Статистическое моделирование

Метод статистического моделирования на ЭВМ - основной метод получения результатов с помощью имитационных моделей стохастических систем, использующий в качестве теоретической базы предельные теоремы теории вероятностей.

Основой метода статистического моделирования является метод статистических испытаний Монте-Карло, который базируется на использовании случайных чисел, т. е. возможных значений некоторой случайной величины с заданным распределением вероятностей. Статистическое моделирование представляет собой метод получения с помощью ЭВМ статистических данных о процессах, происходящих в моделируемой системе.

Датой рож­дения метода Монте-Карло принято считать 1949 г., когда появилась статья под названием «The Monte Carlo method». Создателями этого метода считают амери­канских математиков Дж. Неймана и С. Улама.

Теоретическая основа метода была известна давно. Более того, некоторые задачи стати­стики рассчитывались иногда с помощью случайных вы­борок, т.е. фактически методом Монте-Карло. Однако до появления электронных вычислительных машин этот метод не мог найти сколько-нибудь широкого применения, ибо моделировать случайные величины вручную – очень трудоемкая работа. Таким образом, возникновение метода Монте-Карло как весьма универ­сального численного метода стало возможным только благодаря появлению ЭВМ.

Согласно методу Монте-Карло разработчик модели может моделировать работу множества сложных систем, испытывающих множество случайных воздействий и работающих по алгоритмам с множеством случайных параметров, и исследовать поведение систем, обрабатывая статистические данные, получаемые в результате моделирования. Другой способ применения этого метода заключается в том, чтобы моделировать поведение системы управления на очень большом промежутке модельного времени (несколько лет), причем астрономическое время выполнения моделирующей программы на компьютере может составить доли секунды.

Суть данного метода состоит в том, что результат испытания зависит от значения некоторой случайной величины, распределенной по заданному закону. Поэтому результат каждого отдельного испытания также носит случайный характер. Проведя серию испытаний, получают множество частных значений наблюдаемой характеристики (выборку). Полученные статистические данные обрабатываются и представляются в виде численных оценок интересующих исследователя величин (характеристик системы).

Метод Монте-Карло имеет две особенности:

1) относительно простая структура вычислительного алгоритма;

2) погрешность вычислений, как правило, пропорциональна 1/N, где N – число испытаний. Отсюда видно, что для того, чтобы уменьшить по­грешность в 10 раз (иначе говоря, чтобы получить в ответе еще один верный десятичный знак), нужно увеличить N (т.е. объем работы) в 100 раз.

Добиться высокой точности таким путем невозможно. Поэтому обычно говорят, что метод Монте-Карло особенно эффективен при решении тех задач, в которых результат ну­жен с небольшой точностью (5-10%).

       Контрольные вопросы

1. Объясните понятия модели и моделирования.

2. В чем особенность дискретно-стохастического подхода.

3. Область применения метода Монте-Карло. Смысл метода.

4. В каких случаях имитационное моделирование является предпочтительным?