LovesTheTeam.com

talimat

1

İstatistiksel modelleme metodu(istatistiksel testler) Monte Carlo metodu olarak yaygın olarak bilinir. Bu yöntem, rastgele olayların olasılık modellerinin oluşturulması dayalı özel bir matematiksel modelleme vaka ve olduğunu. Herhangi bir raslantı fenomeninin temeli rasgele bir değişkendir veya rasgele bir süreçtir. Bu durumda, rassal süreç olasılık açısından n boyutlu rasgele değişken olarak tanımlanmaktadır. Rasgele bir değişkenin tam bir olasılık tanımı, olasılık yoğunluğunu verir. Bu dağılım yasasının Bilgi onlara tam ölçekli deneyler yapmadan, stokastik süreçlerin bir bilgisayar dijital modellerde almanızı sağlar. Bütün bunlar sadece bir ayrık şekilde ve statik modelleri oluştururken düşünülmelidir ayrık zamanlı, mümkündür.

2

Statik modelleme ile,Olgunun spesifik fiziksel doğasını göz önünde bulundurarak, yalnızca olasılık özelliklerine odaklanın. Bu simüle edilen bir olgu ile aynı olasılık göstergelerine sahip en basit fenomeni simülasyona dahil etmeyi mümkün kılar. Örneğin, olasılık 0.5 ile ortaya çıkan olaylar, simetrik bir para atarak simüle edilebilir. İstatistiksel modellemenin her ayrı aşamasına bir çizim denir. Dolayısıyla, matematiksel beklentinin tahminini belirlemek için, rasgele değişkenin (CB) X çekiş sayısı gerekecektir.

3

Bilgisayar modelleme için ana araçaralık (0, 1) üzerinde rastgele sayılar için uniform olan sensörlerdir. Bu yüzden, Pascal ortamında, bu rasgele sayı Rasgele komutla çağrılır. Bu durumda hesap makinelerinde RND düğmesi sağlanır. Ayrıca rastgele sayıdaki tablolar (1.000.000'a kadar hacimce) vardır. (0, 1) CB Z üzerindeki üniformanın değeri z ile gösterilir.

4

Keyfi bir modelleme tekniğini düşünündağılım fonksiyonunun doğrusal olmayan bir dönüşümü vasıtasıyla rasgele değişken. Bu metodun metodolojik hataları yoktur. Sürekli bir CB X'in dağıtım kanununu, olasılık yoğunluğu W (x) ile verelim. Bu nedenle, simülasyonun ve uygulamasının hazırlık aşamasına geçin.

5

Dağılım fonksiyonunu bulun X = F (x). F (x) = ∫ (-∞, x) W (s) ds. Z = z alır ve x'e göre z = F (x) denklemini çözer (Z ve F (x) hem sıfır hem de bir değere sahip olduğu için bu her zaman mümkündür) Çözümü x = F ^ (- 1) yazınız z). Simülasyon algoritması budur. F ^ (-1) F'nin tersidir. Yalnızca bu algoritmadan, X * CD X sayısal modelinin xi değerlerini sıralı bir şekilde elde etmek için kalır.

6

Bir örnek. CB olasılık yoğunluğu W (x) = λexp (-λx), x≥0 (üstel dağılım) ile verilir. Dijital model bulun, çözüm 1'dir. F (x) = ∫ (0, x) λ ∙ exp (-λs) ds = 1 exp (-λx) .2. z = 1 exp (-λx), x = (-1 / λ) ∙ ln (1-z). Hem z hem de 1-z, (0, 1) aralığından değerlere sahip olduklarından ve bunlar üniformdurlarse, (1-z) z ile değiştirilebilir. 3. Üssel CB'yi modelleme prosedürü x = (- 1 / λ) ∙ lnz formülü ile gerçekleştirilir. Daha doğrusu, xi = (-1 / λ) ln (zi).