресії.

221. Перевірка однорідності дисперсії.

222. Побудова імітаційної моделі: визначення задачі та її аналіз.

223. Поняття і характеристики квазірівномірної випадкової послідовність чисел.

224. Поняття і характеристики рівномірної випадкової послідовність чисел.

225. Поняття машинної імітації, її переваги та недоліки.

226. Поняття та інструментарій планування експериментів.

227. Прийняття гіпотез стосовно розподілів випадкових параметрів.

228. Програмні способи одержання рівномірної випадкової послідовність чисел: метод серединних квадратів.

229. Програмні способи одержання рівномірної випадкової послідовність чисел: мультиплікативний конгруентний метод.

230. Способи програмної реалізації імітаційних моделей, їх переваги та вади.

231. Стандартний метод імітації дискретної випадкової величини.

232. Статистичне оброблення експериментальних даних.

233. Статична детермінована модель керування запасами: економіко-математична модель.

234. Статична детермінована модель керування запасами: основні перед посилки.

235. Стратегії (політики) керування запасами.

236. Сутність критерію Стьюдента.

237. Сутність критерію Фішера.

238. Сутність методу Бокса-Уілсона.

239. Сутність методу добору при генеруванні випадкових величин.

240. Сутність оптимального керування запасами.

GPSS- програма імітаційної моделі завантаження ЕОМ. 201

Алгоритм імітації роботи обчислювальної системи з терміналами. 202

Визначення інтервалів значень випадкових параметрів. 203

Визначення ключових параметрів ризику. 204

Визначення коефіцієнтів лінійної регресії. 205

Визначення математичного сподівання та дисперсії з генерованих випадкових величин. 206

Визначення тісноти взаємозв'язку між випадковими параметрами. 207

Загальна схема і цілі машинної імітації. 208

Задачі планування експериментів. 209

Застосування методу Монте-Карло для розв'язування детермінованих задач (обчислення визначеного інтегралу). 211

Збір даних про чинники та побудова аналітичної моделі для проведення імітаційних експериментів. 212

Імітаційна модель керування запасами (логічна структурна схема). 213

Імітація випадкових подій, Схема випробувань за "жеребкуванням". 214

Імітація еволюційних процес у динамічних моде. 215

Керування багато продуктовими запасами: основні перед посилки. 216

Опис концептуальної моделі та перевірка її вірогідності. 217

Основні етапи факторного аналізу. 218

Основні поняття планування експериментів: відгук, фактори, функція відгуку. 219

Перевірка значущості коефіцієнтів регресії. 220

Перевірка однорідності дисперсії. 221

Побудова імітаційної моделі: визначення задачі та її аналіз. 222

Поняття і характеристики квазірівномірної випадкової послідовність чисел. 223

Поняття і характеристики рівномірної випадкової послідовність чисел. 224

Поняття машинної імітації, її переваги та недоліки. 225

Поняття та інструментарій планування експериментів. 226

Прийняття гіпотез стосовно розподілів випадкових параметрів. 227

Програмні способи одержання рівномірної випадкової послідовність чисел: метод серединних квадратів. 228

Програмні способи одержання рівномірної випадкової послідовність чисел: мультиплікативний конгруентний метод. 229

Способи програмної реалізації імітаційних моделей, їх переваги та вади. 230

Стандартний метод імітації дискретної випадкової величини. 231

Статистичне оброблення експерименталь даних. 232

Статична детермінована модель керування запасами: економіко-математична модель. 233

Статична детермінована модель керування запасами: основні перед посилки. 234

Стратегії (політики) керування запасами. 235

Сутність критерію Стьюдента. 236

Сутність критерію Фішера. 237

Сутність методу Бокса-Уілсона. 238

Сутність методу добору при генеруванні випадкових величин. 239

Сутність оптимального керування запасами. 240

⇐ Предыдущая45678910111213

Поделиться: