ru.algorithms

 
 - RU.ALGORITHMS ----------------------------------------------------------------
 From : Evgenij Masherov                     2:5020/175.2   09 May 2002  22:14:41
 To : Roman Trishin
 Subject : simulation
 -------------------------------------------------------------------------------- 
 

 
  AS>> Hавеpняка кто-нибyдь из подписчиков эхи писал пpогpаммы имитационного
  AS>> моделиpования чего-либо, неважно чего и на чем. Хотя бы в инститyте.
  AS>> Меня  интеpесyют способы понижения диспеpсии отклика модели в пpогpамме
 
  RT>      Что-то я не понимаю, о чем ты, хотя Subj-ем занимаюсь...
  RT> Hапомню: дисперсия (Д) - мера рассеивания возле среднего значения. Если
  RT> имитационная модель представлена в виде: F(x)=f1(x)*f2(x), и при этом f1
  RT> и f2 - некоторые вероятностные функции, то им присуща Д. Тогда Д модели
  RT> F(x) будет произведением двух ДД f1(x) на f2(x) и т.д. То есть Д модели
  RT> зависит от внутренних ДД модели и понизить ее невозможно без ущерба
  RT> качеству модели...
 
 Методы понижения дисперсии достаточно разработаны именно применительно к
 имитационному моделированию. Сошлюсь хотя бы на книгу Клейнена (к сожалению,
 библиоссылку ранее понедельника дать не смогу), там этому посвящены несколько
 глав.
 Идея состоит в том, что достоинства генератора случайных чисел не всегда
 являются достоинствами применительно к имитационному моделированию. Скажем,
 независимость отдельных отсчетов достоинство - для игрального автомата (не
 предугадать следующее выпадение...), но именно в силу независимости возможно
 появление в данной реализации "сгущения" случайных величин (скажем, 10 подряд
 идущих равномерных (0;1) меньше 1/2). Пожертвовав независимостью или другими
 характеристиками, можно в результате понизить изменчивость результата. Скажем,
 если выход модели линейно зависит от значений ГСЧ, то, проводя испытания
 парами со значениями "случайной величины" х и 1-х, где х генерируется
 случайно, можно понизить дисперсию весьма существенно (если линейность не
 выполняется - эффект может быть весьма отличен от желаемого!).
 Иной подход - проверка, насколько в выборке случайных величин выполняются
 условия, выполняющиеся в генеральной совокупности заведомо и вводится поправка
 на их невыполнение. Положим, что у нас используется при моделировании набор К
 нормально (0;1) распределенных СЧ. При каждом прогоне модели определяем их
 среднее, дисперсию, асимметрию, эксцесс и т.п. Hаходим их отклонения от
 положенных для генеральной совокупности. Строим регрессию выхода модели на эти
 отклонения (по серии прогонов модели), на основе которой вводим поправки, как
 бы увеличивая К до бесконечности.
 Вещь рабочая, но весьма капризная...
 
 Евгений Машеров АКА СанитарЖеня
 
 --- ifmail v.2.15dev5
  * Origin: FidoNet Online - http://www.fido-online.com (2:5020/175.2)
 
 

Вернуться к списку тем, сортированных по: возрастание даты  уменьшение даты  тема  автор 

Тема:    Автор:    Дата:    simulation   Andrew Sovgir   04 May 2002 18:15:28   simulation   Roman Trishin   06 May 2002 01:09:27   simulation   Andrew Sovgir   09 May 2002 21:52:10   simulation   Evgenij Masherov   09 May 2002 22:14:41