446 2

446 2



446


11. Metoda Monte Carlo i symulacja

'-o wy. według


to 7. nich. które pierwsze jest wolne. Jeśli nie ma kolejki i oba stanowiska są wolne biera sję to stanowisko, które było wolne dłużej.

W układzie I klient przechodzi od Al do Al albo od 51 do B2.

W układzie M klient, który opuścił stanowisko .41 lub B\ może wybrać — opisanych już zasad — stanowisko A2 lub BI.

t-kłCC I

iik*oc II

Rys. tl.3.3


Czasy obsługi na stanowiskach A\, A2. 51 i B2 mają rozkład wykładniczy o wartości oczekiwanej 100 s. Potrzebnych jest trzydzieści liczb losowych o rozkładzie wyktadniczvm (i odpowiednio długi ciąg przeciwny); można skorzystać z tablicy w Dodatku. Badając oba układy, należy użyć tych samych liczb losowych. Oba układy należy zbadać za pomocą dwóch przeciwnych eksperymentów a i fi. Obliczyć dla każdego z czterech eksperymentów sumę czasów przebywania dziesięciu klientów w systemie. Porównać rozwiązanie zadania o przychodni w przykładzie 11.3.1 (stablicować w podobny sposób obliczenia).

3. Przypuśćmy, że dla systemu obsługi z zadania 2 otrzymano następujące wyniki;

Eksperyment

I*

10

II*

n/?

1

2449

3363

1862

2921

2

2232

4350

215?

3651

3

5395

1419

4971

1164

ta) Obliczyć średnią i błąd standardowy następujących wielkości:

ller. i(II«+n£), Ia-Ila. i(Ia-IIa+l/?-II/?).

(b) Zamierza się wykonać dłuższą serię eksperymentów po to, aby oszacować wartość oczekiwaną różnicy między wynikami dla obu układów. Tle razy koszt obliczeń będzie większy - jeśli sądzić o tym według oszacowań z (a) - w przypadku użycia niezależnych zmiennych losowych w każdym eksperymencie w porównaniu z użyciem tych samych 1'°^ dla układów I i II (i techniką zmiennych przeciwnych)?

11.4. Liczby pseudoloso**

W komputerach zamiast liczb losowych stosuje się niemal zawsze tzw\ liczby pi#***0^ losowe. Tworzy się je reku ren cyjnie, za pomocą pewnego procesu arytmetycznego-many ciąg liczb jest jednoznacznie określony przez wartość początkową. Ciąg okresowy, ale z bardzo długim okresem — rzędu 2', gdzie (jest Liczbą cyfr dwójko*^


Wyszukiwarka

Podobne podstrony:
438 2 438 11. Metoda Monte Carlo i symulacja Inną ciekawą własnością procesów Poissona jest to, źe
448 2 448 11. Metoda Monte Carlo i symulacja program dla opisanego lu generatora (dla przykładu przy
434 2 434    . 11. Meioda Monte Carlo i symulacja (b)    Zadania techn
436 2 436 11 Metoda Monte Car!o i symulacja Ciąg (11.2.2) nazywamy przeciwnym względem wynikającego
440 2 440 11. Metoda Monte Carte i symulacja11.3. Zastosowania. Redukcja wariancji Ważnym zastosowan
444 2 444 11. Metoda Monte Carte • symulacja Obliczamy całkę ]f{x)dx. Niech R, Ri.....Rr będą liczba
tDziałalność naukowa Zakładu: 1. Zastosowanie wyników obliczeń symulacyjnych metodą Monte Carlo do
433 2 Rozdział 11Metoda Monte Carlo i symulacja 11.1. Wstęp W większości zastosowań teorii prawdopod
1( Matematyka Finansowa, 05 06 2006 Symulacja Monte Carlo. Klasyczna metoda Monte Carlo oparta jest
•    Metoda Monte Carlo: o Aspekty finansowe o Aspekty realizacyjne (przekroczenie cz
wykresPrzyspieszenia Wykres przyspieszenia Liczba wątków [szt.] Obliczanie pi metodą Monte Carlo
wykresZaleznosciCzasu Wykres zależności czasu od ilości wątków Obliczanie pi metodą Monte Carlo 3000
442 2 442 II. Metoda Monte Car o i symulacja Z jednego eksperyment u (pary eksperymentów) nic można
Monte2 Obliczanie całki metodą Monte Carlo: a := 0.2 b := 1.2 n:=50 n przykładowa funkcja w przedzia
Scan1stat 1.    Metoda Monte Carło jest narzędziem do: -    stymulacji

więcej podobnych podstron