Книга: Машинна імітація випадкових параметрів
💣 👉🏻👉🏻👉🏻 ВСЯ ИНФОРМАЦИЯ ДОСТУПНА ЗДЕСЬ ЖМИТЕ 👈🏻👈🏻👈🏻
Машинна імітація випадкових параметрів
Методи генерування послідовності рівномірно розподілених випадкових чисел
Перевірка якості псевдовипадкових чисел
Приклади використання методу Монте Карло в імітаційному моделюванні
Обчислення визначеного інтегралу методом Монте-Карло
Для построения последовательности равномерно распределенных случайных чисел используются следующие методы.
Мультипликативно-конгруэнтный метод,
или метод степенных вычетов:
где a, m -
неотрицательные целые числа.
Согласно (1) необходимо взять последнее случайное число, умножить его на a
и взять модуль полученного числа по т
(т.е. разделить на т
и взять остаток в качестве следующего x i
) .
Последовательность равномерно распределенных на отрезке [О, 1] псевдослучайных чисел получается при делении остатка на т.
В качестве модуля обычно выбирают 2 Ь
или 10 d
.
На основе конгруэнтной формулы было создано множество генераторов.
Смешанные генераторы Томпсона
основываются на следующей формуле
Аддитивный конгруэнтный метод (Грин, Смит, Клем)
использует рекуррентную формулу
Примеры построения последовательности псевдослучайных равномерно распределенных на отрезке [0; 1] чисел с помощью приведенных алгоритмов.
Тогда с помощью мультипликативно-конгруэнтного метода получается
x 0
=b = 10, r 0
= = x 0
/m = 10/256=0,039.
x 1
=ax 0
( mod
m) = 111*10 ( mod
256) = 1110 mod
256 = 86,
При тех же параметрах а, m и параметре С=347 с помощью смешанного генератора Томпсона получаем:
x 1
=ax 0
+C(
mod
m) =
111*10 +347 (mod
256) = 1457 mod
256 = 177,
Наконец, аддитивно-когруэнтным методом при х 0
=100, x 1
=183 получаем
х 2
=x 0
+x l
(
mod
m) = (100 + 183) ( mod
256) = 283 mod
256 = 27,
В табл. 1 приведены результаты расчетов для первых 10 псевдослучайных чисел, полученных всеми перечисленными способами.
- займає мало місця в оперативній пам"яті (близько десяти команд);
- забезпечується одноразова первірка якості випадкових чисел;
- швідкість утворення випадкових чисел відносно невелика;
Последовательности псевдослучайных чисел
Построить последовательности псевдослучайных чисел, используя табличный процессор MS Excel. Получить таблицу, аналогичную таблице 1.
Для вычисления остатка от деления рекомендуется использовать функцию ОСТАТ.
Назначение: Возвращает остаток от деления аргумента число на делитель. Результат имеет такой же знак, как и делитель.
Число - это число, остаток от деления которого определяется.
Делитель - это число, на которое нужно разделить (делитель). Если делитель равен 0, то функция ОСТАТ возвращает значение ошибки #ДЕЛ/0!
Функция ОСТАТ может быть выражена через функцию ЦЕЛОЕ:
Застосовувати псевдовипадкові числа, утворювані з допомогою програмних генераторів РВП [0, 1], правомірно в тому разі, коли статистичні характеристики їх збігаються з властивостями чисел, породжених деяким ідеальним генератором, що вибирає значення на відрізку [0, 1] рівноймовірно і незалежно одне від одного згідно із законом
Тому успішне застосування методу Монте-Карло можливе лише тоді, коли створювані генератором числа будуть випадковими
, рівномірно розподіленими на відрізку
[0, 1] і незалежними
. Зрозуміло, що за своїми конструктивними особливостями програмні датчики не можуть відтворювати випадкові числа, які повністю задовольняють перелічені вимоги. Проте для практичних цілей буває достатньо, щоб послідовність РВП [0, 1] приблизно відповідала вимогам ідеального генератора. Таке припущення перевіряється з допомогою спеціальних статистичних тестів. При цьому виконуються дві передумови.
1.Генератор псевдовипадкових чисел вважається придатним для використання, якщо він витримує набір наперед установлених тестів.
2.Якість випадкових чисел перевіряється лише один раз на попередньому етапі побудови імітаційної моделі.
Розроблено чимало тестів, котрі дають змогу оцінювати якість випадкових чисел. Серед них є загальновідомі статистичні методи перевірки гіпотез (перевірка відповідності розподілів за критеріями Пірсона або Колмогорова, виявлення кореляційної залежності між серіями випадкових чисел — автокореляції
), а також і спеціально розроблені для методу Монте-Карло критерії.
Розглянемо кілька спеціальних тестів
перевірки якості випадкових чисел. Особливість їх застосування полягає в тому, що генератор РВП [0,1] вважають за можливе використовувати лише в тому разі, коли він одночасно відповідає всім вибраним тестам (перевірка датчика припиняється, тільки-но він не відповідає черговому тесту). При цьому багато рішень щодо відповідності датчика тому чи іншому тесту експериментатор приймає на інтуїтивному рівні, спираючись на власний досвід таких досліджень.
Для ідеального генератора рівномерно розподілених випадкових чисел математичне сподівання
їх дорівнює Ѕ, а дисперсія дорівнює 1/12.
Перевірка на рівномірність за гистограмою
Розіб"ємо відрізок [0,1] на n рівних частин. Кожне з чисел x i
потрапить на один з таких відрізків. Нехай m 1
– кількість випадкових чисел, що потрапили на перший відрізок, m 1
– на другий і т.д. При цьому
Обчислимо відносні частоти потрапляння випадкових чисел на кожний із відрізків
p 1
=m 1
/N; p 2
=m 2
/N; … p n
=m n
/N,
а далі для перевірки рівномірності псевдовппадкових чисел будується гістограма.
Якщо випадкові числа рівномірні, то для достатньо великих N гістограма (ламана лінія) має наближатися до теоретичної прямої у = 1/n.
Число розбиттів n
має бути не дуже малим, щоб можна було перевірити локальну рівномірність. Водночас і дуже велике n
нас не задовольняє, оскільки потрібно буде багато випадкових чисел ( N
на два — три порядки більше за n
). На практиці n
беруть таким, що задовольняє нерівність 20 <= n
<= 50.
Якщо серед множини програмне утворюваних випадкових чисел x 0
,x 1
,x 2
, ....x l-1
немає однакових, а x l
збігається з одним зі створених раніше чисел, то L називається відрізком
аперіодичності
. Очевидно, що L<=2 k
. При дослідженні генератора випадкових чисел необхідно установити довжину відрізка аперіодичності. Якщо число необхідних для експериментів випадкових чисел менше за довжину відрізка аперіодичності L, то датчик можна використовувати. У противному разі довжину відрізка аперіодичності слід збільшити, застосувавши різні штучні прийоми, зокрема змінивши початкове число x 0
або використавши інший генератор.
Досить надійним методом установлення якості випадкових чисел е перевірка генератора РВП [0,1] в «роботі». Згідно з цим методом складають імітаційну модель, результат роботи якої може бути передбачений теоретично. Порівнюючи експеріментальний, здобутий за допомогою ЕОМ, і теоретичний результати, можна зробити висновки щодо придатності генератора випадкових чисел.
Для ілюстрації такого підходу перевірки якості випадкових чисел розглянемо описану далі гру. Стрілець стріляє по мішені. Якшо він у неї влучить, то отримає виграш 9 грн., а якщо промахнеться — заплатить штраф у розмірі 1 грн. Імовірність влучити в мішень становить 0,05.
Величина виграшу с випадковою величиною з таким розподілом:
Математичне сподівання виграшу за один постріл подається у вигляді
Перевіримо якість випадкових чисел, наведених у табл.Д1. ([3] Таблиця випадкових цифр). Для цього, склавши імітаційну модель гри, математичне сподівання виграшу оцінюватимемо за допомогою середнього арифметичного значення виграшу 440 пострілів.
Умовимося, що влучення в ціль імітується відношенням x<=0,05, а промах — x >0,95. Із 440 пострілів (440 випадкових чисел таблиці) маємо 21 влучення. Середній виграш
x ср
=(21*9+(-1)*419)/440=230/440=-0,522.
Точність оцінки математичного сподівання e = 0,022 для такого відносно невеликого числа випробувань вважається задовільною. Звідси можна дійти висновку, шо перевірений генератор випадкових
чисел придатний для розв'язування задач методом Монте-Карло.
1. Выполнить проверку правильности генерации случайных чисел по тесту "Перевірка за моментами розподілу". Результаты поместить в таблицу следующего вида. Проанализировать результаты. Сделать выводы.
4.Выполнить проверку правильности генерации случайных чисел по тесту "Перевірка на рівномірність за гистограмою". Создать две гистограммы распределения РВП: для мультипликативно - конгруэнтного метода и для смешанного генератора Томсона.
Перед построением диаграмм рекомендуется создать две таблицы следующего вида.
Рекомендуется следующее оформление диаграммы.
5.Выполнить проверку правильности генерации случайных чисел также по гистограмме, используя программу на языке Паскаль (Смотри Приложение 1).
С помощью программы построить три гистограммы. Проанилизировать результаты. Сделать выводы.
В отчет скопировать гистограммы и текст программы.
Цель работы - ознакомление с возможностями практического применения метода Монте-Карло (1949) – численного метода моделирования случайных величин.
Для примера взяты две задачи: вычисление числа p и вычисление определённого интеграла.
Расчёт числа p проводится путём набрасывания случайных чисел на квадрат со сторонами равными 1, в который вписана единичная окружность. Общее число случайных точек (на отрезке [0;1) принимается за N, а число точек, попавших в круг – за М.
Чем больше проводится экспериментов, тем точнее получается результат.
Провести моделирование с целью исследования зависимости точности вычисляемого значения p от числа испытаний N.
Для моделирования разработать программное средство. Провести моделирование и результаты внести в таблицу. Проанализировать результат. Сделать выводы.
Для проведения моделирования студент должен создать программу на любом из алгоритмических языков или создать электроннную таблицу. Ниже предлагается один из возможных вариантов решения задачи в табличном процессоре. таблицу отформатировать. Снабдить комментариями.
Вычисление определенного интеграла вида
производится по приближенной формуле:
где x i
- случайная величина, x i
=p/2×g, 0<=g<=1.
Точность результата также зависит от количества испытаний
Провести моделирование с целью исследования зависимости точности вычисляемого значения интеграла от числа испытаний N.
Для моделирования разработать программное средство. Провести моделирование и результаты внести в таблицу. Проанализировать результат. Сделать выводы.
Для проведения моделирования студент должен создать программу на любом из алгоритмических языков или создать электронную таблицу. Ниже предлагается один из возможных вариантов решения задачи в табличном процессоре. Таблицу отформатировать. Снабдить комментариями.
1. Курицкий Б.Я. Поиск оптимальных решений средствами Ехсеl 7.0. - СПб.: ВНV, 1997. - 384 с.
2. Методические рекомендации к выполнению практических заданий по курсу "Имитационное моделирование" для студентов специальности 7.050102 заочной формы обучения / Сост. О.Ю.Полякова. — Харьков: Изд. ХГЭУ, 2002. — 28с.
3. Ситник В.Ф., Орленко Н.С. Імітаційне моделювання.- К.: КНЕУ, 1998.- 232c.
4. Ж.-П. Ламуатье. Упражнения по программированию на Фортране IV. Пер. с франц., под ред. Ю.М.Баяковского. – М.: Мир. 1978. с. 167.
5. Соболь И. М. Метод Монте-Карло. — 4-е изд. — М.: Наука. Главная редакция физико-математической литературы, 1985.— 80 с. — (Популярные лекции по математике).
1. В чем сущность метода статистического моделирования?
2. Предельные теоремы теории вероятностей.
3. Какие способы генерации последовательностей случайных чисел используются при компьютерном моделировании?
4. Почему генерируемые на компьютере последовательности чисел называются псевдослучайными?
5. Что собой представляют конгруэнтные процедуры генерации последовательностей чисел?
6. Какие существуют методы проверки качества генераторов случайных чисел?
7. Какие существуют способы генерации последовательностей случайных чисел с заданным законом распределения на компьютере?
8. Моделирование дискретных случайных величин.
9. Чем определяется эффективность компьютерного моделирования систем?
11. Особенности непрерывно-детерминированного подхода к построению математических моделей систем.
12. Особенности дискретно-детерминированного подхода к построению математических моделей систем.
13. Особенности дискретно-стохастического подхода к построению математических моделей систем.
14. Особенности непрерывно-стохастического подхода к построению математических моделей систем.
15. Параметры Q-схемы имитационного моделирования.
16. Определение однородного и неоднородного потоков событий.
17. Определение одинарного и стационарного потоков событий.
18. Определение многоканального и многофазного обслуживания.
В системе Турбопаскаль имеется функция random, которая дает случайное число в интервале [0,1] в соответствии с равномерным законом распределения. Можно разделить этот интервал на р
меньших интервалов одинаковой длины и найти, как случайные числа распределяются в этих р
интервалах.
Рассмотрим конкретный пример. Пусть значения случайной величины находятся в интервале: А=0; В=1. Этот интервал будем делить на 20 интервалов: р=20. Генерируются N=10 000 чисел.
Результат работы программы имеет вид гистограммы, где около каждого столбца отображается номер интервала (кармана) и значение частоты.
1 502 **************************************************
2 456 **********************************************
3 470 ***********************************************
4 528 *****************************************************
5 468 ***********************************************
6 498 **************************************************
7 528 *****************************************************
8 534 *****************************************************
9 476 ************************************************
10 521 ****************************************************
11 503 **************************************************
12 503 **************************************************
13 491 *************************************************
14 498 **************************************************
15 451 *********************************************
16 508 ***************************************************
17 516 ****************************************************
18 529 *****************************************************
19 525 *****************************************************
20 495 **************************************************
Кроме рассматриваемого здесь теста "по гистограмме" известны и другие, более совершенные статистические тесты для проверки качества генератора случайных чисел [*].
*) Кнут. искусство программирования. Т.2.
При составлении программы авторам [5, с. 103-107] предстояло преодолеть одно затруднение - определить, к какому интервалу относится получаемое случайное число.
Один из возможных методов состоит в выполнении последовательности проверок, которые позволяли бы определить, в какой интервал попадает число. Этот метод легко программируется, но программа получается длинной и медленной.
Самый быстрый метод заключается в определении целой переменной J
, соответствующей номеру интервала, к которому относится число. Например, для интервала [0,1], разделенного на 20 классов длиной 0.05, можно получить значение J
следующим образом:
Чтобы подсчитать число элементов в каждом классе, можно действовать следующим образом:
3) установить T(J)=T(J)+1, где Т – массив из р элементов и каждый элемент T(J) служит счетчиком для класса J.
for i:=1 to p do writeln(i:3,t[i]:10);
for j:=1 to k do write(aa[j]);writeln;
Название: Машинна імітація випадкових параметрів
Раздел: Рефераты по математике
Тип: книга
Добавлен 03:45:54 31 марта 2011 Похожие работы
Просмотров: 12
Комментариев: 17
Оценило: 2 человек
Средний балл: 5
Оценка: неизвестно Скачать
Мультипликативно-конгруэнтный метод
Мультипликативно - конгруэнтный метод
Мультипликативно - конгруэнтный метод
Срочная помощь учащимся в написании различных работ. Бесплатные корректировки! Круглосуточная поддержка! Узнай стоимость твоей работы на сайте 64362.ru
Привет студентам) если возникают трудности с любой работой (от реферата и контрольных до диплома), можете обратиться на FAST-REFERAT.RU , я там обычно заказываю, все качественно и в срок) в любом случае попробуйте, за спрос денег не берут)
Да, но только в случае крайней необходимости.
Книга: Машинна імітація випадкових параметрів
Чему Научила Комедия Недоросль Мини Сочинение
Курсовая работа по теме Язык UML как средство автоматизированных систем
Химические Свойства Металлов 9 Класс Контрольная Работа
Реферат По Физкультуре На Тему Бег Коротко
Дипломная работа: Функции института государства
Реферат: Экологический тур Paradise
Реферат: Креативность
Правила Написания Диссертации Требования
Дипломная работа по теме Расчет сил и средств для спасания людей при пожаре в здании
Новые Темы Итогового Сочинения
Реферат: Математическое моделиpование в экономике. Скачать бесплатно и без регистрации
Курсовая работа: Виды цен и особенности их применения ООО "Хлебозавод №1 Ртищево". Скачать бесплатно и без регистрации
Курсовая Работа Freebsd
Дипломная работа: Організація обліку руху грошових потоків управління праці та соціального захисту населення Богодухівської райдержадміністрації
Практическое задание по теме Характеристика Москвы
Экономика Должна Быть Экономной Эссе По Обществознанию
Сочинение Образ Чацкого В Комедии
Отчет По Практике Почтовая Связь
Сочинение В Формате Егэ План 2022
Дипломная Работа На Тему Номенклатура Дел Виды, Роль И Значение
Курсовая работа: Характеристика грузовой и перевозочной работы железной дороги
Контрольная работа: Специфікація якості програми
Статья: Теория систем в правовых явлениях