На головну

Сутність методів фіксації і обробки результатів при статистичному моделюванні систем на ЕОМ

При виборі методів обробки істотну роль грають три особливості машинного експерименту з моделлю системи S.

1. Можливість отримувати при моделюванні системи S на ЕОМ великі вибірки дозволяє кількісно оцінити характеристики процесу функціонування системи, але перетворює в серйозну проблему зберігання проміжних результатів моделювання. Цю проблему можна вирішити, використовуючи рекурентні алгоритми обробки, коли оцінки обчислюють по ходу моделювання.

2. Складність досліджуваної системи S при її моделюванні на ЕОМ часто призводить до того, що апріорне судження про характеристики процесу функціонування системи, наприклад про тип очікуваного розподілу вихідних змінних, є неможливим. Тому при моделюванні систем широко використовуються непараметричні оцінки і оцінки моментів розподілу.

3. Блочность конструкції машинної моделі Мм і роздільне дослідження блоків пов'язані з програмною імітацією вхідних змінних для однієї часткової моделі за оцінками вихідних змінних, отриманих на інший часткової моделі. Якщо ЕОМ, яка використовується для моделювання, не дозволяє скористатися змінними, записаними на зовнішні носії, то має бути поданий ці змінні в формі, зручній для побудови алгоритму їх імітації.

При дослідженні складних систем і великій кількості реалізацій N в результаті моделювання на ЕОМ виходить значний обсяг інформації про стани процесу функціонування системи. Тому необхідно так організувати в процесі обчислень фіксацію і обробку результатів моделювання, щоб оцінки для шуканих характеристик формувалися поступово по ходу моделювання, т. Е. Без спеціального запам'ятовування всієї інформації про стани процесу функціонування системи S.

Якщо при моделюванні процесу функціонування конкретної системи S враховуються випадкові чинники, то і серед результатів моделювання присутні випадкові величини. Як оцінок для шуканих характеристик розраховують середні значення, дисперсії, кореляційні моменти і т. Д.

при обробці результатів моделювання можна підійти до оцінки ймовірностей можливих значень випадкової величини, т. е. закону розподілу. Область можливих значень випадкової величини h розбивається на п інтервалів. Потім накопичується кількість влучень випадкової величини в ці інтервали ТK, к = 1, п. Оцінкою для ймовірності потрапляння випадкової величини в інтервал з номером k служить величина mk / N. Таким чином, при цьому досить фіксувати п значень ТK при обробці результатів моделювання на ЕОМ.

Для оцінки середнього значення випадкової величини h накопичується сума можливих значень випадкової величини уk, k = 1, N, які вона приймає при різних реалізаціях. Тоді середнє знач

Можливість фіксації при моделюванні системи S на ЕОМ значень змінних (параметрів) і їх статистична обробка для отримання потрібних експериментатора характеристик дозволяють провести об'єктивний аналіз зв'язків між цими величинами.

22)

Статистичне та економетричні моделювання - дослідження об'єктів пізнання на їх статистичних моделях; побудова і вивчення моделей реально існуючих предметів, процесів або явищ (наприклад: економічних процесів в економетрики) з метою отримання пояснень цих явищ, а також для передбачення явищ або показників, що цікавлять дослідника.

Оцінка параметрів таких моделей проводиться за допомогою статістіческіx методів. Наприклад: метод максимальної правдоподібності, метод найменших квадратів, метод моментів.

Метод максимальної правдоподібності або метод найбільшої правдоподібності (ММП, ML, MLE - Maximum Likelihood Estimation) в математичній статистиці - це метод оцінювання невідомого параметра шляхом максимізації функції правдоподібності [1]. Заснований на припущенні про те, що вся інформація про статистичної вибірці міститься в функції правдоподібності. Метод максимальної правдоподібності був проаналізований, рекомендований і значно популяризував Р. Фішером між 1912 і 1922 роками (хоча раніше він був використаний Гауссом, Лапласа і іншими).

Метод найменших квадратів (МНК, OLS, Ordinary Least Squares) - один з базових методів регресійного аналізу для оцінки невідомих параметрів регресійних моделей за вибірковими даними. Метод заснований на мінімізації суми квадратів залишків регресії.

Метод моментів - метод оцінки невідомих параметрів розподілів в математичній статистиці та економетрики, заснований на передбачуваних властивості моментів (Пірсон, 1894 г.). Ідея методу полягає в заміні справжніх співвідношень вибірковими аналогами.

23) Способи побудови моделюючих алгоритмів Q-схем. + 24



 Види факторів в імітаційному експерименті з моделями систем |  Синхронний і асинхронний моделюють алгоритми Q-схем.

 Типові схеми при моделювання складних систем і елементів |  Умови і особливості використання при розробці моделей систем різних типових схем |  Поняття концептуальною моделлю системи |  Основні принципи побудови моделюючих алгоритмів процесів функціонування систем. |  Схеми, що використовуються при розробці алгоритмічного та програмного забезпечення машинного моделювання |  Технічна документація, що оформляється за кожним етапом моделювання системи |  Способи генерації послідовностей випадкових чисел, що використовуються при моделюванні. |  Способи генерації послідовностей випадкових чисел із заданим законом розподілу на ЕОМ |  Мови імітаційного моделювання. Архітектура, основні вимоги, групи мов моделювання дискретних систем |  Особливості машинного експерименту |

© um.co.ua - учбові матеріали та реферати