Метод Монте Карло - Редакционна история

Detelina Staneva в 06:43, 27 март 2014

2014-03-27T06:43:48Z

Detelina Staneva: /* История */

2014-03-27T06:43:16Z

История

Detelina Staneva: /* Приложение */

2014-03-27T06:42:42Z

Приложение

Detelina Staneva: /* Методът „Монте Карло” и съвременните технологии */

2014-03-27T06:41:12Z

Методът „Монте Карло” и съвременните технологии

Detelina Staneva в 10:38, 9 август 2013

2013-08-09T10:38:36Z

Показване на промените

Detelina Staneva: /* Вижте още */

2013-08-09T10:36:15Z

Вижте още

Detelina Staneva в 16:59, 17 юни 2012

2012-06-17T16:59:08Z

Detelina Staneva в 14:47, 17 юни 2012

2012-06-17T14:47:01Z

Detelina Staneva: /* Външни препратки */

2012-05-18T09:03:57Z

Външни препратки

Detelina Staneva: /* Пример за определяне на качество и надеждност: */

2012-04-05T08:59:17Z

Пример за определяне на качество и надеждност:

@@ Ред 5: / Ред 5: @@
 Смята се че методите за [[статистически изследван]]ия - метода на изчислителни и [[приложна математика]], въз основа на [[симулация]]та на случайни величини и изграждане на статистически оценки за неизвестните величини, са същите като медота Монте Карло. През 1930 година Енрико Ферми използва методът „Монте Карло” за изследване на [[неутрон|неутронния]] поток. По-късно той разработва механично устройство, което се използва при изчисленията по ядрена физика. В момента връзката на подобни методи и началото на ерата на компютъните технологии дават възможност за извършване на редица компютърни [[експеримент]]и, включително и тези които водят до получаването на случайни числа.
-==История==
+===История===
 За основатели на метода „Монте Карло” се считат амрекинаските математици [[Стенли Уламовите]], [[Джон фон Нойман]] и Никола „Метрополис”. През четиридесетте години на ХХ век, Джон фон Нойман полага основите на метода - създаването на математическата основа на [[функция|функциите]], [[вероятността плътност]], интегрирани функции, обратност на разпределение и [[генератор]]и на случайни числа. Проучванията показват, че в тясно сътрудничество със Стенли Уламовите, той е първия който реализира идеята за необходимостта от [[компютър]], за да се изпълняват изчисленията на метод Монте Карло много по-лесно.
@@ Ред 13: / Ред 13: @@
 Друг интересен [[факт]] е свързан с това, че някои случайни методи за изчисление и експерименти, са проектирани и изпълнени и в [[праисторическата ера]] на [[компютърни технологии|компютърните технологии]]. " Основната разлика на „Монте Карло” с по-ранни изследвания в [[област]]та на [[статистическо моделиране]] е:Симулацията „Монте Карло” се е превърнала в стандарт за това това как да решим проблема с помощта на инструментите от [[теория на вероятностите|теорията на вероятностите]] и математическата статистика. Което значи че това е предпоставка за необходимостта да се за занимаваме с [[детерминация]]та на проблема, след което да използваме [[симулация]]та, за да проверим [[изчисления]]та, направени по-рано.
-==Предимства и недостатъци==
+===Предимства и недостатъци===
 За провеждане на симулация със [[стохастични модели]] най-често се използва методът „Монте Карло”. Това е [[универсален]] метод за симулация, който намира приложение в различни области на научните изследвания и в практиката
@@ Ред 41: / Ред 41: @@
 Резултатите от „Монте Карло” симулацията са само приблизителни на действителната стойност и съвсем не са толкова точни.
-==Приложение==
+===Приложение===
 Методът Монте Карло не се използва за определяне на [[двумерни площи]]. За това се прилагат по-точни методи. Но при определяне на площи и [[обем]]и на тела в многомерното пространство Монте Карло методът се оказва единствената възможност да се реши задачата.

@@ Ред 1: / Ред 1: @@
 '''Методът Монте Карло''' е метод за '''разглеждане поведението на система''', на която всеки етап от [[промени]]те се моделира по известен [[закон]] с помощта на някакъв източник на [[случайност|случайни]] числа. Според тази предпоставка се определят съществените [[белег|белези]] на метода, неговото приложение и [[прогнозиране]] на [[риск]]овете, както и взаимодействието му с останалите техниики и закони в процеса на работа.
 ==История==
 За основатели на метода „Монте Карло” се считат амрекинаските математици [[Стенли Уламовите]], [[Джон фон Нойман]] и Никола „Метрополис”. През четиридесетте години на ХХ век, Джон фон Нойман полага основите на метода - създаването на математическата основа на [[функция|функциите]], [[вероятността плътност]], интегрирани функции, обратност на разпределение и [[генератор]]и на случайни числа. Проучванията показват, че в тясно сътрудничество със Стенли Уламовите, той е първия който реализира идеята за необходимостта от [[компютър]], за да се изпълняват изчисленията на метод Монте Карло много по-лесно.

← По-стара версия		Версия от 06:42, 27 март 2014
Ред 41:		Ред 41:

	Методът Монте Карло не се използва за определяне на [[двумерни площи]]. За това се прилагат по-точни методи. Но при определяне на площи и [[обем]]и на тела в многомерното пространство Монте Карло методът се оказва единствената възможност да се реши задачата.		Методът Монте Карло не се използва за определяне на [[двумерни площи]]. За това се прилагат по-точни методи. Но при определяне на площи и [[обем]]и на тела в многомерното пространство Монте Карло методът се оказва единствената възможност да се реши задачата.
−
−	~~[[Image:snimka1.jpg\|thumb\|right\|400px\|alt=A scheme.\|Модел на Метода Монте Карло.]]~~

	Монте Карло Методът има две важни особености:		Монте Карло Методът има две важни особености:

← По-стара версия		Версия от 06:41, 27 март 2014
Ред 66:		Ред 66:

	Ето още един пример за полезността на метода Монте Карло при една на пръв поглед проста задача за определяне на [[качество]]то и [[надеждност]]та на изделие състоящо се от даден брой елементи.		Ето още един пример за полезността на метода Монте Карло при една на пръв поглед проста задача за определяне на [[качество]]то и [[надеждност]]та на изделие състоящо се от даден брой елементи.
−
−	~~==Методът „Монте Карло” и съвременните технологии==~~
−
−	~~Изводите от направения литературен преглед относно възможностите на компютърното симулиране са следните:~~
−
−	~~Компютърните симулационни модели:~~
−
−	* Позволяват да се извлекат изводи за нова система без да се налага да се построи реално, или да се направят промени в съществуваща без да се разстройва работата й;
−	* Позволяват на [[ръководител]]я да визуализира операциите на нова или съществуваща система при различни условия;
−	* Позволяват да се види начина, по който различни компоненти си взаимодействат и как това влияе върху общата системна производителност;
−	* Позволяват общо вникване в същността на процеса;
−	* Позволяват разпознаване на специфични проблеми и проблемни области в изследваната система;
−	* Подпомагат разработването на специфични политики и планове за [[процес]]и;
−	* Подобряват системната ефективност.
−
−	~~Компютърните симулационни модели не могат:~~
−
−	* Да [[оптимизация\|оптимизират]] ... те могат само да генерират резултати от “КАКВО-АКО” запитвания;
−	* Да получат коректни резултати от неточни данни;
−	* Да опишат системни характеристики, които не са били заложени в модела;
−	* Да решават проблеми ... те могат само да предоставят [[информация]], която подпомага процеса на изработване на решение;
−	* Да дават лесни отговори на комплексни проблеми.

	==Вижте още==		==Вижте още==

@@ Ред 195: / Ред 195: @@
 ==Вижте още==
 * [[Вероятност]]
 * [[Експеримент]]
-* [[Ефкетивност]]
+* [[Ефективност]]
 * [[Задача за решаване]]
 * [[Информация]]
@@ Ред 211: / Ред 206: @@
 * [[Предвиждане]]
 * [[Риск]]
 * [[Симулация]]

@@ Ред 13: / Ред 13: @@
 [[Произход]]ът на името на метода е свързан с град в Княжество Монако, където се намира и едно от най-известните казина в света – факт е, че случайните числа са в основата на „Монте Карло”, а рулетката е едно от най-лесните [[устройство|устройства]] за генериране на случайни числа.
-Друг интересен [[факт]] е свързан с това, че някои случайни методи за изчисление и експерименти, са проектирани и изпълнени и в [[праисторическата ера]] на [[компютърни технологии|компютърните технологии]]. " Основната разлика на „Монте Карло” с по-ранни изследвания в [[област]]та на [[статистическо моделиране]] е:Симулацията „Монте Карло” се е превърнала в стандарт за това това как да решим проблема с помощта на инструментите от [[теорията на вероятностите]] и математическата статистика. Което значи че това е предпоставка за необходимостта да се за занимаваме с [[детерминация]]та на проблема, след което да използваме [[симулация]]та, за да проверим [[изчисления]]та, направени по-рано.
+Друг интересен [[факт]] е свързан с това, че някои случайни методи за изчисление и експерименти, са проектирани и изпълнени и в [[праисторическата ера]] на [[компютърни технологии|компютърните технологии]]. " Основната разлика на „Монте Карло” с по-ранни изследвания в [[област]]та на [[статистическо моделиране]] е:Симулацията „Монте Карло” се е превърнала в стандарт за това това как да решим проблема с помощта на инструментите от [[теория на вероятностите|теорията на вероятностите]] и математическата статистика. Което значи че това е предпоставка за необходимостта да се за занимаваме с [[детерминация]]та на проблема, след което да използваме [[симулация]]та, за да проверим [[изчисления]]та, направени по-рано.
 ==„Монте Карло” – анализ, предимства и недостатъци==

@@ Ред 81: / Ред 81: @@
 Следва да отбележим, че и последиците от инцидентите, както и тяхната тежест, също са с вероятностен характер. Вероятността P да се случи инцидент на практика винаги е сложна вероятност, която описва възможността да се реализира [[каскада]] от събития.
-Метода Монте Карло е изключително полезен при проектиране на [[предприятия]], [[технологии]], [[планиране на промени]] организация. Вместо скъпо струващи експерименти в [[натура]] може да се експериментира на компютър различни варианти на организационната работа и използване на [[оборудване]]то. В редица случаи компютърното моделиране е единствения начин да се получат сведения за поведението на проектираната система. Разбира се, разчетите не идват даром. Няма универсално решение, което да се избере от менюто на “магически” [[софтуер]], което да върне резултата веднага след като попълниш своето задание. Трябва да се създаде добър модел на изследваната система, за да се получат резултати с практическа [[ценност]]. Необходимо е да се изследват щателно действителните потоци от заявки, да се проведат [[хронометражни измервания]] за работата на отделните възли и т.н. Когато системата е в проектна фаза и все още не съществува в действителност се използват проектните параметри и технологичните граници. Въобще, следва да се знаят вероятностните закони на функциониране на отделните части на системата, с което се моделира начина, по който работата им се колебае около проектните стойности. Тогава методът Монте Карло позволява да се изчислят вероятностните закони на работата на цялата система, отчитайки [[взаимосвързаност]]та между отделните и части, колкото и сложна да е тя. По такъв начин се решават задачи за [[разчет]] на надеждност на изделие, [[агрегат]], система, състояща се от множество елементи. Задачи за ефективната поддръжка и др.
+Метода Монте Карло е изключително полезен при проектиране на [[предприятия]], [[технология|технологии]], [[планиране на промени]] организация. Вместо скъпо струващи експерименти в [[натура]] може да се експериментира на компютър различни варианти на организационната работа и използване на [[оборудване]]то. В редица случаи компютърното моделиране е единствения начин да се получат сведения за поведението на проектираната система. Разбира се, разчетите не идват даром. Няма универсално решение, което да се избере от менюто на “магически” [[софтуер]], което да върне резултата веднага след като попълниш своето задание. Трябва да се създаде добър модел на изследваната система, за да се получат резултати с практическа [[ценност]]. Необходимо е да се изследват щателно действителните потоци от заявки, да се проведат [[хронометражни измервания]] за работата на отделните възли и т.н. Когато системата е в проектна фаза и все още не съществува в действителност се използват проектните параметри и технологичните граници. Въобще, следва да се знаят вероятностните закони на функциониране на отделните части на системата, с което се моделира начина, по който работата им се колебае около проектните стойности. Тогава методът Монте Карло позволява да се изчислят вероятностните закони на работата на цялата система, отчитайки [[взаимосвързаност]]та между отделните и части, колкото и сложна да е тя. По такъв начин се решават задачи за [[разчет]] на надеждност на изделие, [[агрегат]], система, състояща се от множество елементи. Задачи за ефективната поддръжка и др.
 Ето още един пример за полезността на метода Монте Карло при една на пръв поглед проста задача за определяне на [[качество]]то и [[надеждност]]та на изделие състоящо се от даден брой елементи.

@@ Ред 243: / Ред 243: @@
 * [http://www.kaminata.net/excel-t45794.html Имитационно моделиране]
 * [http://parallel.bas.bg/CE_SuperCA/REP_Dec09_WP4_F.pdf Монте Карло методи за анализ на чувствителността на големи математически модели]
-[[category:Управленски решения и риск]]
+[[category:Управленски решения и риск]][[category:Моделиране и прогнозиране в управлението]]

@@ Ред 115: / Ред 115: @@
 * Най вероятната стойност лежи между минимума и максимума, показвайки че стойностите около долните ъгли на триъгълника са по-малко вероятни от тези около върха – най-вероятната стойност
-[[разпределение на Пуасон|Разпределението на Пуасон]] описва броят пъти за които едно събитие се случва в даден [[интервал]], като брой телефонни разговори за час или брой на грешки на страница от документ или брой на пострадалите от инциденти по време на работа за месец. То е дискретно вероятностно разпределение с един параметър - честота. Има три условия на които отговаря пуасоновото разпределение:
+[[разпределение на Поасон|Разпределението на Поасон]] описва броят пъти за които едно събитие се случва в даден [[интервал]], като брой телефонни разговори за час или брой на грешки на страница от документ или брой на пострадалите от инциденти по време на работа за месец. То е дискретно вероятностно разпределение с един параметър - честота. Има три условия на които отговаря пуасоновото разпределение:
 * Броят на възможните случаи във всяка единица не е [[лимит|лимитиран]];
@@ Ред 127: / Ред 127: @@
 * Вероятността за успех остава същата от опит на опит.
-[[логнормално разпределение|Логнормалното разпределение]] широко се използва в ситуации, при които стойностите са положително асиметрични (когато повечето от стойностите се получават близо до минималната стойност). Ситуация забелязана при финансовите анализи при оценката за сигурност или при недвижимите имоти при оценката на собствеността. Финансовите анализатори са забелязали, че цените на фондовата борса обикновено са положително свити а не симетрично разпределени, както при нормалното разпределение. [[ценни книжа|Ценните книжа]] проявяват тази тенденция, защото цените им не могат да паднат под нулевата долна граница, но могат да нараснат произволно. Подобно на тях цените на недвижимите имоти проявяват същата тенденция, защото не могат да станат отрицателни. Логнормалното разпределение е непрекъснато разпределение с два параметъра – средно и стандартно отклонение. Има три условия, на които отговаря Логнормалното разпределение:
+[[логнормално разпределение|Логнормалното разпределение]] широко се използва в ситуации, при които стойностите са положително асиметрични (когато повечето от стойностите се получават близо до минималната стойност). Ситуация забелязана при финансовите анализи при оценката за сигурност или при недвижимите имоти при оценката на собствеността. Финансовите анализатори са забелязали, че цените на фондовата борса обикновено са положително свити а не симетрично разпределени, както при нормалното разпределение. [[ценна книга|Ценните книжа]] проявяват тази тенденция, защото цените им не могат да паднат под нулевата долна граница, но могат да нараснат произволно. Подобно на тях цените на недвижимите имоти проявяват същата тенденция, защото не могат да станат отрицателни. Логнормалното разпределение е непрекъснато разпределение с два параметъра – средно и стандартно отклонение. Има три условия, на които отговаря Логнормалното разпределение:
 * Случайната променлива може да нараства безгранично;