
- •А.Ф. Хрусталев основы математического моделирования
- •Хрусталев Александр Федорович
- •Предисловие
- •Введение
- •§1. Математическое моделирование как метод познания
- •1.1. Понятие математической модели
- •1.2. О гуманитарной значимости математических моделей
- •1.3. О сущности аксиоматического метода
- •1.4. Пример построения и исследования математической
- •1.5. А были ли американские астронавты на Луне?
- •§2. Общая схема применения математики. Множественность и единство моделей
- •2.1. Общая схема применения математики
- •Множественность и единство моделей
- •§3. Требования, предъявляемые к математической модели
- •3.1. Об адекватности математической модели
- •О полноте математической модели
- •3.3. О непротиворечивости модели
- •3.4. О других требованиях
- •§4. Приближенные числа и действия с ними
- •4.1. Десятичная запись приближенных чисел
- •4.2. О приближенных числах и значащих цифрах
- •4.3. О правилах действий с приближенными числами
- •4.4. Об оценке точности решения
- •§5. Система линейных уравнений как математическая модель
- •5.1. О решении переопределенных систем
- •5.2. Об устойчивости решений относительно погрешностей
- •§6. О построении математических моделей, описывающих результаты экспериментов
- •6.1. Математическая модель прямых измерений
- •6.2. О построении математических моделей косвенных измерений
- •§7. Оптимизационные модели
- •7.1. Примеры простейших задач на экстремум
- •7.2. О типах задач математического программирования
- •7.3. Конкретная транспортная задача
- •8.2. Простейшие задачи
- •8.3. Основная теорема о функциональной зависимости размерных величин
- •8.4. О необходимости соблюдения правила размерностей
- •9.1.О геометрическом подобии
- •На основании подобия треугольников можно решать различные задачи, связанные с определением расстояний, измерить которые непосредственно либо сложно, либо невозможно.
- •9.2. О физическом подобии
- •9.3. Измерение силы тяжести на луне с помощью телевизора
- •§10. Конечные уравнения как математические модели
- •10.1. Химическая задача
- •10.2. Физическая задача
- •10.3. Математическая задача №1151 [20]
- •§ 11. Предел и производная как математические модели
- •11.1. Предел как математическая модель
- •Определение длины окружности
- •Определение числа е
- •3. Определение площади поверхности шара
- •4. Определение вероятности события
- •5. Определение скорости свободного падения тела
- •6. Определение суммы ряда
- •11.2. Производная как математическая модель
- •§ 12. Интеграл как математическая модель
- •12.1. Задачи, приводящие к понятию интеграла
- •Задача об определении площади криволинейной трапеции
- •12.2. Две схемы приложения определённого интеграла
- •§13. О математических моделях, описываемых дифференциальными уравнениями
- •13.1. Задача о росте населения
- •13.2. Задача о колебаниях пружинного маятника
- •13.3. Задача о форме зеркала прожектора
- •§14. Вычислительный эксперимент
- •14.1. Вычислительный эксперимент как метод познания
- •14.2. Приложения метода к решению химических задач
- •14.3. Приложения метода к решению математических задач
- •Н. Винер § 15. Вероятность события как математическая модель
- •15.1. О понятии «вероятность события»
- •15.2. Вероятностные модели конкретных задач
- •Случай всегда приходит на помощь
- •§ 16. Математическая модель опыта. Случайная величина как математическая модель
- •16.1. Математическая модель опыта
- •16.2. Случайная величина (св) как математическая модель
- •16.3. Механическая модель св
- •§ 17. Схема бернулли. Цепь а.А. Маркова
- •17.1. Схема Бернулли
- •17.2. Цепь событий как математическая модель
- •17.3. Простейшая цепь а.А. Маркова
- •§ 18. Понятие о методе монте – карло
- •18.1. Общее представление о методе
- •Вероятностная задача:
- •18.2. Применения метода к решению невероятностных задач
- •18.3. О применении метода к проверке статистических гипотез
- •18.4. О сущности метода
- •§ 19. Простейшие теоремы математической химии и их приложения к построению математических моделей
- •19.1. Взаимно простые числа в химии
- •19.2. Критерии алканов
- •19.3. Теоремы гомологии
- •19.4. Теорема о молекулярной формуле соединения
- •§20. О математических моделях географии
- •20.1. О математических моделях Земли
- •20.2. Об измерениях диаметра Земли
- •20.3. О расширении горизонта в зависимости от высоты
- •20.4. О математических моделях холмов и впадин Земли
- •§21. О математических моделях логических связок
- •21.1. Высказывания
- •Отрицание
- •Конъюнкция – математическая модель логической
- •Дизъюнкция – математическая модель логической связки «или»
- •21.5. Импликация – математическая модель логической связки «если…, то»
- •21.6. Об определении модуля
- •21.7. О задании функции разными формулами
- •21.8. Высказывания и контактные схемы
- •21.9. Алгебра правды и лжи
- •§ 22. Понятие об имитационном моделировании
- •§ 23. Применение эвм к анализу математических моделей
- •23.1. Применение к совершенствованию учебных задач и их
- •23.2. Применение к анализу устойчивости решений
- •§ 24. Упрощение моделей
- •24.1. Химические задачи
- •24.2. Математические задачи
- •Другие задачи
- •§ 25. Вариант расчетно - графической работы
- •Заключение
- •Библиографический список
- •Содержание
- •Основи математичного моделювання
- •Основы математического моделирования
17.3. Простейшая цепь а.А. Маркова
Теперь
разыграем отрезок цепи, занимающей
промежуточное положение между 1) и 2).
Определим эту цепь следующими условиями:
,
т.е. цепь начинается с
,
,
т.е.
на
-ом шаге появляется после
на
шаге с вероятностью 0,5 и
,
т.е.
на
- ом шаге появляется после
на
шаге. Значит, отрезок цепи, определяемый
указанными условиями, представляет
последовательность зависимых испытаний.
Итак, рассматриваемая цепь начинается с . Далее события разыгрываются в соответствии с условиями и . Пусть событию соответствует чётная цифра (здесь ноль – включён), а – нечетная. Одна из таких последовательностей и , над которыми выписаны соответствующие случайные числа, взятые из телефонного справочника, такова:
- 3 - |
9 - 4 |
2 1 - |
6 8 2 |
0 2 2 |
7 - 6 |
0 3 - |
4 2 5 |
- 7 - |
1 - 6 |
|
|
|
|
|
|
|
|
|
|
В
этой последовательности
и
.
Простейшей однородной цепью Маркова
называется последовательность испытаний,
в результате каждого из которых может
произойти или не произойти событие
,
причём условные вероятности
и
– постоянны.
Здесь
– вероятность появления события
на
- ом шаге при условии, что на
шаге появилось событие
,
– вероятность появления события
на
– ом шаге при условии, что на
шаге появилось событие
.
Предыдущий пример представляет простейшую
однородную цепь Маркова.
Найдём
для такой цепи безусловную (полную)
вероятность события
на
-
м шаге при заданных начальной и переходных
(условных) вероятностях для чего
воспользуемся
формулой
полной вероятности:
.
Для
упрощения преобразований введём
обозначения:
– вероятность события
на
- ом шаге, тогда приведённая формула
полной вероятности при любом натуральном
примет вид:
;
;
;
;
.
Из последней формулы при
и
находим
предельную вероятность
и для противоположного события получаем
.
Цепь Маркова, для которой предельное распределение безусловных вероятностей событий при существует и не зависит от начальных вероятностей, называется эргодической. Принято говорить, что в случае эргодической цепи при больших значениях она переходит в стационарное состояние.
В
качестве примера простой однородной
цепи случайных событий «Г – гласная
буква, С – согласная» (при этом Й считалась
гласной, а знаки Ь и Ъ из рассмотрения
исключались)
А.А.
Марков (старший) привёл вероятность
того, что буква, наугад взятая из русского
текста, окажется гласной. Эта вероятность
различна в зависимости от того, гласной
или согласной является предшествующая
буква. Он подсчитал, используя 20000 букв
из романа А.С. Пушкина «Евгений
Онегин», что вероятность появления
гласной после согласной равна
,
вероятность же появления согласной при
условии, что перед ней находится гласная
равна
.
Оценим эти вероятности относительными частотами, используя первую строку из «Евгения Онегина»:
М О Й |
Д Я Д Я |
С А М Ы Х |
Ч Е С Т Н Ы Х |
П Р А В И Л |
С Г Г |
С Г С Г |
С Г С Г С |
С Г С С С Г С |
С С Г С Г С |
и
,
что, в общем, хорошо согласуется с вероятностями, приведёнными А.А. Марковым на основе большой выборки из 20000 букв текста.
Теперь из формулы для предельной вероятности можно убедиться в том, что вероятность встретить на -м месте гласную букву
при равна
независимо от того, была ли на первом месте гласная или согласная. А.А. Марков нашёл, что эта величина совпадает с частотой, с которой вообще встречается гласная буква в тексте «Евгения Онегина». Если оценить эту вероятность при помощи относительной частоты, используя первую строку из «Евгения Онегина»: получим
,
что
с точностью до одной значащей цифры
совпадает с
.
Рассмотрим ещё задачу: Пусть каждый человек, услышавший новость, может передать ее другому, при этом вероятность изменения смысла на противоположный постоянна для всех людей и равна р. Какова вероятность услышать новость в неискаженном виде после того, как она «побывала» у большого числа людей?
Для нахождения ответа естественно использовать формулу для предельной вероятности:
,
где
– неискажённая новость,
– искажённая,
и учтено, что
.
Итак, вероятность услышать новость в неискаженном виде после того, как она «побывала» у большого числа людей, равна 0,5 независимо от 0<р<1.
Возникновение метода Монте – Карло
как весьма универсального численного
метода стало возможным только
благодаря появлению ЭВМ.
И.М. Соболь