MONTE CARLO

Modelowanie Monte Carlo polega na
konstruowaniu (generowaniu) odpowiedniej

próby losowej danej populacji i obliczaniu
pewnych jej parametrów: warto oczekiwana,

ść

wariancja, wy sze momenty, funkcje korelacji,

ż

rozk ady ró nych wielko ci itd.

ł

ż

ś

Np. zagadnienia masowej obs ugi formu owane

ł

ł

s w j zyku teorii prawdopodobie stwa, wi c

ą

ę

ń

ę

naturalnymi sposobami ich rozwi zywania staj

ą

ą

si metody symulacji Monte Carlo.

ę

Rozwi zanie tego typu zada matematycznych

ą

ń

metodami Monte Carlo wymaga sformu owania

ł

dla nich odpowiednich modeli
probabilistycznych, skonstruowania

odpowiednich zmiennych losowych lub procesów
stochastycznych, których obserwacja pozwala na

oszacowanie interesuj cych nas rozwi za

ą

ą ń

zada numerycznych.

ń

jakie sa fazy symulacji
-Budowamodelu symulacyjnego

-Eksperymentowanie
-Analiza wynikow eksperymentu

6)Kiedy stosujemy model konceptualny
Konceptualny - model zawieraja cy sk adniki,

ł

które nie sa precyzyjnie
zidentyfikowane w terminach stanu, zdarzenia,

funkcji. Wyraza obiekty i ich
wzajemne relacje. Stanowi czesto pierwszy

krok do precyzyjnych modeli.
7)Co to znaczy zbadac adekwatnosc modelu

symulacyjnego
Badanie adekwatnosci - proces oceniania, czy

model odpowiada rzeczywistemu lub
wyobrazanemu systemowi

Hipotezy® teorie ® prawa
Indukcja i dedukcja:

*indukcja - metoda wnioskowania o zachowaniu
sie systemu poprzez

obserwacje, gromadzenie informacji i
rozpoznawanie wzorców - bazuje na

ekstrapolacji trendu w oparciu o dane.
Podejs cie „od szczegó u do ogó u”

ł

ł

*dedukcja - metoda wnioskowania w oparciu o
kombinacje idei i faktów

uznanych za prawdziwe. Podejs cie „od ogó u

ł

do szczegó u”.

ł

WERYFIKACJA I WALIDACJA (koncepcji,
metodyki, danych, wyników i wnioskowania)

8)Co to jest symulacja
Symulacja komputerowa - metoda badania lub

nasladowania systemu rzeczywistego
lub teoretycznego poprzez zbudowanie jego

modelu i jego implementacji
komputerowej a nastepnie eksperymentowanie na

modelu i analiza uzyskanych
wyników.Symulacja uosabia zasade „poznawania

poprzez wykonywanie
9)Czym sie rozni symulacja ciagla od

dyskretnej
Symulacja cia g a – cia g e zmiany

ł

ł

parametrów, reprezentowana przez uk ady

ł

rownanian rózniczkowych, lub algebraicznych

Trzy podejscia:
*symulacja analogowa (wzm. Operacyjneuk ady

ł

ca kujace, generatory funkcji zmiany wartosci

ł

zmiennych odpowiadaja napieciu w komputerze

analogowym. (ech, WDSK, PEK,UEK, TOE)
*symulacja cyfrowa (systemu cia g ego) –

ł

metody numeryczne rozwiazania ukladu równan
*symulacja analogowo-cyfrowa instrukcje

programowe odpowiadaja róznym typom
ukladów analogowych

Symulacja dyskretna – dyskretne zmiany
parametrów, szereg zdarzen zachadzacych w

losowych chwilach
SD sterowana:

*czasem – (t=t+dt,dt=const)
*zdarzeniami – e0->e1->e2->....->en

zorientowanan na:
*zdarzenia

*procesy
*aktywnosci

*przeslania
12)Czym rozni sie metoda uplywu czasu

krokowa od zdarzeniowej
*w krokowej metodzie uplywu czasu, up yw

ł

czasu odbywa sie w krokach,
t=t+dt, dt=const!=0; wszystkie funkcje sa

uaktualniane co „krok” czasu.
*w zdarzeniowej metodzie up ywu czasu up yw

ł

ł

czasu jest wyznaczany
przez kolejne zdarzenia zachodzace w

systemie,czas systemowy jest uaktualnianywg.
Obs ugi kolejych zdarzen , którym przypisany

ł

jest konkretny czas systemowy
ESTYMATOREM szacowanego parametru Q

rozk adu F(x, Q) populacji nazywamy statystyk

ł

ę

Zn = g(X), której rozk ad prawdopodobie stwa

ł

ń

zale y od szacowanego parametru Q i cz sto

ż

ę

oznaczamy go Qn (z ^)

6)Kiedy stosujemy model konceptualny
KONCEPTUALNY - model zawieraj cy

ą

sk adniki, które nie s precyzyjnie

ł

ą

zidentyfikowane w terminach stanu, zdarzenia,

funkcji. Wyra a obiekty i ich wzajemne relacje.

ż

Stanowi cz sto pierwszy krok do precyzyjnych

ę

modeli.