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 3.1. 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 .

Вероятность непоражения 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 пал в цель. Обозначим через t число успешных испытаний. Сделаем N испытаний, тогда в соответствии с теоремой Бернулли: .

Пример 3.2. Пусть есть некоторая цель, на которую бомбарди­ровщики сбрасывают n бомб. Каждая бомба поражает область в виде круга радиусом r (рис. 3.1). Цель считается пораженной, если одно­временно бомбами накрыто K 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 n 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 , где - количество испытаний, при которых цель была поpажена.

Методом статистических испытаний можно оценить математичское ожидание и другие вероятностные характеристики. Например, ценку математического ожидания площади поражения цели можно определить как . При эта оценка будет приближаться к математическому ожиданию в соответствии с законом больших чисел. В этом выражении площадь поражения в i -м испытании.

Алгоритм метода статистических испытаний такой:

1. Определить, что собой будет представлять испытание или розыгрыш.

2. Определить, какое испытание является успешным, а какое - нет.

3. Провести большое количество испытаний.

4. Обработать полученные результаты статистическими методами и рассчитать статистические оценки искомых величин.

К недостаткам метода можно отнести необходимость проведе­ния большого количества испытаний, чтобы получить результат с за­данной точностью.

Таким образом, метод статистических испытаний - это метод математического моделирования случайных величин, в котором сама случайность непосредственно включена в процесс моделирования и является его важным элементом. Каждый раз, когда в ход выполне­ния некоторой операции вмешивается случайный фактор, его влияние моделируется с помощью розыгрыша.

Для эффективного розыгрыша случайных величин используют генераторы случайных чисел. Такие генераторы строятся аппаратны­ми и программными методами. Наиболее применимыми являются программные методы, которые дают возможность получить последо­вательности псевдослучайных чисел по рекуррентным формулам. Обычно используется мультипликативный конгруэнтный метод, ре­куррентное соотношение для которого имеет вид:

(3.1)

где а и m - некоторые константы. Необходимо взять последнее псев­дослучайное число , умножить его на постоянный коэффициент a и взять модуль полученного числа по m, то есть разделить наши по­лучить остаток. Этот остаток и будет следующим псевдослучайным числом . Для двоичного компьютера , где g — длина раз- рядной сетки. Например, для 32-разрядного компьютера , поскольку один разряд задает знак числа.

В языке GPSS World используется мультипликативный конгруэнтный алгоритм Лехмера с максимальным периодом, который генерирует 2147483647 уникальных случайных чисел без повторения. Эти числа генерируют специальные генераторы, которые обозначаются КN<№>, где № - номер генератора случайных чисел (может принимать значения от 1 до 7). При обращении к этим генераторам выдаются целые случайные числа в диапазоне от 0 до 999 включительно. При использовании генераторов в случайных функциях распределе­ний случайные числа генерируются в диапазоне от 0 до 0,999999 включительно.