- •В. Ф. Ситник н. С. Орленко
- •252057, М. Київ, проспект Перемоги, 54/1
- •1. Типова програма
- •Таким чином, якщо на фізичній моделі знайдено числове значення характеристики , то воно може бути перераховано на натурне явище за формулою
- •Література до теми Основна
- •1.2. Практичне заняття
- •1.3. Термінологічний словник
- •1.4. Завдання для перевірки знань
- •Тема 2. Сутність імітаційного моделювання
- •2.1. Методичні поради до вивчення теми
- •Програмне забезпечення
- •2.2 Практичне заняття
- •2.3. Термінологічний словник
- •2.4. Навчальні завдання
- •2.5. Завдання для перевірки знань
- •Тема 3. Основні етапи побудови імітаційної моделі
- •3.1. Методичні поради до вивчення теми
- •Література до теми
- •Допоміжна
- •Програмне забезпечення
- •3.2. Практичне заняття
- •3.3. Термінологічний словник
- •3.4. Навчальні завдання
- •3.5. Завдання для перевірки знань
- •Тема 4. Імітаційна модель керування запасами
- •4.1. Методичні поради до вивчення теми
- •А. Статична детермінована модель Основні передумови
- •Економіко-математична модель
- •Б. Керування багатопродуктовими запасами Основні передумови
- •Економіко-математична модель
- •Література до теми
- •4.4. Навчальні завдання
- •4.5. Завдання для перевірки знань
- •Тема 5. Поняття про метод Монте-Карло
- •5.1 Методичні поради до вивчення теми
- •Література до теми Основна
- •Допоміжна
- •Програмне забезпечення
- •5.2. Практичне заняття
- •5.3. Термінологічний словник
- •5.4. Навчальні завдання
- •5.5. Завдання для перевірки знань
- •Тема 6. Генерування рвп [0,1]
- •6.1. Методичні поради до вивчення теми
- •Мультиплікативний конгруентний метод (метод лишків)
- •Адитивний конгруентний метод
- •Література до теми
- •6.2. Практичне заняття
- •6.3. Термінологічний словник
- •Гістограма — графічне наближене зображення щільності випадкової величини, побудоване за вибіркою скінченного обсягу.
- •6.4. Навчальні завдання
- •6.5. Завдання для перевірки знань
- •Поясніть, коли виникає потреба програмістам, зайнятим програмною реалізацією імітаційних моделей, обирати генератори випадкових чисел рвп [0, 1] і які існують засоби для виконання такої роботи.
- •Тема 7. Генерування випадкових подій і дискретно розподілених випадкових величин
- •7.1. Методичні поради до вивчення теми
- •Література до теми
- •7.4. Навчальні завдання
- •7.5. Завдання для перевірки знань
- •Тема 8. Генерування неперервних випадкових величин
- •8.1. Методичні поради до вивчення теми
- •Література до теми Основна
- •Допоміжна
- •8.2. Практичне заняття
- •8.3. Термінологічний словник
- •Експоненціальний розподіл має щільність ймовірностей та функцію розподілу такого виду:
- •8.4. Навчальні завдання
- •8.5. Завдання для перевірки знань
- •Тема 9. Планування імітаційних експериментів: основні визначення
- •9.1. Методичні поради до вивчення теми
- •Література до теми Основна
- •Допоміжна
- •Програмне забезпечення
- •Планування експерименту (Experimental Design)
- •9.2. Практичне заняття
- •9.3. Термінологічний словник
- •9.4. Навчальні завдання
- •Матриця планування для повного факторного експерименту
- •9.5. Завдання для перевірки знань
- •Тема 10. Утворення апроксимуючих поліномів
- •10.1. Методичні поради до вивчення теми
- •Матриця композиційного плану
- •Параметри композиційних планів
- •Література до теми
- •10.4. Навчальні завдання
- •10.5. Завдання для перевірки знань
- •Тема 11. Статистична перевірка результатів експериментальних досліджень
- •11.1. Методичні поради до вивчення теми
- •1. Обчислюють статистичну оцінку дисперсії адекватності :
- •Література до теми
- •11.4. Навчальні завдання
- •11.5. Завдання для перевірки знань
- •Тема 12. Планування імітаційних експериментів під час дослідженнЯ та оптимізації систем
- •12.1. Методичні поради до вивчення теми
- •Матриця планування з ефектами взаємодії
- •Матриця планування двофакторного експерименту
- •Література до теми Основна
- •Допоміжна
- •12.2. Практичне заняття
- •12.3. Термінологічний словник
- •12.4. Навчальні завдання
- •Матриця планування з ефектами взаємодії
- •12.5. Завдання для перевірки знань
- •3. Методичні вказівки до виконання лабораторних робіт
- •3.1. Перелік лабораторних робіт Лабораторна робота № 1
- •Лабораторна робота № 2
- •Лабораторна робота № 3
- •3.2. Завдання для виконання лабораторних робіт
- •1. Моделювання обчислювальної системи колективного використання
- •2. Моделювання систем обслуговування клієнтів
- •3. Моделювання виробничих систем
- •3.3. Завдання для самостійної роботи
- •3.4. Довідки про склад пакету gpss/pc
- •3.9. Довідки про команди gpss/pc
- •Лабораторна робота
- •Опис основних етапів побудови імітаційної моделі
- •4. Критерії оцінювання знань з дисципліни під час підсумковОго іспиТу
- •Перелік екзаменаційних питань
- •5. Список літератури
Література до теми Основна
1. Ситник В. Ф., Орленко Н. С. Імітаційне моделювання: Навч. посібник. — К.: КНЕУ, 1998. — С. 38—46.
2. Сытник В. Ф. Основы машинной имитации производственних и организационно-экономических систем. — К.: УМК ВО, 1988. С. 37—47.
Допоміжна
3. Клейн Дж. Статистические методы в имитационном моделировании. — М.: Статистика, 1978. — Т.1. — С. 17—22.
4. Нейлор Т. Машинные имитационные эксперименты с моделями экономических систем. — М.: Мир, 1975. — С. 285—290.
5. Шеннон Р. Имитационное моделирование систем — искусство и наука. — М.: Мир, 1978. — С. 87—91.
6. Харин Ю. С., Малюгин В. И., Кирлица В. П. и др. Основы имитационного и статистического моделирования: Учеб. пособие. Минск.: Дизайн ПРО, 1997. С. 101—121.
7. Ермаков С. М. Метод Монте-Карло и смежные вопросы. — М.: Наука, 1975. — С. 7—37.
8. Ермаков С. М., Михайлов Г. А. Статистическое моделирование. — М.: Наука, 1982. — С. 74—91.
Програмне забезпечення
Для виконання лабораторних робіт з теми рекомендується використання такого програмного забезпечення: Borland C++ або Borland Pascal 7.0.
5.2. Практичне заняття
Мета заняття: Розглянути теоретичні питання теми. Перевірити розуміння сутності генерування випадкових чисел на ЕОМ. Набути навичок обчислення визначених інтегралів за допомогою методу Монте-Карло. Навчитися оцінювати достовірність даних, отриманих за допомогою методу Монте-Карло.
План
1. Розвиток і застосування методу Монте-Карло.
2. Приклади застосування методу Монте-Карло.
3. Оцінка точності обчислення за допомогою методу Монте-Карло, коли ймовірність оцінюється за відносною частотою.
4. Рівномірна випадкова послідовність чисел (РВП).
5. Властивості рівномірної випадкової послідовності чисел.
5.3. Термінологічний словник
Метод Монте-Карло — сукупність формальних процедур, засобами яких відтворюються на ЕОМ будь-які випадкові фактори (випадкові події, випадкові величини з довільним розподілом, випадкові вектори тощо). У межах цього підходу будується ймовірнісна модель, яка відповідає математичній чи фізичній задачі, і на ній реалізується випадкова вибірка. «Розігрування» вибірок за методом Монте-Карло є основним принципом імітаційного моделювання систем із стохастичними (випадковими, імовірними) елементами.
РВП [0,1] — рівномірна випадкова послідовність чисел на відрізку [0,1].
Емпірична функція розподілу — наближене подання функції розподілу ймовірностей випадкової величини, побудоване на основі вибірки скінченного обсягу.
Математичне сподівання (середнє значення) — числова характеристика розподілу ймовірностей випадкової величини. Для випадкової величини Х, яка має щільність розподілу , її математичнесподівання записується у вигляді. Якщо набуває значенняз імовірностями, то.
Дисперсія — числова характеристика розподілу ймовірностей випадкової величини, яка характеризує розсіювання значень цієї випадкової величини навколо її математичного сподівання; вона визначається формулою .
5.4. Навчальні завдання
Вправа 1. Використовуючи відповідні функції мов програмування Borland C++ або Borland Pascal 7.0, складіть таблицю з 300 випадкових цифр.
Вправа 2. Складіть алгоритм наближеного обчислення інтеграла методом Монте-Карло для програмування з використанням алгоритмічних мов програмування.
Вправа 3. Складіть програму для наближеного обчислення інтеграла методом Монте-Карло (на будь-якій алгоритмічній мові програмування). Обчисліть визначений інтеграл методом Монте-Карло при кількості спроб N = 5000.