Την ουσία της μεθόδου προσομοίωσης. Μοντελοποίηση οικονομικών διαδικασιών: Χαρακτηριστικά και κύριοι τύποι
Ομοσπονδιακή Υπηρεσία Αλιείας
ΥΠΟΥΡΓΕΙΟ ΓΕΩΡΓΙΑΣ
Kamchatsky Gosardic Gualseal
Τμήμα Πληροφοριακών Συστημάτων
Θέμα: "Μοντέλο απομίμησης οικονομικών
Δραστηριότητες επιχειρήσεων »
Εργασία μαθήματος
LEADER: Θέση
Bilchinskaya s.g. "__" ________ 2006
Προγραμματιστής: φοιτητής c.
Zheitheva D.S. 04 PI1 "__" ________ 2006
Το έργο προστατεύεται από το "___" __________ 2006 Με μια εκτίμηση ______
Petropavlovsk- Kamchatsky, 2006
Εισαγωγή ................................................. .. ................................................ .. ......................... 3.
1. Θεωρητικά θεμέλια μοντελοποίησης απομιμήσεων .......................................... 4
1.1. Πρίπλασμα. Μοντελοποίηση προσομοίωσης .......................................... 4
1.2. Μέθοδος Monte Carlo ................................................. ........................................... εννέα
1.3. Χρήση των νόμων διανομής τυχαίων μεταβλητών ....................... 12
1.3.1. Ομοιόμορφη κατανομή ................................................ ................ 12
1.3.2. Διακεκριμένη κατανομή (γενική περίπτωση) ....................................... 13
1.3.3. Κανονική κατανομή................................................ .................. δεκατέσσερα
1.3.4. Εκθετική κατανομή ................................................ ...... δεκαπέντε
1.3.5. Γενικευμένη κατανομή της Erland .............................................. . .. δεκαέξι
1.3.6. Τριγωνική κατανομή ................................................ ................. 17.
1.4. Σχεδιάζοντας ένα πείραμα υπολογιστή προσομοίωσης ................... 18
1.4.1. Cyber \u200b\u200bπροσέγγιση στην οργάνωση πειραματικών μελετών σύνθετων αντικειμένων και διαδικασιών ........................................... ..... ............................................. ..... ............. δεκαοκτώ
1.4.2. Ανάλυση παλινδρόμησης και μοντέλο μοντέλου πείραμα. δεκαεννέα
1.4.3. Ο ορθογώνιος σχεδιασμός της δεύτερης τάξης ................................ 20
2. Πρακτική εργασία .............................................. .................................................. ..... 22.
3. Συμπεράσματα σχετικά με το επιχειρηματικό μοντέλο "Απόδοση παραγωγής" ................................... 26
Συμπέρασμα ................................................. .............. .................................... .............. ..................... 31
Βιβλιογραφία ............................................... .. ................................. 32
Παράρτημα Α ................................................ .................................................. .......... 33.
Προσάρτημα Β ................................................ .................................................. ...........34.
Παράρτημα σε ................................................ .. ................................................ .. ........... 35.
Προσάρτημα G ................................................ .................................................. ........... 36.
Προσάρτημα D ................................................ .................................................. ........... 37.
Προσάρτημα Ε ................................................ .................................................. ........... 38.
Εισαγωγή
Η μοντελοποίηση στην οικονομία άρχισε να εφαρμόζεται πολύ πριν η οικονομία που τελικά έχει αναληφθεί ως ανεξάρτητος επιστημονική πειθαρχία. Τα μαθηματικά μοντέλα χρησιμοποιήθηκαν από τον F. Kene (1758. Οικονομικός πίνακας), Α. Smith (κλασικό μακροοικονομικό μοντέλο), Δ. Ricardo (Διεθνές Μοντέλο Εμπορίου). Στον XIX αιώνα, ένα μαθηματικό σχολείο (L. Valras, O. Kurto, Pareto, F. Edgeworth, και άλλοι, συνέβαλαν στη μοντελοποίηση. Τον 20ο αιώνα, οι μέθοδοι μαθηματικής μοντελοποίησης της οικονομίας χρησιμοποιήθηκαν πολύ ευρέως και με τη χρήση τους συνδέονται με τα εξαιρετικά έργα των νικητών του βραβείου Νόμπελ (D. Hicks, R. Soleow, V. Leontiev, P. Samuelson).
Το μάθημα εργασίας σχετικά με το θέμα της "Μοντελοποίηση των οικονομικών διαδικασιών" είναι μια ανεξάρτητη εκπαιδευτική και ερευνητική εργασία.
Σκοπός της γραφής αυτού του μαθήματος είναι η εδραίωση της θεωρητικής και πρακτικής γνώσης. Προσεγγίσεις φωτισμού και μεθόδους για τη χρήση μοντελοποίησης απομίμησης στην οικονομική δραστηριότητα του έργου.
Το κύριο καθήκον είναι να διερευνηθεί η αποτελεσματικότητα της οικονομικής δραστηριότητας της επιχείρησης με τη βοήθεια της μοντελοποίησης προσομοίωσης.
1. Θεωρητικά θεμέλια μοντελοποίησης απομιμήσεων
1.1. Πρίπλασμα. Μοντελοποίηση προσομοίωσης
Στη διαδικασία διαχείρισης διαφόρων διαδικασιών, η ανάγκη πρόβλεψης των αποτελεσμάτων σε ορισμένες συνθήκες προβλέπεται συνεχώς. Για να επιταχύνετε την απόφαση για την επιλογή της βέλτιστης έκδοσης της διαχείρισης και της εξοικονόμησης στο πείραμα, χρησιμοποιούνται διαδικασίες.
Η μοντελοποίηση είναι η μεταφορά των ιδιοτήτων ενός συστήματος, ο οποίος ονομάζεται αντικείμενο μοντελοποίησης, σε άλλο σύστημα, το οποίο ονομάζεται μοντέλο αντικειμένου, η επίδραση στο μοντέλο πραγματοποιείται για τον προσδιορισμό των ιδιοτήτων του αντικειμένου από τη φύση της συμπεριφοράς της.
Μια τέτοια αντικατάσταση (μεταφορά) των ιδιοτήτων αντικειμένου πρέπει να γίνει σε περιπτώσεις όπου η άμεση μελέτη είναι δύσκολη ή και αδύνατη. Όπως δείχνει η πρακτική της μοντελοποίησης, το αντικείμενο που αντικαθιστά το μοντέλο του δίνει συχνά θετικό αποτέλεσμα.
Το μοντέλο είναι μια αναπαράσταση ενός αντικειμένου, ενός συστήματος ή έννοιες (ιδέες) σε κάποια μορφή εκτός από την πραγματική ύπαρξή τους. Το μοντέλο οποιουδήποτε αντικειμένου μπορεί να είναι είτε ένα ακριβές αντίγραφο αυτού του αντικειμένου (αν και κατασκευασμένο από άλλο υλικό όσο και σε άλλη κλίμακα) ή εμφανίζει μερικές από τις χαρακτηριστικές ιδιότητες του αντικειμένου σε αφηρημένη μορφή.
Ταυτόχρονα, κατά τη διάρκεια της διαδικασίας προσομοίωσης, είναι δυνατόν να ληφθούν αξιόπιστες πληροφορίες σχετικά με το αντικείμενο με λιγότερο χρόνο, χρηματοδότηση, κονδύλια και άλλους πόρους.
Οι κύριοι στόχοι της μοντελοποίησης είναι:
1) Ανάλυση και ορισμός των ιδιοτήτων των αντικειμένων σύμφωνα με το μοντέλο.
2) Ο σχεδιασμός των νέων συστημάτων και η λύση στο μοντέλο των εργασιών βελτιστοποίησης (η εύρεση της καλύτερης επιλογής).
3) Διαχείριση σύνθετων αντικειμένων και διαδικασιών.
4) Προβλέποντας τη συμπεριφορά του αντικειμένου στο μέλλον.
Οι πιο συνηθισμένοι τύποι μοντελοποίησης είναι οι πιο συνηθισμένοι:
1) Μαθηματική;
2) Φυσική;
3) Απομίμηση.
Στη μαθηματική μοντελοποίηση, το υπό μελέτη αντικειμένου αντικαθίσταται από τις αντίστοιχες μαθηματικές αναλογίες, τους τύπους, τις εκφράσεις, με τις οποίες λυθούν ορισμένες αναλυτικές εργασίες (ανάλυση), υπάρχουν βέλτιστες λύσεις και γίνονται προβλέψεις.
Τα φυσικά μοντέλα είναι πραγματικά συστήματα της ίδιας φύσης με το αντικείμενο που μελετάται, ή άλλο. Η πιο τυπική επιλογή για φυσική μοντελοποίηση είναι η χρήση διατάξεων, εγκαταστάσεων ή επιλογή θραυσμάτων αντικειμένων για περιορισμένα πειράματα. Και διαπίστωσε ευρέως τη χρήση φυσικών επιστημών, μερικές φορές στην οικονομία.
Για σύνθετα συστήματα, τα οποία περιλαμβάνουν οικονομικά, κοινωνικά, πληροφορίες και άλλα συστήματα κοινωνικο-πληροφοριών, έχει χρησιμοποιηθεί ευρέως προσομοίωση προσομοίωσης. Αυτός είναι ένας κοινός τύπος αναλογικού μοντέλου που εφαρμόζεται με τη χρήση ενός συνόλου μαθηματικών εργαλείων καθοδήγησης ειδικών σχετικών προγραμμάτων ηλεκτρονικών υπολογιστών και τεχνολογιών προγραμματισμού, επιτρέποντας στις αναλογικές διαδικασίες να διεξάγουν μια στοχοθετημένη μελέτη της δομής και των λειτουργιών μιας πραγματικής πολύπλοκης διαδικασίας στη μνήμη του υπολογιστή στο Λειτουργία "Απομιμήσεις", εκτελέστε τη βελτιστοποίηση ορισμένων παραμέτρων του.
Για να αποκτήσετε τις απαραίτητες πληροφορίες ή αποτελέσματα, είναι απαραίτητο να "εκτελέσετε" μοντέλα προσομοίωσης και όχι "να τα αποφασίσετε" τους. Τα μοντέλα απομίμησης δεν είναι σε θέση να σχηματίσουν τη δική τους λύση όπως και στα αναλυτικά μοντέλα και μπορεί να χρησιμεύσει ως μέσο για την ανάλυση της συμπεριφοράς του συστήματος υπό συνθήκες που καθορίζονται από τον πειραματιστή.
Κατά συνέπεια, η μοντελοποίηση απομίμησης δεν είναι η θεωρία, αλλά μια μεθοδολογία για την επίλυση προβλημάτων. Επιπλέον, η μοντελοποίηση προσομοίωσης είναι μόνο ένας από τους πολλούς διαθέσιμους συστηματικούς αναλύσεις των πιο σημαντικών μεθόδων για την επίλυση προβλημάτων. Δεδομένου ότι είναι απαραίτητο να προσαρμόσετε το εργαλείο ή τη μέθοδο για την επίλυση του προβλήματος και όχι αντίστροφα, τότε προκύπτει φυσική ερώτηση: σε ποιες περιπτώσεις είναι χρήσιμη η μοντελοποίηση της απομίμησης;
Η ανάγκη επίλυσης προβλημάτων με πειραματισμό γίνεται εμφανές όταν προκύψει η ανάγκη σχετικά με τις ειδικές πληροφορίες του συστήματος που δεν μπορούν να βρεθούν σε γνωστές πηγές. Ο άμεσος πειραματισμός στο πραγματικό σύστημα εξαλείφει πολλές δυσκολίες, εάν είναι απαραίτητο να εξασφαλιστεί η συμμόρφωση μεταξύ του μοντέλου και των πραγματικών συνθηκών. Ωστόσο, τα μειονεκτήματα αυτού του πειραματισμού είναι μερικές φορές πολύ σημαντικές:
1) μπορεί να διαταράξει την καθιερωμένη διαδικασία της εταιρείας ·
2) Εάν το συστατικό του συστήματος είναι άνθρωποι, τότε τα αποτελέσματα των πειραμάτων μπορεί να επηρεάσουν το λεγόμενο φαινόμενο houutorm, που εκδηλώνεται στο γεγονός ότι οι άνθρωποι αισθάνονται ότι τους παρατηρούνται, μπορούν να αλλάξουν τη συμπεριφορά τους.
3) Μπορεί να είναι δύσκολο να διατηρηθούν οι ίδιες συνθήκες εργασίας με κάθε επανάληψη του πειράματος ή καθ 'όλη τη διάρκεια της πειραματικής σειράς.
4) Για να ληφθεί το ίδιο μέγεθος του δείγματος (και, κατά συνέπεια, η στατιστική σημασία των πειραματισμών) μπορεί να απαιτεί υπερβολικό κόστος και μέσα.
5) Όταν πειραματίζονται με τα πραγματικά συστήματα, μπορεί να είναι αδύνατο να μελετήσετε μια πληθώρα εναλλακτικών επιλογών.
Για τους λόγους αυτούς, ο ερευνητής θα πρέπει να εξετάσει τη σκοπιμότητα της χρήσης μοντελοποίησης απομίμησης παρουσία οποιασδήποτε από τις ακόλουθες προϋποθέσεις:
1. Δεν υπάρχει ολοκληρωμένη μαθηματική διατύπωση αυτής της εργασίας, ή οι αναλυτικές μέθοδοι για την επίλυση ενός διαμορφωμένου μαθηματικού μοντέλου δεν έχουν ακόμη αναπτυχθεί. Αυτή η κατηγορία περιλαμβάνει πολλά μοντέλα μαζικής συντήρησης που σχετίζονται με την εξέταση της ουράς.
2. Οι αναλυτικές μέθοδοι είναι διαθέσιμες, αλλά οι μαθηματικές διαδικασίες είναι τόσο περίπλοκες και εργατικές ενδείξεις που η μοντελοποίηση προσομοίωσης δίνει απλούστερο τρόπο επίλυσης του προβλήματος.
3. Υπάρχουν αναλυτικές λύσεις, αλλά η εφαρμογή τους είναι αδύνατη λόγω της ανεπαρκούς μαθηματικής παρασκευής του διαθέσιμου προσωπικού. Στην περίπτωση αυτή, είναι απαραίτητο να συγκριθούν το κόστος σχεδιασμού, δοκιμής και εργασίας σε μοντέλο προσομοίωσης με το κόστος που συνδέεται με την πρόσκληση των ειδικών από το μέρος.
4. Εκτός από την εκτίμηση ορισμένων παραμέτρων, είναι επιθυμητό να εφαρμοστεί το μοντέλο προσομοίωσης που παρακολουθεί τη διαδικασία διαδικασίας για μια ορισμένη περίοδο.
5. Η μοντελοποίηση απομίμησης μπορεί να είναι η μόνη δυνατότητα λόγω των δυσκολιών καθορισμού πειράματος και παρατηρήσεων των φαινομένων σε πραγματικές συνθήκες (για παράδειγμα, τη μελέτη της συμπεριφοράς του διαστημικού σκάφους στις συνθήκες των διαπλανητικών πτήσεων).
6. Για μακροπρόθεσμη δράση συστημάτων ή διαδικασιών, μπορεί να χρειαστεί να συμπιέσετε το χρονοδιάγραμμα. Η μοντελοποίηση απομίμησης καθιστά δυνατή τον πλήρη έλεγχο του χρόνου της μελετήσεως της διαδικασίας, καθώς το φαινόμενο μπορεί να επιβραδυνθεί ή να επιταχυνθεί όπως είναι επιθυμητό (για παράδειγμα, ερευνητικά προβλήματα της παρακμής των πόλεων).
Πρόσθετο πλεονέκτημα Η προσομοίωση μπορεί να θεωρηθεί οι ευρύτερες δυνατές δυνατότητες εφαρμογής του στον τομέα της εκπαίδευσης και της κατάρτισης. Η ανάπτυξη και η χρήση του μοντέλου προσομοίωσης επιτρέπει στον πειραματιστή να δει και να ελέγχει τις πραγματικές διαδικασίες και τις καταστάσεις στο μοντέλο. Αυτό με τη σειρά του πρέπει να συμβάλει σε μεγάλο βαθμό να κατανοεί και να βιώνει το πρόβλημα που διεγείρει τη διαδικασία εύρεσης καινοτομιών.
Η προσομοίωση υλοποιείται από ένα σύνολο μαθηματικών εργαλείων, ειδικών προγραμμάτων και τεχνικών υπολογιστών που επιτρέπουν τη χρήση ενός υπολογιστή να πραγματοποιεί στοχοθετημένο μοντέλο στη λειτουργία "απομίμηση" της δομής και των λειτουργιών της σύνθετης διαδικασίας και τη βελτιστοποίηση ορισμένων από τις παραμέτρους της. Ένα σύνολο τεχνικών λογισμικού και μοντελοποίησης καθορίζει τις ιδιαιτερότητες του συστήματος προσομοίωσης - ειδικού λογισμικού.
Η προσομοίωση των οικονομικών διαδικασιών εφαρμόζεται συνήθως σε δύο περιπτώσεις:
1. Να διαχειριστείτε μια πολύπλοκη επιχειρηματική διαδικασία, όταν το μοντέλο προσομοίωσης ενός διαχειριζόμενου οικονομικού αντικειμένου χρησιμοποιείται ως εργαλείο στο κύκλωμα ενός προσαρμοστικού συστήματος ελέγχου που δημιουργήθηκε με βάση τις τεχνολογίες της πληροφορίας.
2. Κατά τη διεξαγωγή πειραμάτων με διακριτά συνεχή μοντέλα σύνθετων οικονομικών αντικειμένων για την απόκτηση και την «παρατήρηση» της δυναμικής τους σε καταστάσεις έκτακτης ανάγκης που σχετίζονται με τους κινδύνους των οποίων η φυσική μοντελοποίηση είναι ανεπιθύμητη ή αδύνατη.
Η μοντελοποίηση προσομοίωσης ως ειδική τεχνολογία πληροφοριών αποτελείται από τα ακόλουθα κύρια στάδια:
1. Διαρθρωτική ανάλυση των διαδικασιών . Σε αυτό το στάδιο, μια ανάλυση της δομής μιας πολύπλοκης πραγματικής διαδικασίας και της αποσύνθεσης σε απλούστερες αλληλένδετες υποεπεξεργασίες, καθένα από τα οποία εκτελεί μια συγκεκριμένη λειτουργία. Τα προσδιορισμένα υποπροϊόντα μπορούν να χωριστούν σε άλλες απλούστερες υποεπεξεργασίες. Έτσι, η δομή της προσομοιωμένης διαδικασίας μπορεί να αντιπροσωπεύεται ως γράφημα που έχει μια ιεραρχική δομή.
Η διαρθρωτική ανάλυση είναι ιδιαίτερα αποτελεσματική στη μοντελοποίηση των οικονομικών διαδικασιών, όπου πολλά συστατικά των υποπραντήρων προχωρούν οπτικά και δεν έχουν φυσική οντότητα.
2. Υποστηριζόμενη Περιγραφή μοντέλου . Η ληφθείσα γραφική εικόνα ενός μοντέλου προσομοίωσης, οι λειτουργίες που εκτελούνται από κάθε υποτροπή, οι συνθήκες αλληλεπίδρασης όλων των υποπεκινήσεων θα πρέπει να περιγράφονται σε ειδική γλώσσα για μεταγενέστερη εκπομπή.
Αυτό μπορεί να γίνει με διάφορους τρόπους: να περιγράψει χειροκίνητα σε οποιαδήποτε συγκεκριμένη γλώσσα ή χρησιμοποιώντας έναν υπολογιστή γραφικών υπολογιστών.
3. Μοντέλο κτιρίου . Αυτό το στάδιο περιλαμβάνει συνδέσμους εκπομπής και επεξεργασίας, καθώς και επαλήθευση των παραμέτρων.
4. Διεξάγοντας ένα ακραίο πείραμα . Σε αυτό το στάδιο, ο χρήστης μπορεί να λάβει πληροφορίες σχετικά με το πόσο κοντά είναι το δημιουργημένο μοντέλο ενός πραγματικά υπάρχοντος φαινομένου και τον καλύτερο αυτό το μοντέλο είναι κατάλληλο για την έρευνα νέων, μη δοκιμασμένων τιμών των παραμέτρων και των παραμέτρων του συστήματος.
1.2. Μέθοδος Monte Carlo
Οι στατιστικές δοκιμές σύμφωνα με τη μέθοδο Monte Carlo είναι η απλούστερη μοντελοποίηση απομίμησης με την πλήρη απουσία οποιωνδήποτε κανόνων δεοντολογίας. Λήψη δειγμάτων σύμφωνα με τη μέθοδο Monte Carlo - η κύρια αρχή της προσομοίωσης υπολογιστών συστημάτων που περιέχουν στοχαστικά ή πιθανοτικά στοιχεία. Η παραγωγή της μεθόδου σχετίζεται με το έργο του Neumanan και Ulan στα τέλη της δεκαετίας του 1940, όταν εισήγαγαν το όνομα "Monte Carlo" γι 'αυτόν και το εφαρμόζουν για την επίλυση ορισμένων εργασιών προστασίας από πυρηνικά εκπομπή. Αυτή η μαθηματική μέθοδος ήταν γνωστή και νωρίτερα, αλλά βρήκα τη δεύτερη γέννησή μου στο Los Alamos σε κλειστά έργα στην πυρηνική τεχνολογία, οι οποίες διεξήχθησαν υπό τον χαρακτηρισμό κώδικα "Monte Carlo". Η χρήση της μεθόδου ήταν τόσο επιτυχημένη ώστε να διανεμηθεί σε άλλους τομείς, ιδίως στην οικονομία.
Ως εκ τούτου, πολλοί ειδικοί ο όρος "μέθοδος Monte Carlo" μερικές φορές φαινόταν συνώνυμη με τον όρο "μοντελοποίηση προσομοίωσης", η οποία είναι γενικά εσφαλμένη. Η μοντελοποίηση προσομοίωσης είναι μια ευρύτερη έννοια και η μέθοδος Monte Carlo είναι σημαντική, αλλά μακριά από το μοναδικό μεθοδολογικό συστατικό της προσομοίωσης.
Σύμφωνα με τη μέθοδο Monte Carlo, ο σχεδιαστής μπορεί να προσομοιώσει το έργο χιλιάδων σύνθετων συστημάτων που ελέγχουν χιλιάδες ποικιλίες τέτοιων διαδικασιών και εξερευνούν τη συμπεριφορά ολόκληρης της ομάδας, επεξεργασίας στατιστικών δεδομένων. Ένας άλλος τρόπος για να εφαρμόσετε αυτή τη μέθοδο είναι να προσομοιώσετε τη συμπεριφορά του συστήματος ελέγχου σε ένα πολύ μεγάλο εύρος του χρόνου μοντέλου (αρκετά χρόνια), με τον αστρονομικό χρόνο της εκτέλεσης του προγράμματος προσομοίωσης στον υπολογιστή μπορεί να κάνει ένα δευτερόλεπτο δευτερόλεπτο.
Κατά την ανάλυση της μεθόδου Monte Carlo, ο υπολογιστής χρησιμοποιεί τη διαδικασία δημιουργίας ψευδο-τυχαίων αριθμών για την προσομοίωση δεδομένων από τον γενικό πληθυσμό. Η διαδικασία ανάλυσης μεθόδων Monte Carlo κατασκευάζει δείγματα από το γενικό σύνολο σύμφωνα με τις οδηγίες του χρήστη και στη συνέχεια εκτελεί τις ακόλουθες ενέργειες: μιμείται ένα τυχαίο δείγμα από τον γενικό πληθυσμό, η ανάλυση του δείγματος διεξάγει την ανάλυση και διατηρεί τα αποτελέσματα. Μετά από ένα μεγάλο αριθμό επαναλήψεων, τα αποθηκευμένα αποτελέσματα μιμούνται καλά την πραγματική κατανομή των στατιστικών δειγμάτων.
Σε διάφορες εργασίες που αντιμετωπίστηκαν κατά τη δημιουργία σύνθετων συστημάτων, οι τιμές των οποίων προσδιορίζονται τυχαία μπορούν να χρησιμοποιηθούν τυχαία. Παραδείγματα τέτοιων τιμών είναι:
1 τυχαίες στιγμές χρόνου στις οποίες έρχονται εντολές στην Εταιρεία.
3 Εξωτερικές επιπτώσεις (απαιτήσεις ή αλλαγές νομοθεσιών, πληρωμές για πρόστιμα κ.λπ.) ·
4 Πληρωμή τραπεζικών δανείων.
5 Παραλαβή κεφαλαίων από πελάτες.
6 σφάλματα μέτρησης.
Ο αριθμός, ο σύνολο των αριθμών, ο φορέας ή η λειτουργία μπορούν να χρησιμοποιηθούν ως αντίστοιχες μεταβλητές. Μία από τις ποικιλίες της μεθόδου Monte Carlo με μια αριθμητική λύση καθηκόντων, συμπεριλαμβανομένων τυχαίων μεταβλητών, είναι η μέθοδος των στατιστικών δοκιμών, η οποία είναι να μοντελοποιήσετε τυχαία συμβάντα.
Η μέθοδος Monte Carlo βασίζεται σε στατιστικές δοκιμές και από τη φύση είναι ακραία, μπορεί να χρησιμοποιηθεί για την επίλυση πλήρως καθοριστικών καθηκόντων, όπως η έκκληση των πινάκων, η επίλυση των διαφορικών εξισώσεων σε ιδιωτικά παράγωγα, εξεύρεση άκρων και αριθμητική ολοκλήρωση. Κατά τον υπολογισμό της μεθόδου Monte Carlo, τα στατιστικά αποτελέσματα λαμβάνονται με επαναλαμβανόμενες δοκιμές. Η πιθανότητα ότι αυτά τα αποτελέσματα διαφέρουν από την αλήθεια όχι περισσότερο από μια δεδομένη αξία είναι η λειτουργία του αριθμού των δοκιμών.
Οι υπολογισμοί στη μέθοδο Monte Carlo έγαζαν τυχαία επιλογή αριθμών από μια δεδομένη πιθαννική κατανομή. Με πρακτικούς υπολογισμούς, αυτοί οι αριθμοί λαμβάνονται από πινάκους ή λαμβάνονται από ορισμένες λειτουργίες, τα αποτελέσματα των οποίων είναι ψευδο-τυχαία αριθμοί με τις ίδιες ιδιότητες με τους αριθμούς που λαμβάνονται με τυχαίο δείγμα. Υπάρχει ένας μεγάλος αριθμός υπολογιστικών αλγορίθμων που μας επιτρέπουν να αποκτήσουμε μεγάλες ακολουθίες ψευδο-τυχαίους αριθμούς.
Μία από τις πιο απλές και αποτελεσματικές υπολογιστικές μεθόδους για την απόκτηση μιας ακολουθίας ομοιόμορφα κατανεμημένων τυχαίων αριθμών r i, Χρησιμοποιώντας, για παράδειγμα, μια αριθμομηχανή ή οποιαδήποτε άλλη συσκευή που λειτουργεί σε ένα σύστημα δεκαδικού αριθμού, περιλαμβάνει μόνο μία λειτουργία πολλαπλασιασμού.
Η μέθοδος έχει ως εξής: Αν r i \u003d. 0.0040353607, κατόπιν R I + 1 \u003d (40353607RI) MOD 1, όπου mod 1 σημαίνει μια λειτουργία εκχύλισης από το αποτέλεσμα μόνο του κλασματικού τμήματος μετά το δεκαδικό σημείο. Όπως περιγράφεται σε διάφορες λογοτεχνικές πηγές, ο αριθμός R αρχίζει να επαναλαμβάνεται μετά από έναν κύκλο 50 εκατομμυρίων αριθμών, έτσι R 5OOOOOO1 \u003d R1. Η αλληλουχία R1 λαμβάνεται ομοιόμορφα κατανομή στο διάστημα (0, 1).
Η χρήση της μεθόδου Monte Carlo μπορεί να αποτελέσει σημαντικό αποτέλεσμα στη μοντελοποίηση της ανάπτυξης των διαδικασιών, των οποίων η μονόδρομη παρατήρηση είναι ανεπιθύμητη ή αδύνατη και άλλες μαθηματικές μέθοδοι σε σχέση με αυτές τις διαδικασίες είτε δεν αναπτύσσονται είτε απαράδεκτες λόγω πολυάριθμων κρατήσεων και υποθέσεων που μπορεί να οδηγήσουν σε σοβαρά λάθη ή εσφαλμένα συμπεράσματα. Από την άποψη αυτή, δεν είναι απαραίτητο μόνο να παρατηρηθεί η ανάπτυξη της διαδικασίας σε ανεπιθύμητες περιοχές, αλλά και να αξιολογηθούν οι υποθέσεις στις παραμέτρους ανεπιθύμητων καταστάσεων στις οποίες η ανάπτυξη αυτή θα οδηγήσει, συμπεριλαμβανομένων των παραμέτρων κινδύνου.
1.3. Χρησιμοποιώντας τους νόμους διανομής τυχαίων μεταβλητών
Για την αξιολόγηση υψηλής ποιότητας ενός πολύπλοκου συστήματος, είναι βολικό να χρησιμοποιείτε τα αποτελέσματα της θεωρίας τυχαίων διεργασιών. Η εμπειρία στην παρατήρηση αντικειμένων δείχνει ότι λειτουργούν με τους όρους δράσης ενός μεγάλου αριθμού τυχαίων παραγόντων. Επομένως, η πρόβλεψη της συμπεριφοράς ενός πολύπλοκου συστήματος μπορεί να έχει νόημα μόνο σε πιθανοτικές κατηγορίες. Με άλλα λόγια, μόνο οι πιθανότητες εμφάνισης τους μπορούν να αναφερθούν για τα αναμενόμενα γεγονότα και σε σχέση με ορισμένες τιμές, είναι απαραίτητο να περιορίσουν τους νόμους της διανομής τους ή άλλων πιθανοτήτων (για παράδειγμα, μεσαίες τιμές, διασπορές κλπ. ).
Για να μελετήσει τη διαδικασία λειτουργίας κάθε συγκεκριμένου σύνθετου συστήματος, λαμβάνοντας υπόψη τους τυχαίους παράγοντες, είναι απαραίτητο να έχουμε μια αρκετά σαφή ιδέα για τις πηγές τυχαίων επιπτώσεων και πολύ αξιόπιστων δεδομένων σχετικά με τα ποσοτικά τους χαρακτηριστικά. Επομένως, οποιοσδήποτε υπολογισμός ή θεωρητική ανάλυση που σχετίζεται με τη μελέτη ενός πολύπλοκου συστήματος προηγείται από την πειραματική συσσώρευση στατιστικού υλικού που χαρακτηρίζει τη συμπεριφορά των μεμονωμένων στοιχείων και το σύστημα στο σύνολό του σε πραγματικές συνθήκες. Επεξεργασία αυτού του υλικού σας επιτρέπει να λαμβάνετε δεδομένα προέλευσης για τον υπολογισμό και την ανάλυση.
Ο νόμος της κατανομής τυχαίας διακύμανσης ονομάζεται λόγος, ο οποίος επιτρέπει τον προσδιορισμό της πιθανότητας μιας τυχαίας μεταβλητής σε οποιοδήποτε διάστημα. Μπορεί να ρυθμιστεί πίνακες, αναλυτικά (ως τύπος) και γραφικά.
Υπάρχουν αρκετοί νόμοι για τη διανομή τυχαίων μεταβλητών.
1.3.1. Ομοιόμορφη κατανομή
Αυτός ο τύπος διανομής χρησιμοποιείται για την απόκτηση πιο πολύπλοκων διανομών, τόσο διακριτού όσο και συνεχούς. Τέτοιες κατανομές λαμβάνονται χρησιμοποιώντας δύο κύριες τεχνικές:
α) αντίστροφες λειτουργίες ·
β) συνδυάζοντας τιμές που διανέμονται από άλλους νόμους.
Ομοιόμορφος νόμος - ο νόμος της διανομής τυχαίων μεταβλητών που έχουν συμμετρική εμφάνιση (ορθογώνιο). Η πυκνότητα της ομοιόμορφης κατανομής δίνεται από τον τύπο:
Εκείνα. Στο διάστημα στο οποίο ανήκουν όλες οι πιθανές τιμές της τυχαίας μεταβλητής, η πυκνότητα εξοικονομεί σταθερή τιμή (Σχήμα 1).
Εικ.1 Λειτουργία της πυκνότητας πιθανότητας και των χαρακτηριστικών της ομοιόμορφης διανομής
Σε μοντέλα απομίμησης οικονομικών διαδικασιών, η ομοιόμορφη κατανομή χρησιμοποιείται μερικές φορές για την προσομοίωση απλών (μονοβάθμια) εργασίας, κατά τον υπολογισμό των δρομολογίων δικτύου της εργασίας, σε στρατιωτική εργασία - για να μοντελοποιήσει το χρονοδιάγραμμα του περάσματος ανά τμήματα, ο χρόνος σκάψιμο του Οι τάφροι και η κατασκευή δομών οχύρωσης.
Η ομοιόμορφη κατανομή χρησιμοποιείται εάν μόνο το γεγονός ότι έχουν μια μέγιστη εξάπλωση είναι γνωστή για τα χρονικά διαστήματα και τίποτα δεν είναι γνωστό για τις κατανομές πιθανότητας αυτών των διασκορπισμάτων.
1.3.2. Διακεκριμένη κατανομή
Η διακεκριμένη κατανομή παρουσιάζεται από δύο νόμους:
1) Ηνομήνη, όπου η πιθανότητα ενός γεγονότος σε διάφορες ανεξάρτητες δοκιμές καθορίζεται από τον τύπο του Bernoulli:
n - τον αριθμό των ανεξάρτητων δοκιμών
m είναι ο αριθμός των γεγονότων σε n δοκιμές.
2) Η κατανομή του Poisson, όπου με μεγάλο αριθμό δοκιμών, η πιθανότητα εμφάνισης του συμβάντος είναι πολύ μικρή και καθορίζεται από τον τύπο:
k - Ο αριθμός των γεγονότων σε διάφορες ανεξάρτητες δοκιμές
Τον μέσο αριθμό συμβάντων σε διάφορες ανεξάρτητες δοκιμές.
1.3.3. Κανονική κατανομή
Η κανονική, ή η Gaussian κατανομή, είναι αναμφισβήτητα ένας από τους σημαντικότερους και συχνά χρησιμοποιούμενους τύπους συνεχών διανομών. Είναι συμμετρικά σε σχέση με τη μαθηματική προσδοκία.
Συνεχής τυχαία ποσότητα Τ. έχει μια κανονική κατανομή πιθανότητας με παραμέτρους Τ. και > O Εάν σχετίζεται η πυκνότητα πιθανότητας (Εικ. 2, Εικ. 3):
Οπου Τ. - αναμενόμενη αξία M [t];
Εικ. 2, σχήμα 3. Λειτουργία της πυκνότητας πιθανότητας και των χαρακτηριστικών της κανονικής διανομής
Οποιαδήποτε πολύπλοκη εργασία στις εγκαταστάσεις της οικονομίας αποτελείται από πολλά σύντομα διαδοχικά στοιχειώδη συστατικά. Επομένως, στις εκτιμήσεις, το κόστος εργασίας προτείνει πάντα ότι η διάρκεια τους είναι μια τυχαία ποικιλία που διανέμεται σύμφωνα με τον κανονικό νόμο.
Σε μοντέλα απομίμησης οικονομικών διαδικασιών, ο νόμος της κανονικής διανομής χρησιμοποιείται για την προσομοίωση πολύπλοκων πολυκατοικιών.
1.3.4. Εκθετική διανομή
Καταλαμβάνει επίσης ένα πολύ σημαντικό μέρος κατά τη διεξαγωγή συστημικής ανάλυσης της οικονομικής δραστηριότητας. Αυτός ο νόμος διανομής υπόκειται σε πολλά φαινόμενα, για παράδειγμα:
1 ώρα παραλαβής της παραγγελίας για την επιχείρηση.
2 επισκέψεις στους αγοραστές του καταστήματος σούπερ μάρκετ.
3 τηλεφωνικές συνομιλίες;
4 Η διάρκεια ζωής των εξαρτημάτων και των κόμβων σε έναν υπολογιστή εγκατεστημένο, για παράδειγμα, στη λογιστική.
Η εκθετική λειτουργία διανομής έχει ως εξής:
F (x) \u003d στο 0 Παράμετρος εκθετικής διανομής,\u003e 0. Η εκθετική κατανομή είναι ειδικές περιπτώσεις διανομής γάμμα. Σύκο. 5 Λειτουργία της πυκνότητας πιθανότητας της διανομής γάμμα Σε μοντέλα απομίμησης οικονομικών διαδικασιών, η εκθετική κατανομή χρησιμοποιείται για την προσομοίωση των διαστημάτων των παραγγελιών που εισέρχονται στην εταιρεία από πολλούς πελάτες. Στη θεωρία αξιοπιστίας, χρησιμοποιείται για την προσομοίωση του χρονικού διαστήματος μεταξύ δύο διαδοχικών ελαττωμάτων. Σε σύνδεση και επιστήμες υπολογιστών - για τη μοντελοποίηση των ροών πληροφοριών. 1.3.5. Γενικευμένη κατανομή της Erland P (t) \u003d στο t≥0; Οπου K-στοιχειώδη διαδοχικά συστατικά που διανέμονται από τον εκθετικό νόμο. Η γενικευμένη κατανομή της Erland χρησιμοποιείται στη δημιουργία τόσο των μαθηματικών όσο και των μοντέλων απομιμήσεων. Αυτή η κατανομή χρησιμοποιείται εύκολα αντί για μια κανονική κατανομή εάν το μοντέλο μειωθεί σε καθαρά μαθηματική εργασία. Επιπλέον, στην πραγματική ζωή υπάρχει μια αντικειμενική πιθανότητα των ομάδων εφαρμογής ως αντίδραση σε ορισμένες ενέργειες, επομένως, εμφανίζονται κλωστές ομάδας. Η χρήση αμιγώς μαθηματικών μεθόδων έρευνας σε μοντέλα αποτελεσμάτων από τέτοιες ομάδες ροών είναι είτε αδύνατο λόγω της έλλειψης μιας μεθόδου για την απόκτηση μιας αναλυτικής έκφρασης ή δύσκολη, δεδομένου ότι οι αναλυτικές εκφράσεις περιέχουν ένα μεγάλο συστηματικό σφάλμα λόγω πολυάριθμων παραδοχών, χάρη σε που ο ερευνητής ήταν σε θέση να λάβει αυτές τις εκφράσεις. Για να περιγράψετε μια από τις ποικιλίες ροής ομάδας, μπορείτε να εφαρμόσετε μια γενικευμένη κατανομή της Erland. Η εμφάνιση των ροών της ομάδας σε σύνθετα οικονομικά συστήματα οδηγεί σε απότομη αύξηση των μέσων διάρκειρων των διαφόρων καθυστερήσεων (εντολές σε ουρές, καθυστερήσεις σε πληρωμές κ.λπ.), καθώς και αύξηση των πιθανοτήτων των επικίνδυνων γεγονότων ή των ασφαλισμένων γεγονότων. 1.3.6. Τριγωνική διανομή Η τριγωνική διανομή είναι πιο ενημερωτική από τη στολή. Για αυτή τη διανομή, καθορίζονται τρεις τιμές - ελάχιστο, μέγιστο και μόδα. Το γράφημα της λειτουργίας πυκνότητας αποτελείται από δύο τμήματα άμεσης, μία από τις οποίες αυξάνεται κατά την αλλαγή Χ. Από την ελάχιστη τιμή μέχρι τη μόδα και το άλλο μειώνεται κατά την αλλαγή Χ. από την τιμή της μόδας στο μέγιστο. Η αξία της μαθηματικής προσδοκίας της τριγωνικής κατανομής είναι ίση με το ένα τρίτο του ποσού του ελάχιστου, της μόδας και το μέγιστο. Η τριγωνική κατανομή χρησιμοποιείται όταν η πιο πιθανή τιμή είναι γνωστή σε κάποιο διάστημα και θεωρείται ότι είναι ένας γραμμικός χαρακτήρας της λειτουργίας της πυκνότητας. Εικ.5 Η λειτουργία πυκνότητας πιθανότητας και τα χαρακτηριστικά τριγωνικής διανομής. Η τριγωνική διανομή είναι εύκολο να εφαρμοστεί και να ερμηνευθεί, αλλά είναι απαραίτητο για την επιλογή του για βαρύτερο λόγο. Σε μοντέλα απομίμησης οικονομικών διαδικασιών, μια τέτοια κατανομή χρησιμοποιείται μερικές φορές για την προσομοίωση του χρόνου πρόσβασης σε βάσεις δεδομένων. 1.4. Σχεδιάζοντας ένα πείραμα υπολογιστή προσομοίωσης Το μοντέλο προσομοίωσης είναι ανεξάρτητο από το επιλεγμένο σύστημα μοντελοποίησης (για παράδειγμα, προσκυνητής ή GPS) σας επιτρέπει να πάρετε τα πρώτα πρώτα σημεία και πληροφορίες σχετικά με το νόμο της διανομής οποιουδήποτε μεγέθους του πειράματος που ενδιαφέρεται (ο πειραματιστής είναι ένα θέμα Αυτό χρειάζεται ποιοτικά και ποσοτικά συμπεράσματα σχετικά με τα χαρακτηριστικά της υπό εξέταση διαδικασίας). 1.4.1. Cyber \u200b\u200bπροσέγγιση για την οργάνωση πειραματικών μελετών σε σύνθετα αντικείμενα και διαδικασίες. Ο σχεδιασμός πειραματισμού μπορεί να θεωρηθεί ως κυβερνητική προσέγγιση στην οργάνωση και τη διεξαγωγή πειραματικών μελετών σε σύνθετα αντικείμενα και διαδικασίες. Η κύρια ιδέα της μεθόδου συνίσταται στη δυνατότητα βέλτιστου ελέγχου του πειράματος στις συνθήκες αβεβαιότητας, η οποία είναι γνωστή σε αυτές τις προϋποθέσεις στις οποίες βασίζεται η κυβερνησία. Σκοπός των περισσότερων ερευνητικών έργων είναι να προσδιοριστούν οι βέλτιστες παραμέτρους ενός πολύπλοκου συστήματος ή βέλτιστων συνθηκών για τη διαδικασία επεξεργασίας: 1. Καθορισμός των παραμέτρων του επενδυτικού σχεδίου υπό συνθήκες αβεβαιότητας και κινδύνου. 2. Η επιλογή των δομικών και ηλεκτρικών παραμέτρων της φυσικής εγκατάστασης, παρέχοντας τον πιο κερδοφόρο τρόπο λειτουργίας. 3. λαμβάνοντας την υψηλότερη δυνατή αντίδραση αντίδρασης μεταβάλλοντας τη θερμοκρασία, την πίεση και τον λόγο των αντιδραστηρίων - στα καθήκοντα της χημείας. 4. Επιλογή συστατικών κράμα για να ληφθεί κράμα με τη μέγιστη τιμή οποιουδήποτε χαρακτηριστικού (ιξώδες, αντίσταση στο κενό κ.λπ.) - σε μεταλλουργία. Κατά την επίλυση των προβλημάτων αυτού του είδους, είναι απαραίτητο να ληφθεί υπόψη η επιρροή ενός μεγάλου αριθμού παραγόντων, ορισμένες από τις οποίες δεν επιδεικνύουν τη ρύθμιση και τον έλεγχο, το οποίο είναι εξαιρετικά δύσκολο να ολοκληρωθεί η θεωρητική έρευνα του προβλήματος. Ως εκ τούτου, πηγαίνουν κατά μήκος της διαδρομής της δημιουργίας βασικών προτύπων μέσω μιας σειράς πειραμάτων. Ο ερευνητής ήταν σε θέση να εκφράσει τα αποτελέσματα του πειράματος σε βολικό για ανάλυση και χρήση. 1.4.2. Ανάλυση παλινδρόμησης και μοντέλο μοντέλου πείραμα Εικ.7 Παράδειγμα κατά μέσο όρο πειραματικών αποτελεσμάτων Τιμές σκέδασης Η V. Σε αυτή την περίπτωση, όχι μόνο σφάλματα μέτρησης και κυρίως η επίδραση των παρεμβολών z J. . Η πολυπλοκότητα του βέλτιστου προβλήματος ελέγχου χαρακτηρίζεται όχι μόνο από την πολυπλοκότητα της ίδιας της εξάρτησης Η V (V \u003d 1, 2, ..., N) αλλά και επηρεάζει z J. Τι κάνει ένα στοιχείο τύχης στο πείραμα. Εθισμός γραφήματος Η V (x i) Καθορίζει τις τιμές σύνδεσης συσχέτισης Η V. και x i. η οποία μπορεί να ληφθεί σύμφωνα με τα αποτελέσματα του πειράματος χρησιμοποιώντας μεθόδους μαθηματικών στατιστικών. Υπολογισμός τέτοιων εξαρτήσεων με μεγάλο αριθμό παραμέτρων εισόδου x i. και σημαντικές παρεμβολές z J. Και είναι το κύριο καθήκον του ερευνητή πειραματιστή. Ταυτόχρονα, το πιο δύσκολο έργο, τόσο πιο αποτελεσματικό η χρήση μεθόδων σχεδιασμού πειράματος. Διακρίνει δύο τύπους πειράματος: Παθητικός; Ενεργός. Για Παθητικό πείραμα Ο ερευνητής οδηγεί μόνο στην παρακολούθηση της διαδικασίας (αλλάζοντας τις παραμέτρους εισόδου και εξόδου). Σύμφωνα με τα αποτελέσματα της παρατήρησης, συνάγεται το συμπέρασμα ότι συνάπτονται οι παράμετροι εισόδου το Σαββατοκύριακο. Το παθητικό πείραμα συνήθως εκτελείται με βάση μια υπάρχουσα οικονομική ή παραγωγική διαδικασία που δεν επιτρέπει την ενεργό παρέμβαση του πειραματιστή. Αυτή η μέθοδος είναι μικρή δαπανηρή, αλλά απαιτεί πολύ χρόνο. Ενεργό πείραμα Εκτελείται κυρίως στις εργαστηριακές συνθήκες, όπου ο πειραματιστής έχει τη δυνατότητα να αλλάξει τα χαρακτηριστικά εισόδου σύμφωνα με ένα προκαθορισμένο σχέδιο. Ένα τέτοιο πείραμα ταχύτερα οδηγεί στο στόχο. Οι αντίστοιχες μέθοδοι προσέγγισης κλήθηκαν ανάλυση παλινδρόμησης. Ανάλυση παλινδρόμησης Πρόκειται για ένα μεθοδολογικό εργαλείο κατά την επίλυση προβλημάτων πρόβλεψης, σχεδιασμού και ανάλυσης οικονομικών δραστηριοτήτων των επιχειρήσεων. Τα καθήκοντα ανάλυσης παλινδρόμησης είναι η καθιέρωση της μορφής της σχέσης μεταξύ των μεταβλητών, της αξιολόγησης της λειτουργίας παλινδρόμησης και της δημιουργίας της επιρροής των παραγόντων στην εξαρτημένη μεταβλητή, η αξιολόγηση των άγνωστων τιμών (πρόβλεψη των τιμών) της εξαρτημένης μεταβλητής. 1.4.3. Ο ορθογώνιος σχεδιασμός της δεύτερης τάξης. Ο ορθογώνιος σχεδιασμός του πειράματος (σε σύγκριση με το απρόβλεπτο) μειώνει τον αριθμό των πειραμάτων και απλοποιεί σημαντικά τους υπολογισμούς κατά την παραλαβή της εξίσωσης παλινδρόμησης. Ωστόσο, ο σχεδιασμός αυτός είναι εφικτός μόνο με τη δυνατότητα διεξαγωγής ενός ενεργού πειράματος. Το πρακτικό μέσο εύρεσης εξτρεμίων είναι ένα πείραμα παράγοντα. Τα κύρια πλεονεκτήματα ενός πειράματος παράγοντα - απλότητα και δυνατότητα εύρεσης ενός ακραίου σημείου (με κάποιο σφάλμα), εάν η άγνωστη επιφάνεια είναι επαρκώς ομαλή και δεν υπάρχουν τοπικά άκρα. Πρέπει να σημειωθεί δύο κύρια μειονεκτήματα ενός πειράματος παράγοντα. Η πρώτη είναι η αδυναμία να βρεθεί ένα άκρο με την παρουσία βημάτων άγνωστων επιφανειών και τοπικών ακραίων. Το δεύτερο είναι ελλείψει μέσου περιγραφής της φύσης της επιφάνειας κοντά στο ακραίο σημείο λόγω της χρήσης των απλούστεων εξισώσεων γραμμικής παλινδρόμησης, η οποία επηρεάζει την αδράνεια του συστήματος ελέγχου, δεδομένου ότι στη διαδικασία διαχείρισης είναι απαραίτητο να διεξαχθεί παράγοντας Πειράματα για την επιλογή των εφέ ελέγχου. Για σκοπούς διαχείρισης, ο ορθογώνιος σχεδιασμός δεύτερης τάξης είναι η πλέον κατάλληλη. Συνήθως, το πείραμα αποτελείται από δύο στάδια. Πρώτον, χρησιμοποιώντας ένα πείραμα παράγοντα, την περιοχή όπου υπάρχει το ακραίο σημείο. Στη συνέχεια, στον τομέα της ύπαρξης ενός ακραίου σημείου, ένα πείραμα πραγματοποιείται για να αποκτήσει την εξίσωση παλινδρόμησης της 2ης τάξης. Η εξίσωση παλινδρόμησης της 2ης τάξης σας επιτρέπει να προσδιορίσετε αμέσως τις επιδράσεις ελέγχου, χωρίς πρόσθετα πειράματα ή πειράματα. Ένα πρόσθετο πείραμα θα απαιτηθεί μόνο σε περιπτώσεις όπου η επιφάνεια απόκρισης θα αλλάξει σημαντικά υπό την επίδραση των ανεξέλεγκτων εξωτερικών παραγόντων (για παράδειγμα, σημαντική μεταβολή της φορολογικής πολιτικής στη χώρα θα επηρεάσει σοβαρά την επιφάνεια της απόκρισης που αντικατοπτρίζει το κόστος παραγωγής του κόστους παραγωγής του κόστους παραγωγής του κόστους παραγωγής του κόστους παραγωγής του επιχείρηση 2. Πρακτική εργασία. Σε αυτή την ενότητα, θα εξετάσουμε το πώς μπορείτε να εφαρμόσετε τις θεωρητικές γνώσεις σε συγκεκριμένες οικονομικές καταστάσεις. Το κύριο καθήκον της συναλλαγματικής ισοτιμίας μας είναι να καθορίσουμε την αποτελεσματικότητα μιας επιχείρησης που ασχολούνται με τις εμπορικές δραστηριότητες. Για την εφαρμογή του έργου, επιλέξαμε το πακέτο προσκυνητών. Το Pack Pilgrim έχει ένα ευρύ φάσμα δυνατοτήτων για προσομοίωση της προσωρινής, χωρικής και οικονομικής δυναμικής των προσομοιωμένων αντικειμένων. Με αυτό, μπορείτε να δημιουργήσετε διακριτά συνεχόμενα μοντέλα. Τα μοντέλα που αναπτύχθηκαν έχουν την ιδιότητα της συλλογικής διαδικασίας διαχείρισης της μοντελοποίησης. Στο κείμενο του μοντέλου, μπορείτε να εισάγετε τυχόν μπλοκ χρησιμοποιώντας την τυπική γλώσσα C ++. Το Pack Pilgrim έχει ιδιοκτησία κινητικότητας, δηλ. Μεταφέρετε σε οποιαδήποτε άλλη πλατφόρμα παρουσία ενός μεταγλωττιστή C ++. Τα μοντέλα στο σύστημα προσκυνητών καταρτίζονται και επομένως έχουν υψηλή ταχύτητα, η οποία είναι πολύ σημαντική για την επεξεργασία λύσεων διαχείρισης και προσαρμοστικής επιλογής επιλογών κάτω από μια κλίμακα χρόνου Ultrahful. Ο κώδικας αντικειμένου που ελήφθη μετά την κατάρτιση μπορεί να ενσωματωθεί στα προγράμματα που αναπτύσσονται ή να μεταδίδουν (πωλούν) στον πελάτη, καθώς όταν τα μοντέλα λειτουργίας δεν χρησιμοποιούνται το πακέτο προσκυνητών εργαλείων. Η πέμπτη έκδοση του προσκυνητή είναι ένα προϊόν λογισμικού που δημιουργήθηκε το 2000 σε αντικειμενοστρεφόμενη βάση και λαμβάνοντας υπόψη τις κύριες θετικές ιδιότητες των προηγούμενων εκδόσεων. Τα πλεονεκτήματα αυτού του συστήματος: Προσανατολισμός στην κοινή μοντελοποίηση υλικών, πληροφοριών και διαδικασιών "μετρητών" · Η παρουσία ενός αναπτυγμένου κέντρου-κελύφους, η οποία επιτρέπει την κατασκευή μοντέλων πολλαπλών επιπέδων στον τρόπο ανάλυσης δομικών συστήματος. Διαθεσιμότητα διεπαφών με βάσεις δεδομένων. Η δυνατότητα των μοντέλων τελικού χρήστη αναλύει άμεσα τα αποτελέσματα χάρη στην τυποποιημένη τεχνολογία για τη δημιουργία λειτουργικής παρακολούθησης του μοντέλου χρησιμοποιώντας οπτικό C ++, Delphi ή άλλα μέσα. Η δυνατότητα ελέγχου των μοντέλων απευθείας κατά τη διάρκεια της εκτέλεσής τους χρησιμοποιώντας ειδικά παράθυρα διαλόγου. Έτσι, το πακέτο προσκυνητών είναι ένα καλό μέσο δημιουργίας τόσο διακριτών όσο και συνεχών μοντέλων, έχει πολλά πλεονεκτήματα και απλοποιεί σημαντικά τη δημιουργία του μοντέλου. Το αντικείμενο της παρατήρησης είναι μια επιχείρηση που ασχολείται με την εφαρμογή των εμπορευμάτων που κατασκευάζονται. Για τη στατιστική ανάλυση αυτών της λειτουργίας της επιχείρησης και συγκρίνοντας τα επιτευχθέντα αποτελέσματα, συγκρίθηκαν όλοι οι παράγοντες που επηρεάζουν τη διαδικασία έκδοσης και πώλησης αγαθών. Η εταιρεία ασχολείται με την παραγωγή αγαθών σε μικρές παρτίδες (το μέγεθος αυτής της παρτίδας είναι γνωστό). Υπάρχει μια αγορά όπου πωλείται αυτό το προϊόν. Το μέγεθος της παρτίδας των αγορασθέντων αγαθών στη γενική περίπτωση είναι μια τυχαία αξία. Το διαρθρωτικό σύστημα της επιχειρηματικής διαδικασίας περιέχει τρία στρώματα. Σε δύο στρώματα υπάρχουν αυτόνομες διαδικασίες "παραγωγή" (προσάρτημα α) και "πωλήσεις" (προσάρτημα Β), τα συστήματα των οποίων είναι ανεξάρτητα μεταξύ τους. Δεν υπάρχουν διαδρομές για συναλλαγή συναλλαγών. Η μεσολαβούμενη αλληλεπίδραση αυτών των διαδικασιών πραγματοποιείται μόνο μέσω πόρων: υλικούς πόρους (υπό μορφή τελικών προϊόντων) και νομισματικών πόρων (κυρίως μέσω του τρέχοντος λογαριασμού). Η διαχείριση των πόρων των μετρητών συμβαίνει σε ξεχωριστό στρώμα - στη διαδικασία "νομισματικές λειτουργίες" (προσάρτημα Β). Εισάγουμε τη λειτουργία στόχου: καθυστέρηση χρόνου πληρωμής από τον τρέχοντα λογαριασμό TRS. Κύρια διαχειριστικές παράμετροι: 1 μονάδες τιμών προϊόντων; 2 όγκος των παραγόμενων εμπορευμάτων · 3 Το ποσό του δανείου που ζητήθηκε στην Τράπεζα. Καθορισμός όλων των άλλων παραμέτρων: 4 ώρες απελευθέρωσης του κόμματος. 5 Αριθμός γραμμών παραγωγής. 6 Διαστήματα παραλαβής της παραγγελίας από τους αγοραστές. 7 διασπορά του μεγέθους της πώλησης παρτίδας. 8 Κόστος εξαρτημάτων και υλικών για την απελευθέρωση του κόμματος. 9 αρχικά κεφάλαια στον τρέχοντα λογαριασμό. Μπορείτε να ελαχιστοποιήσετε το TRS για μια συγκεκριμένη κατάσταση της αγοράς. Το ελάχιστο των THS επιτυγχάνεται με ένα από τα μέγιστα του ποσού του χρήματος στον τρέχοντα λογαριασμό. Επιπλέον, η πιθανότητα ενός συμβάντος κινδύνου - η μη πληρωμή των χρεών για τα δάνεια είναι κοντά στο ελάχιστο (αυτό μπορεί να αποδειχθεί κατά τη διάρκεια ενός στατιστικού πειράματος με το μοντέλο). Πρώτη διαδικασία " Παραγωγή "(Το προσάρτημα Α) εφαρμόζει τις κύριες στοιχειώδεις διαδικασίες. Ο κόμβος 1 μιμείται την παραλαβή των παραγγελιών για την κατασκευή των μερών των προϊόντων από τη διοίκηση της εταιρείας. Κόμβος 2 - Προσπαθήστε να πάρετε ένα δάνειο. Μια βοηθητική συναλλαγή εμφανίζεται σε αυτόν τον κόμβο - ένα αίτημα στην τράπεζα. Knot 3 - Αναμονή για το δάνειο με αυτό το αίτημα. Ο κόμβος 4 είναι η τραπεζική διοίκηση: εάν επιστρέψει το προηγούμενο δάνειο, τότε ένα νέο (διαφορετικό το αίτημα περιμένει στην ουρά). Ο κόμβος 5 μεταφέρει ένα δάνειο στον τρέχοντα λογαριασμό της εταιρείας. Στον κόμβο 6, το βοηθητικό αίτημα καταστρέφεται, αλλά η πληροφόρηση που παρέχεται το δάνειο είναι το "εμπόδιο" για την πορεία του επόμενου αιτήματος για ένα άλλο δάνειο (λειτουργία κράτησης). Η κύρια διάθεση συναλλαγής περνάει χωρίς καθυστέρηση κόμβου 2. Στον κόμβο 7, τα συστατικά καταβάλλονται εάν υπάρχει επαρκές ποσό στον τρέχοντα λογαριασμό (ακόμη και αν το δάνειο δεν έχει ληφθεί). Διαφορετικά, υπάρχει προσδοκία είτε δανείου είτε για πληρωμή προϊόντων που πωλούνται. Στον κόμβο 8, η συναλλαγή καθίσταται ουρά αν οι γραμμές παραγωγής είναι κατειλημμένες. Στον κόμβο 9, πραγματοποιείται η παρασκευή μιας παρτίδας προϊόντων. Στον κόμβο 10 υπάρχει μια πρόσθετη εφαρμογή για την επιστροφή του δανείου, εάν το δάνειο έχει επισημανθεί στο παρελθόν. Αυτή η εφαρμογή εισέρχεται στον κόμβο 11, όπου τα χρήματα μεταφέρονται από τον τρεχούμενο λογαριασμό της εταιρείας στην Τράπεζα. Εάν δεν υπάρχουν χρήματα, η εφαρμογή αναμένει. Μετά την επιστροφή ενός δανείου, η εφαρμογή αυτή καταστρέφεται (στον κόμβο 12). Η Τράπεζα έχει πληροφορίες ότι το δάνειο επιστρέφεται και η Εταιρεία μπορεί να εκδοθεί το ακόλουθο δάνειο (λειτουργία RELS). Η εντολή συναλλαγής περνά τον κόμβο 10 χωρίς καθυστέρηση και στον κόμβο 13 καταστρέφεται. Στη συνέχεια πιστεύεται ότι το κόμμα γίνεται και εισήλθε στην αποθήκη τελικών προϊόντων. Δεύτερη διαδικασία " Εκπτώσεις "(Παράρτημα Β) Μιμιτώνει τις βασικές λειτουργίες των πωλήσεων προϊόντων. Ο κόμβος 14 είναι μια γεννήτρια αγοραστών προϊόντων. Αυτές οι συναλλαγές στρέφονται στην αποθήκη (κόμβος 15) και εάν υπάρχει ένα ζητούμενο ποσό εμπορευμάτων, τα εμπορεύματα απελευθερώνονται από τον αγοραστή. Διαφορετικά, ο αγοραστής περιμένει. Ο κόμβος 16 μιμείται τις διακοπές των αγαθών και τον έλεγχο της ουράς. Μετά τη λήψη των εμπορευμάτων, ο αγοραστής παραθέτει τα χρήματα στον τρέχοντα λογαριασμό της εταιρείας (κόμβος 17). Στον κόμβο 18, ο αγοραστής θεωρείται ότι εξυπηρετείται. Η αντίστοιχη συναλλαγή δεν είναι πλέον απαραίτητη και καταστρέφεται. Τρίτη διαδικασία " Νομισματικές πράξεις "(Παράρτημα Β) Μιμείται την καλωδίωση στη λογιστική. Οι αιτήσεις για καλωδίωση προέρχονται από το πρώτο στρώμα από τους κόμβους 5, 7, 11 (διαδικασία "παραγωγής") και από τον κόμβο 17 (διαδικασία "πωλήσεων"). Οι διακεκομμένες γραμμές δείχνουν τη ροή των νομισματικών ποσών στο λογαριασμό 51 ("λογαριασμός διακανονισμού", κόμβος 20), λογαριασμός 60 ("προμηθευτές, εργολάβοι", κόμβος 22), λογαριασμός 62 ("αγοραστές, πελάτες", κόμβος 21) και λογαριασμός 90 ("Τράπεζα", Κόμβος 19). Οι συμβατικοί αριθμοί ανταποκρίνονται περίπου στο σχέδιο λογιστικών λογαριασμών. Ο κόμβος 23 μιμείται το έργο του οικονομικού διευθυντή. Σερβίρονται συναλλαγές μετά την επανέλθουν σε εκείνους τους κόμβους, από όπου το έκαναν. Αυτοί οι κόμβοι βρίσκονται στην παράμετρο συναλλαγής T → Updount. Ο πηγαίος κώδικας του μοντέλου παρουσιάζεται στην εφαρμογή. Αυτός ο πηγαίος κώδικας κατασκευάζει το ίδιο το μοντέλο, δηλ. Δημιουργεί όλους τους κόμβους (που παρουσιάζονται στο διαρθρωτικό σύστημα της επιχειρηματικής διαδικασίας) και τη σχέση μεταξύ τους. Ο κώδικας μπορεί να δημιουργηθεί από τον σχεδιαστή προσκυνητών (GEM), στην οποία κατασκευάζονται οι διαδικασίες στη φόρμα αντικειμένου (προσάρτημα Ε). Το μοντέλο δημιουργείται χρησιμοποιώντας το Microsoft Developer Studio. Το Microsoft Developer Studio είναι ένα πακέτο λογισμικού που βασίζεται στη γλώσσα C ++. Μετά την ένταξη στο έργο πρόσθετων βιβλιοθηκών (pilgrim.lib, comctl32.lib) και αρχεία πόρων (pilgrim.res), συντάξτε αυτό το μοντέλο. Μετά τη σύνταξη, έχουμε ένα έτοιμο μοντέλο. Ένα αρχείο αναφοράς δημιουργείται αυτόματα στο οποίο αποθηκεύονται τα αποτελέσματα μοντελοποίησης μετά την έναρξη ενός μοντέλου. Το αρχείο αναφοράς παρουσιάζεται στο Παράρτημα Δ. 3. Συμπεράσματα σχετικά με το επιχειρηματικό μοντέλο "αποδοτικότητα παραγωγής" 1) αριθμός κόμβου. 2) Όνομα κόμβου; 3) Τύπος κόμβου; 5) M (t) Μέσος χρόνος αναμονής. 6) μετρητής εισόδου. 7) παραμένει συναλλαγή. 8) την κατάσταση του κόμβου εκείνη τη στιγμή. Το μοντέλο αποτελείται από τρεις ανεξάρτητες διαδικασίες: η κύρια διαδικασία παραγωγής (προσάρτημα Α), η διαδικασία πώλησης προϊόντων (προσάρτημα β) και της διαδικασίας διαχείρισης ταμειακών ροών (αίτηση β). Την κύρια διαδικασία παραγωγής.
Κατά τη διάρκεια της περιόδου μοντελοποίησης μιας επιχειρηματικής διαδικασίας σε έναν κόμβο 1 ("παραγγελίες"), σχηματίστηκαν 10 εφαρμογές για την παρασκευή προϊόντων. Ο μέσος χρόνος σχηματισμού παραγγελίας είναι 74 ημέρες, ως αποτέλεσμα, μία συναλλαγή δεν έχει εισέλθει στο πλαίσιο της διαδικασίας μοντελοποίησης. Οι υπόλοιπες 9 συναλλαγές εισήλθαν στον κόμβο 2 ("ανάπτυξη1"), όπου ο αντίστοιχος αριθμός αιτημάτων στην τράπεζα δημιουργήθηκε για να λάβει δάνειο. Ο μέσος χρόνος αναμονής είναι 19 ημέρες, αυτός ο χρόνος μοντελοποίησης, για τον οποίο πληρούνται όλες οι συναλλαγές. Επιπλέον, μπορεί να φανεί ότι 8 αιτήματα έλαβαν θετική ανταπόκριση στον κόμβο 3 ("έκδοση ανάλυσης"). Ο μέσος χρόνος χρήσης είναι 65 ημέρες. Η φόρτωση αυτού του κόμβου ήταν κατά μέσο όρο 70,4%. Η κατάσταση του κόμβου κατά τη στιγμή του τέλους του χρόνου προσομοίωσης είναι κλειστή, αυτό οφείλεται στο γεγονός ότι αυτός ο κόμβος παρέχει ένα νέο δάνειο μόνο σε περίπτωση επιστροφής του προηγούμενου, επομένως, το δάνειο εκείνη τη στιγμή του τέλους της μοντελοποίησης δεν επιστραφεί (αυτό φαίνεται από τον κόμβο 11). Ο κόμβος 5 εκτελεί ένα δάνειο στον τρέχοντα λογαριασμό της επιχείρησης. Και, όπως φαίνεται από το τραπέζι των αποτελεσμάτων, η Τράπεζα μεταφέρθηκε στον λογαριασμό της εταιρείας 135.000 ρούβλια. Στον κόμβο 6, οι 11 αιτήσεις για πίστωση καταστράφηκαν. Στον κόμβο 7 ("προμηθευτές χρέωσης") καταβλήθηκε στα συστατικά του ποσού του δανείου που ελήφθησαν προηγουμένως (135.000 ρούβλια). Στον κόμβο 8 βλέπουμε ότι 9 συναλλαγές είναι σύμφωνες. Αυτό συμβαίνει όταν όλες οι γραμμές παραγωγής είναι απασχολημένες. Στον κόμβο 9 ("Παραγγελία") πραγματοποιείται άμεσα κατασκευή. Για την κατασκευή μιας παρτίδας προϊόντων διαρκεί 74 ημέρες. Κατά τη διάρκεια της περιόδου μοντελοποίησης, πραγματοποιήθηκαν 9 παραγγελίες. Η φόρτωση αυτού του κόμβου ήταν 40%. Στον κόμβο 13, οι αιτήσεις για την παρασκευή προϊόντων καταστράφηκαν σε ποσότητα 8 τεμ. Με τον υπολογισμό ότι τα μέρη γίνονται και εισήλθαν στην αποθήκη. Ο μέσος χρόνος κατασκευής είναι 78 ημέρες. Στον κόμβο 10 ("Fork 2"), δημιουργήθηκαν 0 επιπλέον επιστροφές δανείου. Αυτές οι εφαρμογές εγγράφηκαν στον κόμπο 11 ("επιστροφή"), όπου η Τράπεζα επέστρεψε ένα δάνειο ύψους 120.000 ρούβλια. Μετά την επιστροφή ενός δανείου, η εφαρμογή επιστροφής καταστράφηκε στον κόμβο 12 σε ποσότητα 7 τεμ. με μέσο χρόνο -37 ημέρες. Τη διαδικασία πώλησης προϊόντων.
Στον κόμβο 14 ("Πελάτες"), δημιουργήθηκαν 26 αγοραστές προϊόντων με μέση ηλικία 28 ημερών. Μια συναλλαγή αναμένει στη γραμμή. Στη συνέχεια, 25 συναλλαγή αγοραστών "μετατράπηκε στην αποθήκη (κόμβος 15) για τα εμπορεύματα. Η φόρτωση της αποθήκης για την περίοδο μοντελοποίησης ήταν 4,7%. Τα προϊόντα από την αποθήκη εκδόθηκαν αμέσως - χωρίς καθυστερήσεις. Ως αποτέλεσμα της έκδοσης προϊόντων, 1077 μονάδες παρέμειναν στην αποθήκη. Επομένως, τα προϊόντα, στη σειρά, η λήψη αγαθών δεν αναμένεται, κατά τη λήψη εντολής, η εταιρεία μπορεί να εκδώσει την επιθυμητή ποσότητα εμπορευμάτων ακριβώς από την αποθήκη. Ο κόμβος 16 μιμείται την απελευθέρωση προϊόντων 25 πελάτες (1 συναλλαγή στη γραμμή). Μετά τη λήψη των εμπορευμάτων, οι πελάτες χωρίς καθυστέρηση κατέβαλαν τα εμπορεύματα που έλαβαν στο ποσό των 119160 ρούβλια. Στον κόμβο 18, όλα τα σερβίρονται συναλλαγές καταστράφηκαν. Διαδικασία διαχείρισης της νομισματικής ροής.
Σε αυτή τη διαδικασία, έχουμε να κάνουμε με την ακόλουθη λογιστική καλωδίωση (αιτήματα για την εκτέλεση των οποίων προέρχονται από κόμβους 5, 7, 11 και 17, αντίστοιχα): 1 Εκδόθηκε πίστωση - 135000 ρούβλια. 2 Πληρωμή στους προμηθευτές εξαρτημάτων - 135000 ρούβλια. 3 Επιστροφή τραπεζικού δανείου - 120000 ρούβλια. 4 Στον τρεχούμενο λογαριασμό έλαβε κεφάλαια από την πώληση προϊόντων - 119160 ρούβλια. Ως αποτέλεσμα αυτών των καλωδίων, λάβαμε τα ακόλουθα στοιχεία σχετικά με τη διανομή κεφαλαίων στους λογαριασμούς: 1) Sch. 90: Τράπεζα. 9 συναλλαγές εξυπηρετούνται, κάποιος αναμένει στη γραμμή. Το υπόλοιπο είναι 9970000 ρούβλια. Απαιτείται - 0 ρούβλια. 2) Sch. 51: R / Λογαριασμός. 17 Συναλλαγές σερβίρονται, κάποιος αναμένει στη γραμμή. Ισορροπία κεφαλαίων -14260 RUB. Απαιτούνται - 15.000 ρούβλια. Κατά συνέπεια, όταν επεκταθεί ο χρόνος μοντελοποίησης, η συναλλαγή στην ουρά συντηρείται αμέσως, λόγω της έλλειψης κεφαλαίων στον λογαριασμό της εταιρείας. 3) Sch. 61: Πελάτες. 25 συναλλαγές που εξυπηρετούνται. Υπόλοιπο ανάπαυσης - 9880840 RUB. Απαιτείται - 0 ρούβλια. 4) Sch. 60: Προμηθευτές. 0 Οι συναλλαγές που εξυπηρετούνται (η διαδικασία της "παροχής εμπορευμάτων" δεν εξετάστηκε στο πλαίσιο αυτού του πειράματος). Το υπόλοιπο είναι 135.000 ρούβλια. Απαιτείται - 0 ρούβλια. Ο κόμβος 23 μιμείται το έργο του οικονομικού διευθυντή. Σερβίρονται 50 συναλλαγές Ανάλυση του χρονοδιαγράμματος "Δυναμική καθυστερήσεων".
Ως αποτέλεσμα του τρόπου λειτουργίας του μοντέλου, εκτός από το αρχείο που περιέχει τις πληροφορίες του πίνακα, λαμβάνουμε ένα γράφημα των καθυστερήσεων στην ουρά (Εικ. 9). Προγραμματίστε τη δυναμική των καθυστερήσεων στην ουρά στον κόμβο "Calc. Ο λογαριασμός 51 υποδεικνύει ότι η καθυστέρηση αυξάνεται με το χρόνο. Ο χρόνος καθυστέρησης των πληρωμών από τον τρέχοντα λογαριασμό της επιχείρησης είναι ≈ 18 ημέρες. Αυτός είναι ένας μάλλον υψηλός δείκτης. Ως αποτέλεσμα, το οποίο η επιχείρηση είναι μικρότερη και λιγότερες πληρωμές και σύντομα ο χρόνος καθυστέρησης θα υπερβεί τον χρόνο αναμονής του πιστωτή - αυτό μπορεί να οδηγήσει σε πτώχευση της επιχείρησης. Αλλά, ευτυχώς, αυτές οι καθυστερήσεις δεν είναι συχνές και ως εκ τούτου είναι ένα πλεονέκτημα σε αυτό το μοντέλο. Μπορείτε να λύσετε την κατάσταση ελαχιστοποιώντας τον χρόνο καθυστέρησης των πληρωμών για μια συγκεκριμένη κατάσταση της αγοράς. Το ελάχιστο του χρόνου καθυστέρησης θα επιτευχθεί σε ένα από τα μέγιστα του ποσού του χρήματος στον τρέχοντα λογαριασμό. Στην περίπτωση αυτή, η πιθανότητα μη καταβολής των χρεών για τα δάνεια θα αποτελέσει το ελάχιστο στο ελάχιστο. Αξιολόγηση της αποτελεσματικότητας του μοντέλου.
Με βάση την περιγραφή των διαδικασιών, μπορούμε να συμπεράνουμε ότι οι διαδικασίες παραγωγής και πωλήσεων γενικά λειτουργούν αποτελεσματικά. Το κύριο πρόβλημα του μοντέλου είναι η διαδικασία της διαχείρισης νομισματικών ροών. Το κύριο πρόβλημα αυτής της διαδικασίας είναι τα χρέη σχετικά με την αποπληρωμή ενός τραπεζικού δανείου, προκαλούν έτσι έλλειψη κεφαλαίων στον τρέχοντα λογαριασμό, πράγμα που δεν θα επιτρέψει ελεύθερα χειρισμό από τα ληφθέντα ταμεία, δεδομένου ότι Πρέπει να σταλούν για την αποπληρωμή του δανείου. Καθώς γνωστοποιήσαμε από την ανάλυση του χρονοδιαγράμματος "δυναμική των καθυστερήσεων", στο μέλλον, η εταιρεία θα είναι σε θέση να εξοφλήσει τους λογαριασμούς που καταβάλλεται εγκαίρως, αλλά όχι πάντα σε σαφώς καθορισμένες γραμμές Ως εκ τούτου, μπορεί να συναχθεί το συμπέρασμα ότι αυτή τη στιγμή το μοντέλο είναι αρκετά αποτελεσματικό, αλλά απαιτεί τη μικρότερη βελτίωση. Η γενίκευση των αποτελεσμάτων των στατιστικών πληροφοριών πραγματοποιήθηκε με την ανάλυση των αποτελεσμάτων του πειράματος. Το πρόγραμμα καθυστερήσεων στον κόμβο "λογαριασμού διακανονισμού" δείχνει ότι, καθ 'όλη τη διάρκεια της μοντελοποίησης, ο χρόνος καθυστέρησης στον κόμβο διαρκεί, κυρίως στο ίδιο επίπεδο, αν και οι περιστασιακά εμφανίζονται καθυστερήσεις. Επομένως, η αύξηση της πιθανότητας εμφάνισης της κατάστασης όταν μια επιχείρηση μπορεί να βρίσκεται στα πρόθυρα της πτώχευσης, εξαιρετικά χαμηλό. Κατά συνέπεια, το μοντέλο είναι αρκετά αποδεκτό, αλλά, όπως αναφέρθηκε παραπάνω, απαιτεί μικρές βελτιώσεις. συμπέρασμα Οι περίπλοκες εσωτερικές σχέσεις και οι μεγάλες στον αριθμό των στοιχείων συστήματος είναι οικονομικά αποδοτικές, άμεσες μέθοδοι μοντελοποίησης και συχνά για την κατασκευή και μελέτη μεταδίδονται σε μεθόδους προσομοίωσης. Η εμφάνιση των τελευταίων τεχνολογιών πληροφοριών αυξάνει όχι μόνο τις δυνατότητες των συστημάτων μοντελοποίησης, αλλά επίσης σας επιτρέπει να εφαρμόσετε μια μεγαλύτερη ποικιλία μοντέλων και μεθόδων για την εφαρμογή τους. Η βελτίωση των τεχνικών υπολογιστικών και τηλεπικοινωνιών οδήγησε στην ανάπτυξη μεθόδων μοντελοποίησης μηχανών, χωρίς το οποίο είναι αδύνατο να μελετηθούν οι διαδικασίες και τα φαινόμενα, καθώς και την κατασκευή μεγάλων και σύνθετων συστημάτων. Με βάση το έργο που έχει γίνει, μπορεί να ειπωθεί ότι η αξία της μοντελοποίησης στην οικονομία είναι πολύ μεγάλη. Ως εκ τούτου, ο σύγχρονος οικονομολόγος πρέπει να είναι καλός στις οικονομικές και μαθηματικές μεθόδους, ώστε να είναι σε θέση να τα εφαρμόζουν πρακτικά για να μοντελοποιήσουν πραγματικές οικονομικές καταστάσεις. Αυτό σας επιτρέπει να εξομοιώνετε καλύτερα τα θεωρητικά θέματα της σύγχρονης οικονομίας, συμβάλλετε στην αύξηση του επιπέδου των προσόντων και της γενικής επαγγελματικής κουλτούρας ενός ειδικού. Με τη βοήθεια διαφόρων επιχειρηματικών μοντέλων, είναι δυνατόν να περιγραφούν οικονομικά αντικείμενα, σχέδια, επικοινωνίες και διαδικασίες όχι μόνο στο επίπεδο μιας ξεχωριστής εταιρείας, αλλά και στο επίπεδο του κράτους. Και αυτό είναι ένα πολύ σημαντικό γεγονός για οποιαδήποτε χώρα: μπορείτε να προβλέψετε τις αναρτήσεις και τις αποκαταστάσεις, τις κρίσεις και τα σκαμνιά στην οικονομία. ΒΙΒΛΙΟΓΡΑΦΙΑ 1. Emelyanov A.A., Vlasova E.A. Μοντελοποίηση υπολογιστών - M.: Κράτος της Μόσχας. Πανεπιστήμιο Οικονομικών, Στατιστικών και Πληροφορικής, 2002. 2. Zamkov O.O., Tolstopyenko A.V., Cheremnykh Yu.N. Μαθηματικές μέθοδοι στα οικονομικά, M., Business and Service, 2001. 3. Koleev v.a., Μαθηματική Οικονομία, Μ., Uniti, 1998. 4. Πειράματα απομίμησης μηχανών Naulor T. με μοντέλα οικονομικών συστημάτων. - m.: Mir, 1975. - 392 σελ. 5. Σοβιετικά B.Ya., Yakovlev S.A. Προσομοίωση συστημάτων. - m.: Υψηλότερη. Shk., 2001. 6. Shannon R.E. Μοντελοποίηση συστήματος προσομοίωσης: Επιστήμη και τέχνη. - m.: Mir, 1978. 7. www.thrusta.narod.ru. Παράρτημα Α. Σχέδιο του επιχειρηματικού μοντέλου "Αποτελεσματικότητα της επιχείρησης" Παράρτημα Β. Η διαδικασία εφαρμογής των προϊόντων του επιχειρηματικού μοντέλου "Αποτελεσματικότητα της επιχείρησης" Παράρτημα Β. Η διαδικασία διαχείρισης ταμειακών ροών του επιχειρηματικού μοντέλου "Αποτελεσματικότητα της επιχείρησης" Παράρτημα Γ. Μοντέλο πηγαίου κώδικα Παράρτημα Δ. Αρχείο αναφοράς μοντέλου Παράρτημα Ε. Οι μαθητές, οι μεταπτυχιακοί φοιτητές, οι νέοι επιστήμονες που χρησιμοποιούν τη βάση γνώσεων στις σπουδές τους και τις εργασίες τους θα είναι πολύ ευγνώμονες σε εσάς. Πανεπιστήμιο Διεθνών Επιχειρήσεων. Σχετικά με το θέμα: Μοντέλο απομίμησης στην οικονομία Πραγματοποίησε φοιτητή c. Οικονομία Tazhibaev Ermek Almaty 2009. Σχέδιο Εισαγωγή 1. Ορισμός της έννοιας της "Μοντελοποίηση απομίμησης" 2. Μοντέλο απομίμησης των αναπαραγωγικών διεργασιών στη βιομηχανία πετρελαίου και φυσικού αερίου 3. Μέθοδος του Monte Carlo ως ένα είδος μοντελοποίησης απομίμησης 4. Παράδειγμα. Αξιολόγηση των γεωλογικών αποθεμάτων συμπέρασμα Εισαγωγή Η μελέτη των εργασιών χρησιμοποιείται ευρέως τόσο αναλυτικά όσο και στατιστικά μοντέλα. Κάθε ένας από αυτούς τους τύπους έχει τα πλεονεκτήματα και τα μειονεκτήματά του. Αναλυτικά μοντέλα πιο αγενών, λαμβάνουν υπόψη τον μικρότερο αριθμό παραγόντων, απαιτούν πάντα τυχόν υποθέσεις και απλοποιήσεις. Αλλά τα αποτελέσματα του υπολογισμού τους είναι ευκολότερα προβλέψιμα, αντανακλούν σαφέστερα την εγγενή στο φαινόμενο. Και το κύριο πράγμα, τα αναλυτικά μοντέλα είναι πιο προσαρμοσμένα για να βρουν βέλτιστες λύσεις. Τα στατιστικά μοντέλα, σε σύγκριση με την αναλυτική, πιο ακριβή και λεπτομερή, δεν απαιτούν τόσο χονδροειδείς υποθέσεις, επιτρέποντάς σας να εξετάσετε ένα μεγάλο (θεωρητικό - απεριόριστο μεγάλο) τον αριθμό των παραγόντων. Αλλά έχουν επίσης τις δικές τους ελλείψεις: η αιμορραγία, η κακή διαταραχή, η υψηλή κατανάλωση του χρόνου της μηχανής, και το σημαντικότερο, η εξαιρετική δυσκολία να βρεθούν βέλτιστες λύσεις που πέφτουν "στην αφή" με την εικασία και τα δείγματα. Η καλύτερη δουλειά στον τομέα των εργασιών βασίζεται στην κοινή χρήση αναλυτικών και στατιστικών μοντέλων. Το αναλυτικό μοντέλο καθιστά δυνατή τη γενική άποψη να καταλάβουμε το φαινόμενο, να παράσχει το περίγραμμα των κύριων μοτίβων. Οποιεσδήποτε διευκρινίσεις μπορούν να ληφθούν χρησιμοποιώντας στατιστικά μοντέλα. Η προσομοίωση προσομοίωσης ισχύει για τις διαδικασίες, κατά τη διάρκεια των οποίων μπορεί να παρέμβει ο άνθρωπος από καιρό σε καιρό. Ένα πρόσωπο που καθοδηγεί τη λειτουργία μπορεί, ανάλογα με την καθιερωμένη κατάσταση, να λάβει αυτές ή άλλες αποφάσεις, όπως και ο παίκτης σκακιού, κοιτάζοντας το διοικητικό συμβούλιο, επιλέγει την επόμενη κίνηση του. Στη συνέχεια, το μαθηματικό μοντέλο οδηγείται, το οποίο δείχνει ποια είναι η κατάσταση που αναμένεται να αναμένεται ως απάντηση στην απόφαση αυτή και σε ποιες συνέπειες θα οδηγήσει μετά από κάποιο χρονικό διάστημα. Η ακόλουθη "τρέχουσα λύση" γίνεται δεκτή ήδη λαμβάνοντας υπόψη την πραγματική νέα κατάσταση κλπ. Ως αποτέλεσμα της επαναλαμβανόμενης επανάληψης μιας τέτοιας διαδικασίας, το κεφάλι, όπως ήταν, "κερδίζει εμπειρία", μελετά από τα δικά της και τα λάθη των άλλων ανθρώπων και σταδιακά μαθαίνουν να κάνουν τις σωστές λύσεις - αν όχι βέλτιστες, τότε σχεδόν βέλτιστες. 1.
Προσδιορισμός της έννοιας της "Μοντελοποίηση απομίμησης" Στη σύγχρονη λογοτεχνία, δεν υπάρχει ενιαία άποψη για το ζήτημα του τι να καταλάβει υπό τη μοντελοποίηση απομιμήσεων. Έτσι υπάρχουν διάφορες ερμηνείες: Στο πρώτο - κάτω από το μοντέλο προσομοίωσης είναι κατανοητό ως μαθηματικό μοντέλο στην κλασική έννοια. Στο δεύτερο - ο όρος αυτός παραμένει μόνο για τα μοντέλα αυτά στα οποία, κατά τον ένα ή τον άλλο τρόπο, διαδραματίζουν τυχαίες επιπτώσεις (μιμείται). Την τρίτη, θεωρείται ότι το μοντέλο προσομοίωσης διαφέρει από μια συμβατική μαθηματική πιο λεπτομερέστερη περιγραφή, αλλά το κριτήριο για το οποίο μπορεί να ειπωθεί όταν το μαθηματικό μοντέλο τελειώνει και η απομίμηση δεν εισάγεται. Η μοντελοποίηση προσομοίωσης εφαρμόζεται στις διαδικασίες, κατά τη διάρκεια των οποίων μπορεί να παρέμβει ο άνθρωπος από καιρό σε καιρό. Ένα άτομο που καθοδηγεί την επιχείρηση μπορεί, ανάλογα με την καθιερωμένη κατάσταση, να λάβει ορισμένες αποφάσεις, όπως και ο σκακιού που κοιτάζει το διοικητικό συμβούλιο, επιλέγει την επόμενη κίνηση του. Στη συνέχεια, το μαθηματικό μοντέλο λειτουργεί, το οποίο δείχνει ποια κατάσταση αναμένεται, σε απάντηση αυτής της απόφασης και σε ποιες συνέπειες θα οδηγήσει μετά από κάποιο χρονικό διάστημα. Η επόμενη ισχύουσα απόφαση γίνεται ήδη λαμβάνοντας υπόψη το πραγματικό νέο περιβάλλον κλπ. Ως αποτέλεσμα της επαναλαμβανόμενης επανάληψης μιας τέτοιας διαδικασίας, το κεφάλι όπως ήταν, «κερδίζει εμπειρία», μελετώντας τα λάθη και τα λάθη των άλλων ανθρώπων και σταδιακά Μάθετε να κάνετε τις σωστές λύσεις - αν όχι βέλτιστη, τότε σχεδόν βέλτιστη. Ας προσπαθήσουμε να απεικονίσουμε τη διαδικασία προσομοίωσης μέσω μιας σύγκρισης με το κλασικό μαθηματικό μοντέλο. Στάδια της διαδικασίας κατασκευής ενός μαθηματικού μοντέλου ενός πολύπλοκου συστήματος: 1. Διατυπώστε βασικές ερωτήσεις σχετικά με τη συμπεριφορά του συστήματος, τις απαντήσεις στις οποίες θέλουμε να χρησιμοποιήσουμε το μοντέλο. 2. Από μια πληθώρα νόμων που ελέγχουν τη συμπεριφορά του συστήματος, εκείνοι των οποίων η επιρροή είναι απαραίτητη κατά την αναζήτηση απαντήσεων στις ερωτήσεις. 3. Εκτός από αυτούς τους νόμους, εάν είναι απαραίτητο, για ένα σύστημα ως σύνολο ή μεμονωμένα μέρη, διατυπώνεται ορισμένη υπόθεση στη λειτουργία. Το κριτήριο της επάρκειας του μοντέλου είναι πρακτική. Δυσκολίες στην κατασκευή ενός μαθηματικού μοντέλου ενός πολύπλοκου συστήματος: Εάν το μοντέλο περιέχει πολλά δεσμούς μεταξύ των στοιχείων, μια ποικιλία μη γραμμικών περιορισμών, ένας μεγάλος αριθμός παραμέτρων κλπ. Τα πραγματικά συστήματα συχνά υπόκεινται στην επίδραση των τυχαίων διαφόρων παραγόντων, η λογιστική των οποίων αντιπροσωπεύει αναλυτικά πολύ μεγάλες δυσκολίες, συχνά ανυπέρβλητες μαζί τους. Η ικανότητα να ταιριάζει με το μοντέλο και το πρωτότυπο με αυτή την προσέγγιση μόνο στην αρχή. Αυτές οι δυσκολίες καθορίζονται από τη χρήση μοντελοποίησης απομιμήσεων. Εφαρμόζεται στα ακόλουθα βήματα: 1. Όπως και πριν, τα κύρια ερωτήματα σχετικά με τη συμπεριφορά ενός πολύπλοκου συστήματος διατυπώνονται, οι απαντήσεις στις οποίες θέλουμε να πάρουμε. 2. Η αποσύνθεση του συστήματος πραγματοποιείται σε απλούστερα μπλοκ ανταλλακτικών. 3. Οι νόμοι και η "εύλογη" υπόθεση διατυπώνονται σχετικά με τη συμπεριφορά ως σύστημα ως σύνολο και μεμονωμένα μέρη. 4. Ανάλογα με τις ερωτήσεις που τίθεται πριν από τον ερευνητή, εισάγεται ο λεγόμενος χρόνος του συστήματος που προσομοιώνει το χρόνο στο πραγματικό σύστημα. 5. Οι απαραίτητες φαινομενολογικές ιδιότητες του συστήματος και τα ξεχωριστά μέρη καθορίζονται επίσημες. 6. Τυχαίες παραμέτρους που εμφανίζονται στο μοντέλο συγκρίνονται με ορισμένες υλοποιήσεις που αποθηκεύονται σταθερές για έναν ή περισσότερους κύκλους χρόνου συστήματος. Στη συνέχεια, εντοπίζονται νέες εφαρμογές. 2.
Μοντελοποίηση διαδικασιών αναπαραγωγής στη βιομηχανία πετρελαίου και φυσικού αερίου Το σύγχρονο στάδιο της ανάπτυξης της βιομηχανίας πετρελαίου και φυσικού αερίου χαρακτηρίζεται από την επιπλοκή των δεσμών και την αλληλεπίδραση φυσικών, οικονομικών, οργανωτικών, περιβαλλοντικών και άλλων παραγόντων παραγωγής, τόσο σε επίπεδο μεμονωμένων επιχειρήσεων όσο και σε περιοχές πετρελαίου και φυσικού αερίου και σε επίπεδο δημόσιας βιομηχανίας. Στη βιομηχανία πετρελαίου και φυσικού αερίου, η παραγωγή διακρίνεται από τις μεγάλες περιόδους, η παραγωγή παραγωγής - η διαδικασία εγκαίρως (αναζήτηση και εξερεύνηση, ανάπτυξη και ρύθμιση, παραγωγή πετρελαίου, αέριο και συμπύκνωμα), η παρουσία των μετατοπίσεων και καθυστέρησης καθυστέρησης, η δυναμική Οι πόροι που χρησιμοποιούνται και άλλοι παράγοντες, οι τιμές πολλών από τα οποία φοριούνται πιθανοτικούς χαρακτήρες. Οι αξίες αυτών των παραγόντων μεταβάλλονται συστηματικά λόγω της θέσης σε λειτουργία νέων καταθέσεων, καθώς και να μην επιβεβαιώσουν τα αναμενόμενα αποτελέσματα για την ανάπτυξη. Αυτό αναγκάζει τη βιομηχανία πετρελαίου και φυσικού αερίου να αναθεωρεί περιοδικά τα σχέδια για την αναπαραγωγή πάγιων περιουσιακών στοιχείων και ανανεώσιμων πόρων, προκειμένου να βελτιστοποιηθούν τα αποτελέσματα των παραγωγικών και οικονομικών δραστηριοτήτων. Κατά την κατάρτιση σχεδίων, η ουσιαστική βοήθεια σε άτομα που προετοιμάζει ένα σχέδιο οικονομικής απόφασης μπορεί να παράσχει τη χρήση μεθόδων μαθηματικής μοντελοποίησης, συμπεριλαμβανομένης της απομίμησης. Η ουσία αυτών των μεθόδων είναι η πολλαπλή αναπαραγωγή των προγραμματισμένων διαλυμάτων με μεταγενέστερη ανάλυση και επιλογή του πιο λογικού από αυτούς στο καθορισμένο σύστημα κριτηρίων. Χρησιμοποιώντας ένα μοντέλο προσομοίωσης, μπορείτε να δημιουργήσετε ένα ενιαίο δομικό σχήμα που να ενσωματώνει τους λειτουργικούς ελέγχους (στρατηγικούς, τακτικούς και επιχειρησιακούς προγραμματισμούς) για τις κύριες βιομηχανικές διαδικασίες της βιομηχανίας (αναζητήσεις, εξερεύνηση, ανάπτυξη, εξόρυξη, μεταφορές, επεξεργασία πετρελαίου και αερίου). 3.
Monte Carlo Μέθοδος ως είδοςΠροσομοίωση προσομοίωσης Η ημερομηνία γέννησης της μεθόδου Montte Carlo θεωρείται ότι είναι 1949, όταν εμφανίστηκε ένα άρθρο που ονομάζεται "μέθοδος Monte Carlo". Οι δημιουργοί αυτής της μεθόδου θεωρούν τους Αμερικανούς μαθηματικούς J. Neuman και S. Ulama. Στην ΕΣΣΔ, τα πρώτα άρθρα σχετικά με τη μέθοδο Monte Carlo δημοσιεύθηκαν το 1955-1956. Είναι περίεργο ότι η θεωρητική βάση της μεθόδου ήταν γνωστή για μεγάλο χρονικό διάστημα. Επιπλέον, ορισμένα από τα καθήκοντα των στατιστικών υπολογίστηκαν μερικές φορές με τη βοήθεια τυχαίων δειγμάτων, δηλ. Στην πραγματικότητα, από το Monte Carlo. Ωστόσο, πριν από την εμφάνιση ηλεκτρονικών υπολογιστικών μηχανών (υπολογιστές), αυτή η μέθοδος δεν μπόρεσε να βρει καμία ευρεία χρήση, για την προσομοίωση τυχαίων μεταβλητών "χειροκίνητα - πολύ επίπονη εργασία. Έτσι, η εμφάνιση της μεθόδου Monta-Carlo ως μια πολύ παγκόσμια αριθμητική μέθοδος ήταν μόνο δυνατή λόγω του υπολογιστή εμφάνισης. Το ίδιο το όνομα "Monte Carlo" προέρχεται από την πόλη του Monte Carlo στο Πριγκιπάτο του Μονακό, διάσημο για το σπίτι του παιχνιδιού. Η ιδέα της μεθόδου είναι εξαιρετικά απλή και έχει ως εξής. Αντί να περιγράψει τη διαδικασία χρησιμοποιώντας μια αναλυτική συσκευή (διαφορικές ή αλγεβρικές εξισώσεις), παράγεται μια "κλήρωση" ενός τυχαίου φαινομένου χρησιμοποιώντας μια ειδικά οργανωμένη διαδικασία, η οποία περιλαμβάνει ένα ατύχημα και δίνει τυχαίο αποτέλεσμα. Στην πραγματικότητα, η συγκεκριμένη εφαρμογή της τυχαίας διαδικασίας αναπτύσσεται κάθε φορά διαφορετικά. Επίσης, ως αποτέλεσμα της στατιστικής μοντελοποίησης, παίρνουμε ένα νέο, διαφορετικό από την άλλη εφαρμογή της υπό εξέταση διαδικασίας. Τι μπορεί να μας δώσει; Από μόνη της, τίποτα, όπως, όπως, λένε, μια περίπτωση της σκλήρυνσης ενός ασθενούς με ένα φάρμακο. Ένα άλλο πράγμα, αν υπάρχουν πολλές τέτοιες εφαρμογές. Αυτό το σύνολο υλοποιήσεων μπορεί να χρησιμοποιηθεί ως ένα συγκεκριμένο τεχνητό στατιστικό υλικό, το οποίο μπορεί να υποβληθεί σε επεξεργασία με συμβατικές μεθόδους μαθηματικών στατιστικών. Μετά από αυτή τη θεραπεία, τα οποία αποκτήθηκαν τυχόν χαρακτηριστικά ενδιαφέροντος για εμάς: τις πιθανότητες των γεγονότων, των μαθηματικών προσδοκιών και διασπορά τυχαίων μεταβλητών κλπ. Όταν μοντελοποιεί τυχαία φαινόμενα από το Monte Carlo, χρησιμοποιούμε την πιο ευκαιρία ως μια συσκευή μελέτης, αναγκάζοντας το "Εργάζεται σε εμάς. " Συχνά, μια τέτοια δεξίωση είναι απλούστερη από τις προσπάθειες οικοδόμησης ενός αναλυτικού μοντέλου. Για πολύπλοκες επιχειρήσεις στις οποίες συμμετέχουν ένας μεγάλος αριθμός στοιχείων (αυτοκίνητα, άνθρωποι, οργανισμούς, προϊόντα κοινής ωφέλειας), όπου οι τυχαίοι παράγοντες είναι δύσκολο να αλληλοσυνδεθούν, όπου η διαδικασία είναι σαφώς nemarkovskpy, η μέθοδος στατιστικής μοντελοποίησης, κατά κανόνα, αποδεικνύεται ευκολότερη από την αναλυτική (και συχνά συμβαίνει το μόνο δυνατό). Στην ουσία, οποιαδήποτε πιθανοτική εργασία μπορεί να επιλυθεί από τη μέθοδο Monte Carlo, αλλά δικαιολογείται μόνο όταν η διαδικασία σχεδίασης είναι ευκολότερη και όχι πιο δύσκολη από τον αναλυτικό υπολογισμό. Ας δώσουμε ένα παράδειγμα όταν η μέθοδος Monte Carlo είναι δυνατή, αλλά εξαιρετικά nerazen. Αφήστε, για παράδειγμα, για κάποιο σκοπό, γίνονται τρεις ανεξάρτητες λήψεις, εκ των οποίων το καθένα πέφτει στον στόχο με πιθανότητα 1/2. Απαιτείται να βρούμε την πιθανότητα τουλάχιστον ενός χτυπήματος. Ο στοιχειώδης υπολογισμός μας δίνει την πιθανότητα τουλάχιστον ενός χτυπήματος ίση με 1 - (1/2) 3 \u003d 7/8. Η ίδια εργασία μπορεί να λυθεί και να "σχεδιάζει", στατιστική μοντελοποίηση. Αντί των "τριών βολών", θα ρίξουμε "τρία νομίσματα", λαμβάνοντας υπόψη, να πω, το οικόσημο - για το χτύπημα, την απόφαση - για "ολίσθηση". Βιώνει "επιτυχημένη", αν τουλάχιστον ένα από τα οικόσημο είναι ένα από τα κέρματα. Θα παράγουμε πολύ, πολλά πειράματα, υπολογίζουμε τον συνολικό αριθμό της "καλής τύχης" και διαιρέστε τον αριθμό των παραγωγών n. Έτσι, έχουμε τη συχνότητα της εκδήλωσης και είναι κοντά στην πιθανότητα με μεγάλο αριθμό πειραμάτων. Λοιπόν, τι; Εφαρμόστε μια τέτοια δεξίωση θα μπορούσε ένα άτομο που δεν γνωρίζει καν τη θεωρία των πιθανοτήτων, ωστόσο, κατ 'αρχήν, είναι δυνατόν. Η μέθοδος Monte Carlo είναι μια αριθμητική μέθοδος επίλυσης μαθηματικών προβλημάτων χρησιμοποιώντας τη μοντελοποίηση τυχαίων μεταβλητών. Εξετάστε ένα απλό παράδειγμα που απεικονίζει τη μέθοδο. Παράδειγμα 1. Ας υποθέσουμε ότι πρέπει να υπολογίσουμε την περιοχή του επίπεδου σχήματος S. Αυτό μπορεί να είναι ένα αυθαίρετο σχήμα με ένα καμπυλόγραμμο όριο, που ορίζεται γραφικά ή αναλυτικά, συνδεδεμένο ή αποτελούμενο από διάφορα κομμάτια. Αφήστε το να είναι το σχήμα που φαίνεται στο ΣΧ. 1, και υποθέστε ότι είναι όλα τοποθετημένα μέσα σε ένα τετράγωνο. Επιλέξτε μέσα στο τετράγωνο n τυχαίων κουκίδων. Δηλώστε με τον αριθμό των σημείων που προέβαλαν στο εσωτερικό του S. γεωμετρικά προφανώς, η περιοχή S είναι περίπου ίση με την αναλογία F / N. Όσο μεγαλύτερη, τόσο μεγαλύτερη είναι η ακρίβεια αυτής της αξιολόγησης. Δύο χαρακτηριστικά της μεθόδου Monte Carlo. Το πρώτο χαρακτηριστικό της μεθόδου είναι η απλή δομή του υπολογιστικού αλγορίθμου. Το δεύτερο χαρακτηριστικό της μεθόδου είναι το σφάλμα των υπολογισμών, κατά κανόνα, είναι ανάλογη με το D / N2, όπου το D είναι μερικά μόνιμα, ο N είναι ο αριθμός των δοκιμών. Μπορεί να φανεί ότι για να μειώσετε το σφάλμα 10 φορές (με άλλα λόγια, για να πάρετε ένα άλλο πιστό δεκαδικό σημάδι σε απάντηση), είναι απαραίτητο να αυξηθεί η n (δηλ., Ο όγκος της εργασίας) είναι 100 φορές. Είναι σαφές ότι είναι αδύνατο να επιτευχθεί υψηλή ακρίβεια. Επομένως, συνήθως λέγεται ότι η μέθοδος Monte Carlo είναι ιδιαίτερα αποτελεσματική στην επίλυση αυτών των καθηκόντων στις οποίες απαιτείται το αποτέλεσμα με μικρή ακρίβεια (5-10%). Η μέθοδος εφαρμογής της μεθόδου Monte Carlo στη θεωρία είναι αρκετά απλή. Για να ληφθεί ένα τεχνητό τυχαίο δείγμα από ένα σύνολο ποσοτήτων που περιγράφονται από κάποια λειτουργία διανομής πιθανοτήτων, ακολουθεί: 1. Δημιουργήστε ένα γράφημα ή έναν πίνακα της λειτουργίας ολοκληρωμένης διανομής με βάση έναν αριθμό αριθμών που αντικατοπτρίζει τη διαδικασία υπό μελέτη (και όχι βασισμένη σε έναν αριθμό τυχαίων αριθμών) και οι τιμές της τυχαίας μεταβλητής διαδικασίας κατατίθενται κατά μήκος της τετμικίνης άξονας (Χ) και τις τιμές πιθανότητας (από 0 έως 1) - στον άξονα της τεταγμένης (Y). 2. Με τη βοήθεια μιας γεννήτριας τυχαίων αριθμών για να επιλέξει έναν τυχαίο δεκαδικό αριθμό από 0 έως 1 (με τον απαιτούμενο αριθμό απορρίψεων). 3. Κρατήστε το οριζόντιο άμεσο από το σημείο στον άξονα εντοπισμού που αντιστοιχεί στον επιλεγμένο τυχαίο αριθμό, μέχρι τη διασταύρωση με την καμπύλη κατανομής πιθανότητας. 4. Χαμηλώστε από αυτό το σημείο διασταύρωσης κάθετα στον άξονα topcissa. σι. Επαναλάβετε τα βήματα 2-5 για όλες τις απαιτούμενες τυχαίες μεταβλητές, ακολουθώντας τη σειρά με την οποία καταγράφηκαν. Το γενικό νόημα είναι εύκολο να κατανοηθεί με ένα απλό παράδειγμα: Ο αριθμός κλήσεων προς τον τηλεφωνικό σταθμό για 1 λεπτό αντιστοιχεί στην ακόλουθη κατανομή: Αριθμός κλήσεων Αθροιστική πιθανότητα περίπου 0,10 0,10 Ας υποθέσουμε ότι θέλουμε να διεξάγουμε ένα ψυχικό πείραμα για πέντε χρονικές περιόδους. Κατασκευάζουμε ένα σωρευτικό πρόγραμμα διανομής πιθανοτήτων. Με τη βοήθεια μιας γεννήτριας τυχαίων αριθμών, λαμβάνουμε πέντε αριθμούς, καθένα από τα οποία χρησιμοποιείται για τον προσδιορισμό του αριθμού κλήσεων σε αυτό το χρονικό διάστημα. Ranom Number Random Αριθμός κλήσεων Λαμβάνοντας μερικά ακόμη δείγματα, μπορείτε να βεβαιωθείτε ότι αν οι αριθμοί που χρησιμοποιούνται πραγματικά κατανέμονται ομοιόμορφα, κάθε μία από τις τιμές της υπό μελέτη αξίας θα εμφανιστεί με την ίδια συχνότητα με τον σουρεαλιστικό κόσμο και θα λάβουμε αποτελέσματα τυπικά του συμπεριφορά του υπό μελέτη του συστήματος. Ας επιστρέψουμε για παράδειγμα. Για να υπολογίσετε, έπρεπε να επιλέξουμε τυχαίες κουκίδες σε ένα μόνο τετράγωνο. Πώς να το κάνετε σωματικά; Φανταστείτε ένα τέτοιο πείραμα. Εικ.1. (Σε μια μεγεθυμένη κλίμακα) με το σχήμα S και το τετράγωνο κρεμασμένο στον τοίχο ως στόχο. Ο σκοπευτής, ο οποίος ήταν σε κάποια απόσταση από τον τοίχο, πυροβολεί n φορές, στοχεύοντας στο κέντρο της πλατείας. Φυσικά, όλες οι σφαίρες δεν θα ξαπλώνουν ακριβώς στο κέντρο: προσπαθούν στο στόχο n τυχαία κουκκίδες. Είναι δυνατόν να αξιολογηθεί η S. Square σε αυτά τα σημεία. Είναι σαφές ότι με το υψηλό βέλος προσόντων, το αποτέλεσμα της εμπειρίας θα είναι πολύ κακό, αφού σχεδόν όλες οι σφαίρες θα πέσουν κοντά στο κέντρο και θα πέσουν στο S. Δεν είναι δύσκολο να καταλάβουμε ότι η μέθοδος υπολογισμού της περιοχής θα ισχύει μόνο όταν τα τυχαία σημεία δεν θα είναι απλά "τυχαία", και επίσης "ομοιόμορφα διάσπαρτα" σε όλη την πλατεία. Στους στόχους των λειτουργιών των εργασιών, η μέθοδος Monte Carlo χρησιμοποιείται σε τρεις κύριους ρόλους: 1) κατά τη μοντελοποίηση πολύπλοκων, ολοκληρωμένων λειτουργιών, όπου υπάρχουν πολλοί αλληλεπιδρώντοι τυχαίοι παράγοντες. 2) κατά τον έλεγχο της εφαρμογής απλούστερων, αναλυτικών μεθόδων και αποσαφηνίζοντας τους όρους της εφαρμογής τους · 3) Προκειμένου να αναπτυχθούν τροποποιήσεις σε αναλυτικούς τύπους όπως "εμπειρικές φόρμουλες" στην τέχνη. 4.
Παράδειγμα. Αξιολόγηση των γεωλογικών αποθεμάτων Για να εκτιμηθεί η αξία των ανακτήσιμων αποθεματικών, είναι απαραίτητο, καταρχάς, να καθορίσει το ποσό των συνολικών ή γεωλογικών αποθεμάτων. Ανάλυση των δομικών παγίδων. Για να εκτιμηθεί το περιεχόμενο στη δομική παγίδα του πετρελαίου ή / και του αερίου, οι γεωλόγοι αναζήτησης και του πεδίου και της γεωφυσικής πρέπει να εξετάσουν τη φύση της δομικής παγίδας. Μια τέτοια μελέτη είναι απαραίτητη για τον προσδιορισμό του πιθανού μεγέθους των γεωλογικών αποθεμάτων. Το εύρος των αλλαγών αποθεμάτων καθορίζεται από τον συνδυασμό των ακόλουθων εκτιμήσεων: ο όγκος των ιζηματογενών πετρωμάτων (RV), πορώδες (F), κορεσμός περίκο νερού (SW), αποτελεσματική ισχύ (NP) G. Ορισμός των πιθανών τιμών παραμέτρων. Σε αυτό το στάδιο, οι Γεωλόγοι θα πρέπει να εκτιμήσουν την αξία των πιθανοτήτων για τις παραμέτρους που χρησιμοποιούνται για τον υπολογισμό των γεωλογικών αποθεμάτων. Κάθε παράμετρος αποδίδεται στις τιμές διαστήματος πιθανοτήτων, με βάση τους βαθμούς εμπειρογνωμόνων των γεωλόγων Ανάλυση διαγραμμάτων πιθανότητας. Γραφικά συσσωρευμένη πιθανότητα. Η συνεχή καμπύλη είναι η πιθανότητα ότι η τιμή της υπό εξέταση παραμέτρων θα είναι "ίση με ή μεγαλύτερη" από την τιμή στο σημείο του οριζόντιου άξονα, ο οποίος τέμνει την κατακόρυφη γραμμή που έχει σχεδιαστεί από την καμπύλη, με την κάθετη προς τον κατακόρυφο άξονα Για οποιεσδήποτε τιμές από 0 έως 100%. Η καμπύλη είναι χτισμένη σύμφωνα με ιστογράμματα, τα οποία εμφανίζονται ως σκιασμένες στήλες. Τα ιστογράμματα αποτελούν ειδική αξιολόγηση των γεωλόγων αναζήτησης και πεδίου και γεωφυσικούς που παρέχουν πληροφορίες στην ακόλουθη μορφή: Κατά τη γνώμη μας, η πιθανότητα ότι ο όγκος των καταθέσεων βράχων κυμαίνεται από 0 έως 390 χιλιάδες πόδια είναι 10%. Σύμφωνα με την εκτίμησή μας, η πιθανότητα ότι ο όγκος της φυλής είναι από 380 έως 550 cu. τα πόδια είναι 15% και ούτω καθεξής. Αυτές οι εκτιμήσεις των γεωλόγων συσσωρεύονται και ως εκ τούτου επιτυγχάνεται μια κυρίαρχη καμπύλη πιθανότητας. Με βάση αυτή την καμπύλη, μπορείτε να εξηγήσετε τις τιμές των αναμενόμενων πιθανοτήτων για τις παραμέτρους που μελετήθηκαν. Μετρώντας τα γεωλογικά αποθέματα. Ο όγκος των γεωλογικών αποθεμάτων υπολογίζεται χρησιμοποιώντας τον ακόλουθο τύπο: RVXFX (L-SW) x NPX - όπου το FV είναι ο συντελεστής ελαίου που οδηγεί σε συνθήκες επιφάνειας. Χρήση μέσων τιμών για να ληφθεί κατά προσέγγιση εκτίμηση των γεωλογικών αποθεμάτων. Κατά την εκτίμηση της κατά προσέγγισης ποσότητας πετρελαίου στον τομέα, θα χρησιμοποιήσουμε τις ακόλουθες τιμές παραμέτρων: Ο μέσος όγκος του όγκου των βράχων είναι 1,35 εκατομμύρια Acrofites (1 Acrofut \u003d 7760 βαρέλια ή περίπου 1230 m3) Μεσαίο πορώδες - 17% Μέσος κορεσμός νερού - 20% Μέση αποτελεσματική ισχύ - 75% Ο συντελεστής προσέγγισης - 1.02 (σε συνθήκες δεξαμενής δεν υπάρχει δωρεάν αέριο). Τώρα θα αντικαταστήσουμε αυτές τις τιμές στον τύπο (1,35 x 1 0) x (1 7%) x (1 - 20%) x (75%) Χ (, δηλαδή: 1350000x0,17x0,8x0,75x0,98) \u003d 134946 Acrofites ή 134946x7760 \u003d 1047413760, 1047413760 δηλ. Περίπου 1.047 δισεκατομμύρια βαρέλια πετρελαίου (165 εκατομμύρια M3, 141 εκατομμύρια τόνους). Ένας πιο κοινός τρόπος: Μέθοδος Monte Carlo. Πρώτα απ 'όλα, είναι απαραίτητο να κατασκευάσουμε ιστογράμματα και καμπύλες της συσσωρευμένης πιθανότητας για κάθε παράμετρο. Για κάθε μία από αυτές τις καμπύλες, είναι τυχαίο να επιλέξετε ένα σημείο που αντιστοιχεί στην πιθανότητα από 0 έως 100%. Μετά από αυτό, είναι απαραίτητο να αντικατασταθεί η αξία της παραμέτρου που αντιστοιχεί σε αυτή την πιθανότητα στην εξίσωση. Στη συνέχεια, μπορείτε να μετρήσετε τα γεωλογικά αποθέματα σε αυτές τις τιμές των παραμέτρων και να υπολογίσετε την πλήρη πιθανότητα. Για παράδειγμα: Για συσσωρευμένη πιθανότητα 50%, έχουμε 25% πιθανότητα ότι ο όγκος των βράχων θα είναι 690000 Acrolets Για μια συσσωρευμένη πιθανότητα 20%, έχουμε 35% πιθανότητα ότι το πορώδες θα είναι το 21% Για 25% συσσωρευμένη πιθανότητα, έχουμε κατά 25% την πιθανότητα ότι η περιεκτικότητα σε νερό είναι 33% Η συσσωρευμένη πιθανότητα 80% δείχνει 32% πιθανότητα ότι η αποτελεσματική ισχύ θα είναι 74%. Ο συντελεστής προσέγγισης λαδιού σε συνθήκες επιφανείας λαμβάνεται ίση με 1,02. Χρησιμοποιώντας αυτές τις τιμές, υπολογίζουμε τα γεωλογικά αποθέματα: (0,69 x 1 0) x (2 1%) x (L - 33%) x (74%) x ---- Αποφασίστε, παίρνουμε περίπου: 521 εκατομμύρια βαρέλια πετρελαίου (82 εκατομμύρια m3, 70 εκατομμύρια τόνους). Το αποτέλεσμα αυτού του υπολογισμού είναι σημαντικά μικρότερο από όταν χρησιμοποιείται μέσες τιμές παραμέτρων. Πρέπει να γνωρίζουμε την πιθανότητα αυτού του αποτελέσματος. Για τον προσδιορισμό της πιθανότητας ότι τα γεωλογικά αποθέματα θα είναι 521 εκατομμύρια βαρέλια πετρελαίου, υπολογίζουμε την πλήρη πιθανότητα: 0,25 x 0,35 x 0,20 x 0,35 x 1,0 \u003d 0,006125, δηλ. Η πιθανότητα είναι 0,6125% - όχι πολύ καλή! Αυτή η διαδικασία επαναλαμβάνεται πολλές φορές, για την οποία χρησιμοποιήσαμε το πρόγραμμα που καταρτίστηκε για τον υπολογιστή. Αυτό μας δίνει μια λογική πιθανότητα διανομής γεωλογικών αποθεμάτων. Ως αποτέλεσμα της εκτέλεσης του προγράμματος, προβλεπόταν ο όγκος των γεωλογικών αποθεμάτων πετρελαίου: ο όγκος του πετρελαίου είναι πιθανότερο να είναι 84658 Acrofites ή περίπου 88,5 εκατομμύρια τόνους. Χρησιμοποιήστε τη διανομή συσσωρευμένης πιθανότητας. Στο επόμενο βήμα, χρησιμοποιώντας το πρόγραμμα, πρέπει να επιλέξετε αρκετές εκτιμήσεις με τις πιθανότητες. Για κάθε μία από αυτές τις τιμές, υπολογίζονται η δυναμική παραγωγής, οι παραλλαγές του έργου ανάπτυξης. Αυτοί οι υπολογισμοί μπορούν στη συνέχεια να χρησιμοποιηθούν για την αξιολόγηση του κόστους λειτουργίας κεφαλαίου για κάθε τιμή αποθεμάτων που επιλέγεται από το χρονοδιάγραμμα. Στη συνέχεια, οι οικονομικοί δείκτες αναλύονται στη συνέχεια για κάθε αξία αποθεμάτων. Μετά από κάποιο χρονικό διάστημα, και μετά από διάτρητους φρεάτια, ο συντελεστής επιτυχίας υπολογίζεται από τον τύπο. Αναλογία επιτυχίας \u003d αριθμός φρεατίων Vasche. Πετρέλαιο \\ αριθμός κυκλοφορίας. Καλά Κατά τη διάρκεια της περιόδου για αρκετά χρόνια καταρτίζεται ένα διάγραμμα πιθανότητας επιτυχίας. Για παράδειγμα, για την υπό όρους περιοχή, το χρονοδιάγραμμα του συντελεστή επιτυχίας καταρτίζεται μετά τα εννέα χρόνια λειτουργίας. Μέσα από τις κατάλληλες τιμές επιτυχίας είναι υπό όρους γραμμές, τότε ένα φάκελο καμπύλης πραγματοποιείται μέσω των κέντρων τους. Τα ακραία σημεία αυτών των γραμμών αντιστοιχεί στο μέγιστο επίπεδο επιτυχίας και η κεντρική καμπύλη αντιστοιχεί στο πιο πιθανό επίπεδο επίτευξης της επιτυχίας των τιμών πιθανότητας καθορίζεται με βάση υποκειμενικές κρίσεις εμπορικών γεωλόγων. Ομοίως, καθορίζεται το επίπεδο των αποθεμάτων ανά φρεάτιο. Με τη βοήθεια του ποσοστού επιτυχίας και των μέσων αποθεμάτων ανά φρεάτιο, εκτιμάται η πιθανότητα επίτευξης ενός ορισμένου επιπέδου αποθεμάτων που απαιτούνται για την κατάρτιση του προγράμματος γεώτρησης και τον καθορισμό του αριθμού των καλά απαιτούμενων φρεατίων. συμπέρασμα Το κύριο μειονέκτημα των αναλυτικών μοντέλων είναι ότι αναπόφευκτα απαιτούν από τυχόν υποθέσεις, ειδικότερα, για τη "γενναιότητα" της διαδικασίας. Η αποδοτικότητα αυτών των υποθέσεων μπορεί να μην εκτιμηθεί πάντοτε χωρίς υπολογισμούς ελέγχου, αλλά παράγονται από τον Monte Carlo. Η εικαστικά μιλώντας, η μέθοδος Monte Carlo στα καθήκοντα της έρευνας των επιχειρήσεων διαδραματίζει το ρόλο ενός είδους παραλαβής. Τα στατιστικά μοντέλα δεν απαιτούν σοβαρές υποθέσεις και απλουστεύσεις. Κατ 'αρχήν, στο στατιστικό μοντέλο "ανεβαίνει" οτιδήποτε - τυχόν νόμους διανομής, οποιαδήποτε πολυπλοκότητα του συστήματος, η πληθώρα των κρατών της. Η κύρια έλλειψη στατιστικών μοντέλων είναι η ογκώδη και η πολυπλοκότητά τους. Ένας τεράστιος αριθμός εφαρμογών που απαιτούνται για την εύρεση των επιθυμητών παραμέτρων με αποδεκτή ακρίβεια απαιτεί πολύ χρόνο μηχανής. Επιπλέον, τα αποτελέσματα της στατιστικής μοντελοποίησης είναι πολύ πιο δύσκολο να κατανοηθούν από τους υπολογισμούς σε αναλυτικά μοντέλα και, κατά συνέπεια, είναι πιο δύσκολο να βελτιστοποιηθεί η λύση (είναι απαραίτητο να "λαβή" τυφλά). Ο σωστός συνδυασμός αναλυτικών και στατιστικών μεθόδων στη μελέτη των πράξεων είναι η περίπτωση της τέχνης, της λιποθυμίας και της εμπειρίας του ερευνητή. Συχνά με αναλυτικές μεθόδους καταφέρνουμε να περιγράψουμε ορισμένα "υποσυστήματα", που κατανέμονται σε ένα μεγάλο σύστημα και στη συνέχεια από τέτοια μοντέλα από τα "τούβλα", να χτίσουν ένα μεγάλο, πολύπλοκο μοντέλο κτίριο. Βιβλιογραφία 1. Ventrect E.S. "Μελέτη των ενεργειών", Μόσχα "Σοβιετικό Ραδιόφωνο" 1972 2. Sable i.m. "Μέθοδος Monte Carlo", Μόσχα "Επιστήμη", 1985 3. "Οικονομικές και μαθηματικές μέθοδοι και εφαρμοσμένα μοντέλα", ED. Fedoseeva v.v., Μόσχα "Uniti" 2001 Η έννοια της μοντελοποίησης απομιμήσεων, τη χρήση της στην οικονομία. Στάδια της διαδικασίας κατασκευής ενός μαθηματικού μοντέλου ενός πολύπλοκου συστήματος, των κριτηρίων για την επάρκεια του. Διακεκομμένη μοντελοποίηση εκδηλώσεων. Η μέθοδος Monte Carlo είναι ένα είδος προσομοίωσης. Εξέταση, πρόσθεσε 12/23/2013 Στατιστικό μοντέλο της τυχαίας διαδικασίας. Αριθμητική μέθοδος Monte Carlo. Τύποι απομίμησης, τα πλεονεκτήματα και τις ευκαιρίες τους. Απλό μοντέλο απομίμησης του συστήματος επεξεργασίας εγγράφων. Χρησιμοποιήστε την προσομοίωση της γλώσσας Siman. Τα κύρια μπλοκ μοντελοποίησης. Παρουσίαση, προστέθηκε 22.10.2014 Υπολογισμός του οικονομικού αποτελέσματος της εργασίας της Τράπεζας. Προσομοίωση με βάση προκαθορισμένες εξαρτήσεις. Τη λειτουργία διανομής του εκθετικού νόμου. Προσαρμογή του χρόνου εξυπηρέτησης πελατών στο Cass και την προώθηση της σειράς. Εξέταση, προστέθηκε 03.10.2008 Υπολογισμός του οικονομικού αποτελέσματος της εργασίας της Τράπεζας. Μοντέλο προσομοίωσης αλγορίθμου της αίθουσας ταμείων. Τη λειτουργία διανομής του εκθετικού νόμου. Προσαρμογή του χρόνου εξυπηρέτησης πελατών στο Cass και την προώθηση της σειράς. Προγράμματα καταχώρισης. Εξέταση, προστέθηκε 03.10.2008 Μοντελοποίηση προσομοίωσης ως μέθοδος ανάλυσης των οικονομικών συστημάτων. Εξέταση προ-έργου της εταιρείας εκτύπωσης. Η μελέτη του συγκεκριμένου συστήματος χρησιμοποιώντας το μοντέλο διαδικασίας Markov. Υπολογισμός του χρόνου εξυπηρέτησης μιας εφαρμογής. Εργασία μαθήματος, προστέθηκαν 10/23/2010 Αποτελεσματικότητα κεφαλαίων επενδύσεων. Στατιστικές μέθοδοι αξιολόγησης της σκοπιμότητας των επενδύσεων με κίνδυνο. Ανάλυση ευαισθησίας, σενάρια. Καθιέρωση ονομαστικών και οριακών τιμών αβέβαιων παραγόντων. Μοντελοποίηση μοντελοποίησης Monte Carlo. Εξέταση, πρόσθεσε 10.27.2008 Η έννοια μιας ομοιόμορφα κατανεμημένης τυχαίας μεταβλητής. Πολλαπλασιαστική μέθοδος. Μοντελοποίηση συνεχόμενων τυχαίων μεταβλητών και διακριτών διανομών. Ο αλγόριθμος για την απομίμηση μοντελοποίησης των οικονομικών σχέσεων μεταξύ του δανειστή και του δανειολήπτη. Εργασία μαθημάτων, προστέθηκαν 01/03/2011 Επισκόπηση των μεθόδων επίλυσης του προβλήματος. Υπολογισμός του αριθμού των πελατών, των εσόδων, του μέσου μεγέθους ουράς και τον αριθμό των αποτυχιών για την περίοδο μοντελοποίησης. Αλγόριθμος για τη μοντελοποίηση της διαδικασίας, ανάπτυξη της εφαρμογής του λογισμικού. Πειραματισμό μηχανών με ένα αναπτυγμένο μοντέλο. Μαθήματα, προστέθηκαν 01/15/2011 Περιγραφή της μοντελοποίησης των υπολογιστών. Πλεονεκτήματα, στάδια και προσεγγίσεις για την κατασκευή μοντελοποίησης απομιμήσεων. Περιεχόμενα της βασικής έννοιας για τη διάρθρωση της γλώσσας μοντελοποίησης GPSS. Η μέθοδος αξιολόγησης και αναθεώρησης των σχεδίων (PERT). Μοντελοποίηση στο σύστημα GPSS. Εργασία μαθημάτων, προστέθηκαν 03/03/2011 Μέθοδος μοντελοποίησης προσομοίωσης στην ανάπτυξη οικονομικών και μαθηματικών μοντέλων που αντιπροσωπεύουν την αβεβαιότητα των στατιστικών επιχειρήσεων. Η λειτουργία του μοντέλου προσομοίωσης της κατασκευής μιας καρέκλας μικρού μεγέθους: Χρόνος λειτουργίας και συντελεστές εκκίνησης εξοπλισμού. Η μοντελοποίηση προσομοίωσης είναι μια μέθοδος που σας επιτρέπει να δημιουργήσετε μοντέλα που περιγράφουν τις διαδικασίες όπως πραγματικά. Αυτό το μοντέλο μπορεί να "χάσει" στο χρόνο τόσο για τη δοκιμή όσο και για το καθορισμένο σύνολο. Στην περίπτωση αυτή, τα αποτελέσματα θα καθοριστούν από την τυχαία φύση των διαδικασιών. Σύμφωνα με αυτά τα δεδομένα, μπορείτε να πάρετε επαρκώς σταθερά στατιστικά στοιχεία. Η συνάφεια αυτού του θέματος είναι ότι η μοντελοποίηση απομίμησης σε ψηφιακές υπολογιστικές μηχανές είναι ένα από τα πιο ισχυρά ερευνητικά εργαλεία, ιδίως, πολύπλοκα δυναμικά συστήματα. Όπως οποιαδήποτε προσομοίωση υπολογιστών, επιτρέπει τη διεξαγωγή υπολογιστικών πειραμάτων με απλά σχεδιασμένα συστήματα και συστήματα μελέτης, τα πειράματα πεδίου με τα οποία, λόγω των λόγων ασφαλείας ή υψηλού κόστους, δεν είναι κατάλληλες. Ταυτόχρονα, χάρη στην εγγύτητά του σε μορφή σε φυσική μοντελοποίηση, αυτή η μέθοδος μελέτης είναι διαθέσιμη σε ένα ευρύτερο φάσμα χρηστών. Η μοντελοποίηση προσομοίωσης είναι μια μέθοδος έρευνας στην οποία το σύστημα που μελετήθηκε αντικαθίσταται από ένα μοντέλο με επαρκή ακρίβεια που περιγράφει το πραγματικό σύστημα και τα πειράματα διεξάγονται με αυτό προκειμένου να ληφθούν πληροφορίες σχετικά με αυτό το σύστημα. Οι στόχοι της συμπεριφοράς αυτών των πειραμάτων μπορεί να είναι οι πιο διαφορετικοί - από τον εντοπισμό των ιδιοτήτων και των προτύπων του υπό μελέτη του συστήματος, προτού επιλύσουν συγκεκριμένα πρακτικά καθήκοντα. Με την ανάπτυξη του υπολογιστικού εξοπλισμού και του λογισμικού, το φάσμα της εφαρμογής απομίμησης στον τομέα της οικονομίας έχει επεκταθεί σημαντικά. Χρησιμοποιείται σήμερα τόσο για την επίλυση των προβλημάτων διαχείρισης intrafyrny όσο και για τη διαχείριση μοντελοποίησης σε μακροοικονομικό επίπεδο. Εξετάστε τα κύρια πλεονεκτήματα της χρήσης μοντελοποίησης απομίμησης στη διαδικασία επίλυσης προβλημάτων οικονομικής ανάλυσης. Στη διαδικασία μοντελοποίησης προσομοίωσης, ο ερευνητής ασχολείται με τέσσερα κύρια στοιχεία: Πραγματικό σύστημα. Λογικό-μαθηματικό μοντέλο του προσομοιωμένου αντικειμένου. Μοντέλο προσομοίωσης (μηχάνημα). Ένας υπολογιστής στον οποίο πραγματοποιείται απομίμηση είναι ένα κατευθυνόμενο πείραμα υπολογιστών. Για να περιγράψετε τη δυναμική των προσομοιωμένων διαδικασιών σε μοντέλα απομίμησης, εφαρμόζεται μια εργασία μοντέλου. Αυτοί οι μηχανισμοί ενσωματώνονται σε προγράμματα ελέγχου οποιουδήποτε συστήματος μοντελοποίησης. Εάν η συμπεριφορά ενός συστατικού συστήματος προσομοιώθηκε στον υπολογιστή, η εφαρμογή ενεργειών στο μοντέλο προσομοίωσης θα μπορούσε να πραγματοποιηθεί διαδοχικά, εκ νέου υπολογισμός της χρονικής συντεταγμένης. Για να προσομοιώσετε παράλληλα γεγονότα του πραγματικού συστήματος, κάποια παγκόσμια μεταβλητή (παρέχοντας συγχρονισμό όλων των συμβάντων στο σύστημα) t0, το οποίο ονομάζεται μοντέλο (ή συστηματικό) χρόνο. Υπάρχουν δύο κύριοι τρόποι αλλαγής T0: Βήμα προς βήμα (σταθερά διαστήματα αλλαγών Χρόνος μοντέλου); Παρόμοιες (ισχύουν διαστήματα μεταβλητών αλλαγών Χρόνος μοντέλου, ενώ το βήμα μετράται με διάστημα πριν από το επόμενο συμβάν). Στην περίπτωση μιας μεθόδου βήμα προς βήμα, η προώθηση χρόνου συμβαίνει με το ελάχιστο δυνατό σταθερό βήμα του σταδίου (Αρχή Τ). Αυτοί οι αλγόριθμοι δεν είναι πολύ αποτελεσματικοί από την άποψη της χρήσης του χρόνου του μηχανήματος για την εφαρμογή τους. Μια δίκαιη μέθοδο (η αρχή των "ειδικών κρατών"). Σε αυτό, οι συντεταγμένες του χρόνου αλλάζουν μόνο όταν αλλάζει η κατάσταση του συστήματος. Στις μεθόδους χρόνου, το μήκος του βήματος προσωρινής μετατόπισης είναι το μέγιστο δυνατό. Ο χρόνος μοντέλου από την τρέχουσα στιγμή αλλάζει στην πλησιέστερη στιγμή του επόμενου συμβάντος. Η χρήση μιας προτιμώμενης μεθόδου είναι προτιμότερη εάν η συχνότητα εμφάνισης συμβάντων είναι μικρή, τότε ένα μεγάλο μήκος βήμα θα επιταχύνει την πορεία του χρόνου μοντέλου. Κατά την επίλυση πολλών καθηκόντων χρηματοοικονομικής ανάλυσης, χρησιμοποιούνται μοντέλα που περιέχουν τυχαίες μεταβλητές, η συμπεριφορά των οποίων δεν είναι επιδεκτική διαχείρισης των υπευθύνων λήψης αποφάσεων. Τέτοια μοντέλα ονομάζονται στοχαστικά. Η χρήση απομίμησης σάς επιτρέπει να σχεδιάσετε συμπεράσματα σχετικά με τα πιθανά αποτελέσματα που βασίζονται σε πιθανοτικές κατανομές τυχαίων παραγόντων (τιμές). Η στοχαστική απομίμηση ονομάζεται συχνά Monte Carlo. Από όλα τα παραπάνω, μπορεί να συναχθεί το συμπέρασμα ότι η μοντελοποίηση προσομοίωσης σας επιτρέπει να λαμβάνετε υπόψη τον μέγιστο δυνατό αριθμό εξωτερικών περιβαλλοντικών παραγόντων για να στηρίξετε την υιοθέτηση των αποφάσεων διαχείρισης και είναι τα πιο ισχυρά μέσα ανάλυσης των επενδυτικών κινδύνων. Η ανάγκη χρήσης της στην εγχώρια χρηματοπιστωτική πρακτική οφείλεται στις ιδιαιτερότητες της ρωσικής αγοράς που χαρακτηρίζεται από υποκειμενικότητα, εξάρτηση από μη οικονομικούς παράγοντες και υψηλό βαθμό αβεβαιότητας. Τα αποτελέσματα της προσομοίωσης μπορούν να συμπληρωθούν με πιθανότητα και στατιστική ανάλυση και συνολικά να παρέχουν στον διαχειριστή τις πληρέστερες πληροφορίες σχετικά με τον βαθμό επιρροής των βασικών παραγόντων για τα αναμενόμενα αποτελέσματα και τα πιθανά σενάρια για την ανάπτυξη γεγονότων. Οι διαδικασίες γίνονται μια μέθοδος που επιτρέπει το σχεδιασμό δειγμάτων που περιγράφουν διαδικασίες με τέτοιο τρόπο όπως εάν λειτουργούσαν πραγματικά. Εφαρμογή τους, είναι δυνατόν να επιτευχθούν σταθερά και αξιόπιστα στατιστικά στοιχεία. Με βάση αυτά τα δεδομένα, μπορείτε να επιλέξετε τη βέλτιστη διαδρομή της ανάπτυξης του οργανισμού. Η μέθοδος προσομοίωσης είναι μια μέθοδος έρευνας στην οποία ένα συγκεκριμένο σύστημα θα αντικατασταθεί από αυτόν που έχει επαρκή ακρίβεια στην περιγραφή του πραγματικού. Πρέπει να πραγματοποιείται πειράματα για να αποκτήσει αξιόπιστες πληροφορίες. Μια τέτοια διαδικασία θα επιτρέψει την κατανόηση της ουσίας του φαινομένου χωρίς να καταφεύγουν σε αυτή την περίπτωση σε πραγματικές αλλαγές στο αντικείμενο μέχρι το χρόνο. Η προσομοίωση των επιχειρηματικών διαδικασιών είναι μια ειδική περίπτωση μαθηματικής μοντελοποίησης. Το γεγονός είναι ότι υπάρχει μια κατηγορία αντικειμένων για τα οποία τα αναλυτικά μοντέλα δεν έχουν αναπτυχθεί για διάφορους λόγους. Ή δεν υπάρχει σύστημα για τη χρήση μιας καινοτόμου λύσης. Σε τέτοιες περιπτώσεις, χρησιμοποιείται η μοντελοποίηση απομιμήσεων των οικονομικών διαδικασιών. Είναι καταφύγει σε αυτό όταν: Οι διαδικασίες προσομοίωσης έχουν διάφορους τύπους. Να τα σκεφτείτε λεπτομερέστερα. Η μοντελοποίηση συναγερμού είναι μια καινοτόμος κατεύθυνση που χρησιμοποιείται ευρέως για τη διερεύνηση αποκεντρωμένων συστημάτων. Η δυναμική της λειτουργίας τους καθορίζεται όχι τόσο από τους παγκόσμιους νόμους και τους κανονισμούς, αλλά, αντίθετα, αυτές οι αρχές καθίστανται το αποτέλεσμα της ατομικής δραστηριότητας των μελών αυτής της ομάδας. Επομένως, στην περίπτωση αυτή, ο σκοπός και οι στόχοι των μοντέλων πρέπει να λάβουν υποβολές σχετικά με αυτές τις θεμελιώδεις αρχές, τη συμπεριφορά του επιλεγμένου συστήματος. Αλλά θα χρειαστεί να προχωρήσουμε από τις υποθέσεις σχετικά με την ατομική, ιδιωτική συμπεριφορά των μεμονωμένων αντικειμένων της, καθώς και τις σχέσεις τους σε συστήματα. Ο πράκτορας γίνεται μια ιδιαίτερη ουσία που έχει δραστηριότητα και αυτονομία στη συμπεριφορά, είναι σε θέση να αποδεχθεί και να εφαρμόσει λύσεις σύμφωνα με ένα σύνολο ειδικών κανόνων, να αλληλεπιδράτε με το περιβάλλον περιβάλλον και επίσης ανεξάρτητα αλλάξει. Η διακεκριμένη μοντελοποίηση εκδηλώσεων είναι μια προσέγγιση στη μοντελοποίηση, η οποία προσφέρει αφηρημένη από τα διαθέσιμα γεγονότα, λαμβάνοντας υπόψη μια σειρά βασικών γεγονότων στο σύστημα. Μιλάμε για "αναμονή", "επεξεργασία παραγγελιών", "κίνηση με φορτίο", "εκφόρτωση" και ούτω καθεξής. Μια τέτοια μοντελοποίηση είναι πολύ καλά ανεπτυγμένη και έχει μια τεράστια σφαίρα της εφαρμογής - από την εφοδιαστική, καθώς και συστήματα εξυπηρέτησης σε συστήματα παραγωγής και μεταφορών. Γενικά, η μέθοδος μπορεί ιδανικά να έρθει σε οποιαδήποτε κατάσταση. Ο J. Gordon ιδρύθηκε στα μέσα του εικοστού αιώνα. Η δυναμική του συστήματος είναι μια μοντελοποίηση οικονομικών διαδικασιών όταν τα γραφικά, τα γραφήματα, οι υπολογισμοί θα κατασκευαστούν για το αντικείμενο που μελετάται, αντανακλώντας τους λόγους και τις παγκόσμιες επιρροές ορισμένων κριτηρίων για άλλους σε ορισμένο χρονικό διάστημα. Στη συνέχεια, το σύστημα που δημιουργήθηκε πάνω τους μιμείται στον υπολογιστή. Λόγω αυτού, υπάρχει μια πραγματική ευκαιρία να συνειδητοποιήσετε την ουσία του τι συμβαίνει και να προσδιορίζει τις υπάρχουσες συνδέσεις των αιτιών και των ερευνών μεταξύ των φαινομένων και των αντικειμένων. Η δυναμική του συστήματος συμβάλλει στην οικοδόμηση μοντέλων για την ανάπτυξη πόλεων, επιχειρηματικών διαδικασιών, συστημάτων παραγωγής, οικολογία, πληθυσμού, επιδημιών και ούτω καθεξής. Έργο μαθημάτων Σύμφωνα με το θέμα: "Μοντελοποίηση βιομηχανικών και οικονομικών διαδικασιών" Σχετικά με το θέμα: "Μοντελοποίηση προσομοίωσης των οικονομικών διαδικασιών" Εισαγωγή I. Οι κύριες έννοιες της θεωρίας της μοντελοποίησης των οικονομικών συστημάτων και διαδικασιών 1 Η έννοια της μοντελοποίησης 1.2 Έννοια του μοντέλου Ii. Οι κύριες έννοιες της θεωρίας της μοντελοποίησης των οικονομικών συστημάτων και διαδικασιών 2.1 Έλεγχος και ανάπτυξη οικονομικών συστημάτων 2 συστατικά του μοντέλου προσομοίωσης III. Βασικές ιδιότητες προσομοίωσης 3.1 Μοντέλο απομίμησης και τα χαρακτηριστικά του 2 ουσία προσομοίωσης Iv. Πρακτικό μέρος 1 δήλωση προβλημάτων 2 Λύση της εργασίας συμπέρασμα Κατάλογος μεταχειρισμένων λογοτεχνίας εφαρμογή Εισαγωγή Η προσομοίωση, η γραμμική ανάλυση προγραμματισμού και της παλινδρόμησης για το εύρος και τη συχνότητα χρήσης κατέχουν μακρά τις τρεις πρώτες θέσεις μεταξύ όλων των μεθόδων έρευνας σε δραστηριότητες στην οικονομία. Κατά την προσομοίωση προσομοίωσης, ο αλγόριθμος εφαρμόζει το μοντέλο αναπαράγει τη διαδικασία λειτουργίας του συστήματος στο χρόνο και το διάστημα και τα συστατικά της διαδικασίας στοιχειώδους φαινομένων προσομοιώνονται διατηρώντας ταυτόχρονα τη λογική της χρονική δομή. Επί του παρόντος, η προσομοίωση έχει γίνει μια αρκετά αποτελεσματική λύση για την επίλυση σύνθετων καθηκόντων αυτοματοποίησης της έρευνας, των πειραμάτων, σχεδιασμού. Αλλά να κυριαρχήσει την προσομοίωση ως εργαλείο εργασίας, τις άφθονες ευκαιρίες του και να αναπτύξει τη μεθοδολογία μοντελοποίησης μόνο με την πλήρη πλοίαρχηση των τεχνικών και της τεχνολογίας της πρακτικής λύσης των προβλημάτων της μοντελοποίησης των συστημάτων στον υπολογιστή. Ο στόχος αυτός επιδιώκει επίσης αυτό το εργαστήριο, το οποίο επικεντρώνεται στις μεθόδους, τις αρχές και τα κύρια στάδια της μοντελοποίησης στο πλαίσιο της γενικής μεθοδολογίας μοντελοποίησης και εξετάζει επίσης τη μοντελοποίηση συγκεκριμένων επιλογών συστήματος και τις δεξιότητες της χρήσης της τεχνολογίας μοντελοποίησης με την πρακτική εφαρμογή των μοντέλων λειτουργίας του συστήματος . Τα προβλήματα των συστημάτων μαζικής συντήρησης θεωρούνται, στα οποία βασίζονται τα μοντέλα απομίμησης οικονομικών, πληροφοριών, τεχνολογικών, τεχνικών και άλλων συστημάτων. Παρουσιάζονται οι μέθοδοι πιθαννιακής μοντελοποίησης διακριτών και τυχαίων συνεχών τιμών, οι οποίες καθιστούν δυνατή την εξέταση κατά τη μοντελοποίηση των οικονομικών συστημάτων, τυχαίες επιρροές στο σύστημα. Οι απαιτήσεις της σύγχρονης κοινωνίας σε έναν ειδικό στον τομέα των οικονομικών αυξάνονται σταθερά. Επί του παρόντος, οι επιτυχείς δραστηριότητες δεν είναι δυνατές σε όλες σχεδόν τις σφαίρες της οικονομίας χωρίς να μοντελοποιεί τη συμπεριφορά και τη δυναμική της ανάπτυξης των διαδικασιών, μελετώντας τα χαρακτηριστικά της ανάπτυξης οικονομικών αντικειμένων, την εξέταση της λειτουργίας τους σε διάφορες συνθήκες. Το λογισμικό και τα τεχνικά μέσα πρέπει να είναι εδώ οι πρώτοι βοηθοί. Αντί να μάθουν από τα λάθη τους ή σε λάθη άλλων ανθρώπων, συνιστάται να διορθωθεί και να ελέγξει τη γνώση της πραγματικής πραγματικότητας με τα αποτελέσματα που λαμβάνονται σε μοντέλα υπολογιστών. Η μοντελοποίηση προσομοίωσης είναι η πιο οπτική, που χρησιμοποιείται στην πράξη για την προσομοίωση υπολογιστών των καταστάσεων επιτρέπουν επιλογές προκειμένου να ληφθούν οι πιο αποτελεσματικές λύσεις στα προβλήματα. Η προσομοίωση σάς επιτρέπει να μελετήσετε το ανάλυση ή το προβλεπόμενο σύστημα σύμφωνα με το σύστημα επιχειρησιακής μελέτης, το οποίο περιέχει διασυνδεδεμένα βήματα: · Ανάπτυξη ενός εννοιολογικού μοντέλου. · Ανάπτυξη και εφαρμογή λογισμικού του μοντέλου προσομοίωσης. · Ελέγξτε την ορθότητα, την αυθεντικότητα του μοντέλου και την αξιολόγηση της ακρίβειας των αποτελεσμάτων μοντελοποίησης. · Σχεδιασμός και διεξαγωγή πειραμάτων. · παίρνοντας αποφάσεις. Αυτό σας επιτρέπει να χρησιμοποιείτε τη μοντελοποίηση απομίμησης ως καθολική προσέγγιση για τη λήψη αποφάσεων σε συνθήκες αβεβαιότητας, λαμβάνοντας υπόψη τα μοντέλα που είναι δύσκολο να τυποποιημένους παράγοντες, καθώς και να εφαρμόζουν τις βασικές αρχές μιας συστηματικής προσέγγισης για την επίλυση πρακτικών προβλημάτων. Η ευρέως διαδεδομένη εισαγωγή αυτής της μεθόδου στην πράξη εμποδίζει την ανάγκη δημιουργίας εφαρμογών λογισμικού των μοντέλων προσομοίωσης που αναδημιουργούν στο χρόνο μοντέλου τη δυναμική της λειτουργίας του προσομοιωμένου συστήματος. Σε αντίθεση με τις παραδοσιακές μεθόδους προγραμματισμού, η ανάπτυξη ενός μοντέλου προσομοίωσης απαιτεί την αναδιάρθρωση των αρχών σκέψης. Δεν είναι περίεργο ότι οι αρχές που βασίζονται σε μοντελοποίηση απομίμησης, έδωσαν ώθηση στην ανάπτυξη του προγραμματισμού αντικειμένων. Ως εκ τούτου, οι προσπάθειες των προγραμματιστών λογισμικού απομίμησης αποσκοπούν στην απλοποίηση των υλοποιήσεων του προγράμματος των μοντέλων προσομοίωσης: δημιουργούνται εξειδικευμένες γλώσσες και συστήματα για τους σκοπούς αυτούς. Τα προγράμματα απομίμησης λογισμικού στην ανάπτυξή τους άλλαξαν σε διάφορες γενιές, ξεκινώντας από τις γλώσσες μοντελοποίησης και τα μέσα αυτοματοποίησης μοντέλων για τη δημιουργία προγραμμάτων, διαδραστικών και ευφυών συστημάτων, συστημάτων κατανεμημένων μοντέλων. Ο κύριος σκοπός όλων αυτών των κεφαλαίων είναι η μείωση της πολυπλοκότητας της δημιουργίας εφαρμογών λογισμικού των μοντέλων απομίμησης και πειραματισμού με μοντέλα. Μία από τις πρώτες γλώσσες μοντελοποίησης που διευκολύνει τη διαδικασία γραφής των προγραμμάτων προσομοίωσης ήταν η γλώσσα GPSS που δημιουργήθηκαν με τη μορφή του τελικού προϊόντος του Jeffrey Gordon στην IBM το 1962. Σήμερα υπάρχουν μεταφραστές για λειτουργικά συστήματα DOS - GPSS / PC, για OS / 2 και DOS - GPS / H και για Windows - GPSS World. Η μελέτη αυτής της γλώσσας και η δημιουργία μοντέλων καθιστούν δυνατή την κατανόηση των αρχών ανάπτυξης προγραμμάτων προσομοίωσης και να μάθουν να εργάζονται με μοντέλα προσομοίωσης. (Σύστημα προσομοίωσης γενικού σκοπού - ένα σύστημα μοντελοποίησης γενικού σκοπού) είναι μια γλώσσα μοντελοποίησης που χρησιμοποιείται Για να δημιουργήσετε διακριτά μοντέλα προσομοίωσης εκδήλωσης και διεξαγωγή πειραμάτων χρησιμοποιώντας έναν προσωπικό υπολογιστή. Το σύστημα GPSS είναι μια γλώσσα και ένας μεταφραστής. Ως κάθε γλώσσα, περιέχει ένα λεξικό και γραμματική με τα οποία μπορούν να αναπτυχθούν μοντέλα συστημάτων συγκεκριμένου τύπου. I. Οι κύριες έννοιες της θεωρίας της μοντελοποίησης των οικονομικών συστημάτων και διαδικασιών 1.1 έννοια μοντελοποίησης Κάτω από τη μοντελοποίηση είναι κατανοητή ως διαδικασία κατασκευής, μελετώντας και χρησιμοποιώντας μοντέλα. Είναι στενά συνδεδεμένη με τέτοιες κατηγορίες ως αφαίρεση, αναλογία, υπόθεση κ.λπ. Η διαδικασία προσομοίωσης περιλαμβάνει αναγκαστικά την κατασκευή αφαίρεσης και συμπεράσματα κατ 'αναλογία και τον σχεδιασμό των επιστημονικών υποθέσεων. Το κύριο χαρακτηριστικό της μοντελοποίησης είναι ότι είναι μια μέθοδος μεσολαβούμενης γνώσης με τη βοήθεια αναπληρωτών αντικειμένων. Το μοντέλο ενεργεί ως ένα ιδιόμορφο μέσο γνώσης που ο ερευνητής βάζει ο ένας τον άλλον και το αντικείμενο και με το οποίο διερευνά το αντικείμενο ενδιαφέροντος. Κάθε κοινωνικοοικονομικό σύστημα είναι ένα πολύπλοκο σύστημα στο οποίο αλληλεπιδρούν δεκάδες και εκατοντάδες οικονομικές, τεχνικές και κοινωνικές διαδικασίες που μεταβάλλονται διαρκώς υπό την επίδραση εξωτερικών συνθηκών, συμπεριλαμβανομένης της επιστημονικής και τεχνολογικής προόδου. Υπό τις συνθήκες αυτές, η διαχείριση των κοινωνικοοικονομικών συστημάτων και των συστημάτων παραγωγής μετατρέπεται σε πολύπλοκο καθήκον που απαιτεί ειδικά μέσα και μεθόδους. Η μοντελοποίηση είναι μία από τις κύριες μεθόδους της γνώσης, είναι μια μορφή αντανάκλασης της πραγματικότητας και είναι να διευκρινιστεί ή να αναπαράγει ορισμένες ιδιότητες πραγματικών αντικειμένων, αντικειμένων και φαινομένων χρησιμοποιώντας άλλα αντικείμενα, διαδικασίες, φαινόμενα ή χρησιμοποιώντας μια αφηρημένη περιγραφή ως εικόνα, σχέδιο , κάρτες, καύση εξισώσεων, αλγορίθμων και προγραμμάτων. Με την γενική έννοια, κάτω από το μοντέλο, μια λογική (λεκτική) ή μια μαθηματική περιγραφή των εξαρτημάτων και των λειτουργιών που εμφανίζουν τις βασικές ιδιότητες του προσομοιωμένου αντικειμένου ή της διαδικασίας θεωρούνται συνήθως ως συστήματα ή στοιχεία του συστήματος από ένα συγκεκριμένο σημείο θέα. Το μοντέλο χρησιμοποιείται ως υπό όρους εικόνα που έχει σχεδιαστεί για να απλοποιήσει τη μελέτη του αντικειμένου. Κατ 'αρχήν, όχι μόνο το μαθηματικό (εικονικό), αλλά και τα υλικά μοντέλα εφαρμόζονται στην οικονομία, αλλά τα μοντέλα υλικών έχουν μόνο μια τιμή επίδειξης. Υπάρχουν δύο απόψεις για το πλάσμα της μοντελοποίησης: Αυτή είναι μια μελέτη αντικειμένων γνώσης σε μοντέλα. Αυτή είναι η κατασκευή και η μελέτη μοντέλων πραγματικών υφιστάμενων αντικειμένων και φαινομένων, καθώς και τα εκτιμώμενα (σχεδιασμένα) αντικείμενα. Οι δυνατότητες μοντελοποίησης, δηλαδή τη μεταφορά των αποτελεσμάτων που προκύπτουν κατά τη διάρκεια της κατασκευής και της μελέτης του μοντέλου, το πρωτότυπο βασίζεται στο γεγονός ότι το μοντέλο με μια συγκεκριμένη έννοια εμφανίζεται (αναπαράγει, προσομοιώνει, περιγράφει, μιμείται) μερικά από τα ερευνητές του χαρακτηριστικού αντικειμένου. Η μοντελοποίηση ως μια μορφή αντανάκλασης της πραγματικότητας είναι ευρέως διαδεδομένη και μια αρκετά πλήρης ταξινόμηση πιθανών τύπων μοντελοποίησης είναι εξαιρετικά δύσκολη, τουλάχιστον λόγω της έννοιας της έννοιας του "μοντέλου", που χρησιμοποιείται ευρέως όχι μόνο στην επιστήμη και την τεχνολογία, αλλά και στην τέχνη, και στην καθημερινή ζωή. Η λέξη "μοντέλο" συνέβη από τη λατινική λέξη "modulus", σημαίνει "μέτρο", "δείγμα". Η αρχική της σημασία συσχετίστηκε με την τέχνη της κατασκευής, και σε όλες σχεδόν τις ευρωπαϊκές γλώσσες, χρησιμοποιήθηκε για να ορίσει μια εικόνα ή μια προϋπόθεση, ή πράγματα παρόμοια με αυτά με ένα άλλο πράγμα. Μεταξύ των κοινωνικοοικονομικών συστημάτων, συνιστάται να κατανεμηθεί το σύστημα παραγωγής (PS), το οποίο, σε αντίθεση με τα συστήματα άλλων τάξεων, περιέχει ως σημαντικό στοιχείο ενός συνειδητή υπάρχοντος προσώπου που εκτελεί τις λειτουργίες διαχείρισης (λήψη αποφάσεων και τον έλεγχό τους). Σύμφωνα με αυτό, διάφορες διαχωριστικές επιχειρήσεις μπορούν να θεωρηθούν ως PS, οι ίδιοι οι επιχειρήσεις, οι οργανώσεις έρευνας και σχεδιασμού, οι ενώσεις, οι βιομηχανίες και, σε ορισμένες περιπτώσεις, η εθνική οικονομία στο σύνολό της. Η φύση της ομοιότητας μεταξύ του προσομοιωμένου αντικειμένου και του μοντέλου διακρίνεται: Φυσική - το αντικείμενο και το μοντέλο έχουν την ίδια ή παρόμοια φυσική φύση. Δομική - παρατηρείται ομοιότητα μεταξύ της δομής του αντικειμένου και της δομής δομής. Λειτουργικό - αντικείμενο και μοντέλο που εκτελούν παρόμοιες λειτουργίες υπό την κατάλληλη επίδραση. Δυναμική - υπάρχει μια αλληλογραφία μεταξύ των διαδοχικά μεταβαλλόμενων καταστάσεων του αντικειμένου και του μοντέλου. Πιθανοτικές - υπάρχει μια αλληλογραφία μεταξύ των πιθανοτικών διαδικασιών στο αντικείμενο και το μοντέλο. Γεωμετρική - Υπάρχει μια αλληλογραφία μεταξύ των χωρικών χαρακτηριστικών του αντικειμένου και του μοντέλου. Η μοντελοποίηση είναι ένας από τους πιο συνηθισμένους τρόπους μελέτης διεργασιών και φαινομένων. Η μοντελοποίηση βασίζεται στην αρχή της αναλογίας και μας επιτρέπει να μελετήσουμε το αντικείμενο υπό ορισμένες προϋποθέσεις και, λαμβάνοντας υπόψη την αναπόφευκτη μονόπλευρη άποψη. Το αντικείμενο είναι δύσκολο προσβάσιμο στη μελέτη, δεν μελετάται άμεσα, αλλά μέσω της εξέτασης άλλου, παρόμοιου με αυτό και πιο προσιτό - μοντέλο. Σύμφωνα με τις ιδιότητες του μοντέλου, είναι συνήθως δυνατό να κρίνουμε τις ιδιότητες του αντικειμένου που μελετώντας. Αλλά όχι για όλες τις ιδιότητες, αλλά μόνο για εκείνα που είναι παρόμοια στο μοντέλο και στο αντικείμενο και ταυτόχρονα είναι σημαντικά για την έρευνα. Τέτοιες ιδιότητες ονομάζονται απαραίτητες. Υπάρχει ανάγκη για μαθηματική μοντελοποίηση της οικονομίας; Για να βεβαιωθείτε ότι αυτό είναι αρκετό για να απαντήσετε στην ερώτηση: είναι δυνατόν να εκτελέσετε ένα τεχνικό έργο χωρίς να έχετε ένα σχέδιο δράσης, δηλαδή τα σχέδια; Η ίδια κατάσταση λαμβάνει χώρα στην οικονομία. Είναι απαραίτητο να αποδείξει την ανάγκη χρήσης οικονομικών και μαθηματικών μοντέλων για τη λήψη αποφάσεων διαχείρισης στον τομέα των οικονομικών; Το οικονομικό και μαθηματικό μοντέλο αποδεικνύεται ότι είναι το κύριο μέσο πειραματικής έρευνας της οικονομίας, από τότε που έχει τις ακόλουθες ιδιότητες: Μιμείται την πραγματική οικονομική διαδικασία (ή τη συμπεριφορά αντικειμένων) · Έχει σχετικά χαμηλό κόστος. Μπορεί να χρησιμοποιηθεί επανειλημμένα. Λαμβάνει υπόψη διάφορες συνθήκες της λειτουργίας του αντικειμένου. Το μοντέλο μπορεί και θα πρέπει να αντικατοπτρίζει την εσωτερική δομή του οικονομικού αντικειμένου από τις καθορισμένες (καθορισμένες) σημείες προβολής και αν είναι άγνωστη, τότε μόνο η συμπεριφορά του, χρησιμοποιώντας την αρχή του "μαύρου κουτιού". Κατ 'αρχήν, οποιοδήποτε μοντέλο μπορεί να διαμορφωθεί με τρεις τρόπους: Ως αποτέλεσμα της άμεσης παρατήρησης και της μελέτης των φαινομένων πραγματικότητας (φαινομενολογική μέθοδος) · Εξάντληση από ένα γενικότερο μοντέλο (μέθοδος αφαιρετικής). Γενικεύει περισσότερα ιδιωτικά μοντέλα (επαγωγική μέθοδος, δηλ. Απόδειξη με επαγωγή). Τα μοντέλα, ατελείωτα στην ποικιλία τους, μπορούν να ταξινομηθούν σύμφωνα με διάφορα χαρακτηριστικά. Πρώτα απ 'όλα, όλα τα μοντέλα μπορούν να χωριστούν σε φυσικά και περιγραφικά. Και με εκείνους και με άλλους να ασχολούμαστε συνεχώς. Συγκεκριμένα, η περιγραφική περιλαμβάνει μοντέλα στα οποία το προσομοιωμένο αντικείμενο περιγράφεται με λέξεις, σχέδια, μαθηματικές εξαρτήσεις, κλπ. Σε τέτοια μοντέλα μπορεί να αποδοθεί στη λογοτεχνία, τις εικαστικές τέχνες, τη μουσική. Τα οικονομικά και μαθηματικά μοντέλα χρησιμοποιούνται ευρέως στη διαχείριση των οικονομικών διαδικασιών. Στη βιβλιογραφία δεν υπάρχει καθιερωμένος ορισμός ενός οικονομικού και μαθηματικού μοντέλου. Πάρτε τον ακόλουθο ορισμό ως βάση. Το οικονομικό και μαθηματικό μοντέλο είναι μια μαθηματική περιγραφή της οικονομικής διαδικασίας ή ενός αντικειμένου που διεξάγεται προκειμένου να μελετήσει ή να τα διαχειριστεί: το μαθηματικό αρχείο του επιδιωκόμενου οικονομικού προβλήματος (επομένως συχνά ο καθηκόντων και το μοντέλο χρησιμοποιούνται ως συνώνυμα). Τα μοντέλα μπορούν επίσης να ταξινομηθούν για άλλα χαρακτηριστικά: Τα μοντέλα που περιγράφονται από την κατάσταση της οικονομίας ονομάζονται στατικές. Τα μοντέλα που δείχνουν την ανάπτυξη του αντικειμένου μοντέλωσης ονομάζονται δυναμική. Μοντέλα που μπορούν να κατασκευαστούν όχι μόνο στους τύπους τύπου (αναλυτική αναπαράσταση), αλλά και με τη μορφή αριθμητικών παραδειγμάτων (αριθμητική αναπαράσταση), με τη μορφή πινάκων (αναπαράσταση μήτρας), με τη μορφή ειδικού τύπου αναπαράστασης δικτύου γραφημάτων ). 2 μοντέλο έννοιας Επί του παρόντος, είναι αδύνατο να καλέσουμε την περιοχή της ανθρώπινης δραστηριότητας στην οποία οι μέθοδοι παρατήρησης θα χρησιμοποιηθούν σε ένα βαθμό ή άλλο. Εν τω μεταξύ, ο γενικά αναγνωρισμένος ορισμός της έννοιας του μοντέλου δεν υπάρχει. Κατά τη γνώμη μας, ο ακόλουθος ορισμός αξίζει προτιμήσεις: το μοντέλο αποτελεί αντικείμενο οποιασδήποτε φύσης που δημιουργείται από τον ερευνητή προκειμένου να αποκτήσει νέες γνώσεις σχετικά με το αρχικό αντικείμενο και να αντικατοπτρίζει μόνο σημαντική (από την άποψη του προγραμματιστή) των ακινήτων του πρωτοτύπου. Αναλύοντας το περιεχόμενο αυτού του ορισμού, μπορούν να σχεδιαστούν τα ακόλουθα συμπεράσματα: ) Κάθε μοντέλο είναι υποκειμενικό, φέρει τη σφραγίδα της ατομικότητας του ερευνητή. ) Οποιοδήποτε μοντέλο ομομορφικής, δηλ. Δεν αντανακλά όλα, αλλά μόνο οι βασικές ιδιότητες του αρχικού αντικειμένου. ) Η ύπαρξη ποικίλων μοντέλων της ίδιας αρχικής πρωτοτυπίας, η οποία διαφέρουν στους στόχους της μελέτης και ο βαθμός επάρκειας είναι δυνατός. Το μοντέλο θεωρείται επαρκές αντικείμενο του πρωτοτύπου, εάν πρόκειται για επαρκή βαθμό προσέγγισης στο επίπεδο κατανόησης της προσομοιωμένης διαδικασίας από τον ερευνητή αντικατοπτρίζει τα πρότυπα της διαδικασίας λειτουργίας του πραγματικού συστήματος στο εξωτερικό περιβάλλον. Τα μαθηματικά μοντέλα μπορούν να χωριστούν σε αναλυτική, αλγοριθμική (απομίμηση) και σε συνδυασμό. Για αναλυτική μοντελοποίηση, είναι χαρακτηριστικό ότι τα συστήματα αλγεβρικών, διαφορικών, ολοκληρωμένων ή πεπερασμένων εξισώσεων χρησιμοποιούνται για να περιγράψουν τη λειτουργία του συστήματος. Το αναλυτικό μοντέλο μπορεί να διερευνηθεί με τις ακόλουθες μεθόδους: α) αναλυτικά όταν τείνουν να λαμβάνουν ρητές εξαρτήσεις γενικά για τα επιθυμητά χαρακτηριστικά · β) Αριθμητική όταν, χωρίς να γνωρίζετε πώς να λύσετε εξισώσεις σε γενική μορφή, επιδιώκουν να λάβουν αριθμητικά αποτελέσματα με συγκεκριμένα αρχικά δεδομένα. γ) Ποιοτικό, όταν, χωρίς την επίλυση μιας σαφής φόρμας, μπορείτε να βρείτε κάποιες ιδιότητες του διαλύματος (για παράδειγμα, για να αξιολογήσετε τη βιωσιμότητα της λύσης). Στη μοντελοποίηση αλγοριθμικού (προσομοίωσης), περιγράφεται η διαδικασία λειτουργίας του συστήματος εγκαίρως και τα στοιχειώδη συστατικά του φαινομένου της μεθόδου προσομοιώνονται, διατηρώντας παράλληλα τη λογική τους δομή και τη ροή ροής. Τα μοντέλα απομίμησης μπορούν επίσης να είναι καθοριστικά και στατιστικά στοιχεία. Ο γενικός στόχος της μοντελοποίησης στη διαδικασία λήψης αποφάσεων διατυπώθηκε νωρίτερα - ο ορισμός αυτός (υπολογισμός) των τιμών του επιλεγμένου δείκτη απόδοσης για διάφορες στρατηγικές για τη λειτουργία (ή πραγματοποιήσεις του προβαλλόμενου συστήματος). Κατά την ανάπτυξη ενός συγκεκριμένου μοντέλου, ο σκοπός της μοντελοποίησης θα πρέπει να βελτιωθεί με βάση το χρησιμοποιούμενο κριτήριο αποτελεσματικότητας. Έτσι, ο σκοπός της μοντελοποίησης ορίζεται ως σκοπός της υπό εξέταση πράξης και τη σχεδιαζόμενη μέθοδο χρήσης των αποτελεσμάτων της μελέτης. Για παράδειγμα, μια προβληματική κατάσταση που απαιτεί λήψη αποφάσεων διατυπώνονται ως εξής: Για να βρείτε μια επιλογή για την κατασκευή ενός υπολογιστικού δικτύου που θα έχει ελάχιστο κόστος όταν συμμορφώνεται με τις απαιτήσεις απόδοσης και αξιοπιστίας. Σε αυτή την περίπτωση, ο σκοπός της μοντελοποίησης είναι η εύρεση παραμέτρων δικτύου που παρέχουν ελάχιστη τιμή PE, η οποία είναι ο ρόλος του κόστους. Η εργασία μπορεί να διαμορφωθεί διαφορετικά: από διάφορες επιλογές για τη διαμόρφωση του υπολογιστικού δικτύου, επιλέξτε το πιο αξιόπιστο. Εδώ, ένας από τους δείκτες αξιοπιστίας επιλέγεται ως PE (η μέση λειτουργία αποτυχίας, η πιθανότητα απρόσκοπτης λειτουργίας κ.λπ.) και ο σκοπός της προσομοίωσης είναι μια συγκριτική αξιολόγηση των επιλογών δικτύου για αυτόν τον δείκτη. Τα παραδείγματα των παραδειγμάτων επιτρέπουν την επιλογή του ίδιου δείκτη αποτελεσματικότητας να μην καθορίζει ακόμη την "αρχιτεκτονική" του μελλοντικού μοντέλου, δεδομένου ότι σε αυτό το στάδιο η ιδέα του δεν διαμορφώνεται ή, όπως λένε, το εννοιολογικό μοντέλο του συστήματος κάτω από το σύστημα η μελέτη δεν ορίζεται. Ii. Οι κύριες έννοιες της θεωρίας της μοντελοποίησης των οικονομικών συστημάτων και διαδικασιών 2.1 Έλεγχος και ανάπτυξη οικονομικών συστημάτων Η μοντελοποίηση προσομοίωσης είναι η πιο ισχυρή και καθολική έρευνα έρευνας και η αξιολόγηση της αποτελεσματικότητας του συστήματος, η συμπεριφορά εξαρτάται από τις επιπτώσεις των τυχαίων παραγόντων. Τέτοια συστήματα περιλαμβάνουν ένα αεροσκάφος και έναν πληθυσμό ζώων και μια επιχείρηση που λειτουργούν υπό τους όρους των βασιλιστικών σχέσεων της αγοράς. Η μοντελοποίηση απομίμησης βασίζεται σε ένα στατιστικό πείραμα (μέθοδος Monte Carlo), η εφαρμογή του οποίου είναι σχεδόν αδύνατη χωρίς τη χρήση υπολογιστικού εξοπλισμού. Επομένως, οποιοδήποτε μοντέλο προσομοίωσης είναι τελικά ένα περισσότερο ή λιγότερο περίπλοκο προϊόν λογισμικού. Φυσικά, όπως κάθε άλλο πρόγραμμα, ένα μοντέλο προσομοίωσης μπορεί να αναπτυχθεί σε οποιαδήποτε γενική γλώσσα προγραμματισμού, ακόμη και στη γλώσσα του συναρμολογητή. Εντούτοις, στην περίπτωση αυτή, προκύπτουν τα ακόλουθα προβλήματα: Η γνώση απαιτεί όχι μόνο τον τομέα του θέματος στην οποία αναφέρεται το σύστημα υπό μελέτη, αλλά και τη γλώσσα προγραμματισμού, και σε ένα μάλλον υψηλό επίπεδο. Για την ανάπτυξη συγκεκριμένων διαδικασιών για τη διασφάλιση ενός στατιστικού πειράματος (δημιουργία τυχαίων επιπτώσεων, ο σχεδιασμός του πειράματος, η επεξεργασία των αποτελεσμάτων) μπορεί να διαρκέσει χρόνο και δυνάμεις τουλάχιστον από το να αναπτύξει το ίδιο το μοντέλο συστήματος. Και τέλος, ένα περισσότερο ίσως το πιο σημαντικό πρόβλημα. Σε πολλά πρακτικά καθήκοντα, το ενδιαφέρον δεν είναι μόνο (και όχι τόσο) μια ποσοτική αξιολόγηση της αποτελεσματικότητας του συστήματος, πόση συμπεριφορά με τον ένα ή τον άλλο τρόπο. Για μια τέτοια παρατήρηση, ο ερευνητής πρέπει να έχει τα σχετικά "παράθυρα προβολής", τα οποία θα μπορούσαν να κλείσουν εάν είναι απαραίτητο, να μεταφερθούν σε άλλο μέρος, να αλλάξουν την κλίμακα και τη μορφή αναπαράστασης των παρατηρούμενων χαρακτηριστικών κλπ. Και χωρίς να περιμένουν το τέλος του τρέχοντος πειράματος μοντέλου. Το μοντέλο προσομοίωσης σε αυτή την περίπτωση ενεργεί ως πηγή ανταπόκρισης στην ερώτηση: "Τι θα συμβεί αν ...". Η εφαρμογή τέτοιων ευκαιριών σε μια γενική γλώσσα προγραμματισμού είναι πολύ δύσκολη. Επί του παρόντος, θα υπάρχουν αρκετά προϊόντα λογισμικού που επιτρέπουν τις διαδικασίες μοντελοποίησης. Τέτοιες συσκευασίες περιλαμβάνουν: προσκυνητές, GPS, απλού και αριθμό άλλων. Ταυτόχρονα, υπάρχει επί του παρόντος ένα προϊόν στη ρωσική αγορά τεχνολογίας υπολογιστών που σας επιτρέπει να επιλύσετε πολύ αποτελεσματικά τα συγκεκριμένα προβλήματα, το πακέτο Matleail που περιέχει το εργαλείο οπτικής μοντελοποίησης Simulink. Το Simulink είναι ένα εργαλείο που σας επιτρέπει να προσομοιώσετε γρήγορα το σύστημα και να πάρετε τα αναμενόμενα αποτελέσματα και να τα συγκρίνετε με το κόστος της επίτευξής τους. Υπάρχουν πολλοί διαφορετικοί τύποι μοντέλων: φυσικά, ανάλογα, διαισθητικά κ.λπ. Ειδικό μέρος μεταξύ τους καταλαμβάνουν μαθηματικά μοντέλα, τα οποία, σύμφωνα με τον ακαδημαϊκό A.A. Η Σαμάρα "είναι η μεγαλύτερη στρέβλωση της επιστημονικής επανάστασης του XX αιώνα". Τα μαθηματικά μοντέλα χωρίζονται σε δύο ομάδες: αναλυτικές και αλγο-ρυθμικές (οι οποίες μερικές φορές ονομάζονται προσομοίωση). Επί του παρόντος, είναι αδύνατο να ονομαστεί η περιοχή της ανθρώπινης δραστηριότητας στην οποία οι μέθοδοι μοντελοποίησης θα χρησιμοποιηθούν σε μία έκταση. Δεν αποτελεί εξαιρέσεις και οικονομικές δραστηριότητες. Ωστόσο, στον τομέα της μίμησης μοντελοποίησης των οικονομικών διαδικασιών, παρατηρούνται ακόμη ορισμένες δυσκολίες. Κατά τη γνώμη μας, αυτή η περίσταση εξηγείται από τους ακόλουθους λόγους. Οι οικονομικές διαδικασίες εμφανίζονται σε μεγάλο βαθμό αυθόρμητα, ανεξέλεγκτες. Είναι ελάχιστα επιδεκτικά για τις πολιτικές, δημόσιους και οικονομικούς ηγέτες μεμονωμένων βιομηχανιών και της οικονομίας της χώρας στο σύνολό της. Για το λόγο αυτό, τα οικονομικά συστήματα είναι κακώς μαθαίνουν και επισημοποιούνται. Οι ειδικοί στον τομέα των οικονομικών, κατά κανόνα, δεν έχουν επαρκή μαθηματική κατάρτιση γενικά και ειδικότερα τα μαθηματικά θέματα μοντελοποίησης. Οι περισσότεροι από αυτούς δεν γνωρίζουν πώς να περιγράφουν επισήμως (τυποποιημένες) παρατηρούμενες οικονομικές διαδικασίες. Αυτό, με τη σειρά του, δεν σας επιτρέπει να διαπιστώσετε εάν το μαθηματικό μοντέλο του υπό εξέταση οικονομικού συστήματος είναι επαρκές. Οι ειδικοί στον τομέα της μαθηματικής μοντελοποίησης, χωρίς να έχουν επίσημη περιγραφή της οικονομικής διαδικασίας στη διάθεσή τους, δεν μπορούν να δημιουργήσουν ένα επαρκές μαθηματικό μοντέλο. Τα υπάρχοντα μαθηματικά μοντέλα που είναι συνηθισμένα να καλέσουν μοντέλα οικονομικών συστημάτων μπορούν να χωριστούν σε τρεις ομάδες. Η πρώτη ομάδα περιλαμβάνει μοντέλα, αντανακλώντας αρκετά ακρίβεια οποιαδήποτε πλευρά μιας συγκεκριμένης οικονομικής διαδικασίας, η οποία συμβαίνει στο σύστημα σχετικά μικρής κλίμακας. Από την άποψη των μαθηματικών, είναι πολύ απλές σχέσεις μεταξύ των δύο και των τριών μεταβλητών. Συνήθως, αυτές είναι αλγεβρικές εξισώσεις του 2ου ή 3ου βαθμού, ως έσχατη λύση, το σύστημα αλγεβρικών εξισώσεων που απαιτούν την επίλυση της εφαρμογής της μεθόδου επανάληψης (διαδοχικές προσεγγίσεις). Εφαρμόζονται στην πράξη, αλλά δεν αντιπροσωπεύουν το Inte-Res από την άποψη των ειδικών στον τομέα της μαθηματικής μοντελοποίησης. Η δεύτερη ομάδα μπορεί να περιλαμβάνει μοντέλα που περιγράφουν τις πραγματικές διεργασίες που συμβαίνουν σε μικρά και μεσαία οικονομικά συστήματα που εκτίθενται σε τυχαίους και αβέβαιους παράγοντες. Η ανάπτυξη τέτοιων μοντέλων απαιτεί αποδοχή να επιτρέπουν αβεβαιότητες. Για παράδειγμα, πρέπει να καθορίσετε τη διανομή τυχαίων μεταβλητών που σχετίζονται με μεταβλητές εισόδου. Αυτή η τεχνητή λειτουργία στη γνωστή στέπα προκαλεί αμφιβολία στην αξιοπιστία των αποτελεσμάτων μοντελοποίησης. Ωστόσο, δεν υπάρχει άλλος τρόπος για να δημιουργήσετε ένα μαθηματικό μοντέλο. Μεταξύ των μοντέλων αυτής της ομάδας, τα μοντέλα των λεγόμενων συστημάτων συντήρησης μάζας ήταν πιο κοινά. Υπάρχουν δύο ποικιλίες αυτών των μοντέλων: αναλυτικές και αλγοριθμικές. Τα αναλυτικά μοντέλα δεν λαμβάνουν υπόψη τη δράση τυχαίων παραγόντων και ως εκ τούτου μπορούν να χρησιμοποιηθούν μόνο ως τα μοντέλα της πρώτης προσέγγισης. Με τη βοήθεια αλγοριθμικών μοντέλων, η υπό μελέτη διαδικασία μπορεί να περιγραφεί με οποιοδήποτε βαθμό ακρίβειας στο επίπεδο της κατανόησης του από τον διευθυντή του έργου. Η τρίτη ομάδα περιλαμβάνει μοντέλα μεγάλων και πολύ μεγάλων (μακροοικονομικών) συστημάτων: μεγάλες εμπορικές και βιομηχανικές επιχειρήσεις και ενώσεις, τομείς της εθνικής οικονομίας και η οικονομία της χώρας στο σύνολό της. Η δημιουργία ενός μαθηματικού μοντέλου του οικονομικού συστήματος μιας τέτοιας κλίμακας είναι ένα πολύπλοκο επιστημονικό πρόβλημα, η λύση του οποίου είναι μόνο ένα σημαντικό ερευνητικό ίδρυμα. 2.2 Τα συστατικά του μοντέλου προσομοίωσης Η αριθμητική προσομοίωση ασχολείται με τρεις τύπους τιμών: δεδομένα πηγής που υπολογίζονται με μεταβλητές τιμές και με τιμές παραμέτρων. Στο φύλλο των συστοιχιών Excel με αυτές τις τιμές καταλαμβάνουν ξεχωριστές περιοχές. Πηγή πραγματικών δεδομένων, δείγματα ή αριθμός αριθμών λαμβάνονται με άμεση εγγενή παρατήρηση ή σε πειράματα. Στο πλαίσιο της διαδικασίας προσομοίωσης, παραμένουν αμετάβλητες (είναι σαφές ότι εάν είναι απαραίτητο, μπορείτε να προσθέσετε ή να μειώσετε τα σύνολα τιμών) και να αναπαράγετε διπλό ρόλο. Μερικοί από αυτούς (ανεξάρτητες μεταβλητές περιβάλλοντος, x) χρησιμεύουν ως βάση για τον υπολογισμό των μεταβλητών μοντέλου. Τις περισσότερες φορές είναι χαρακτηριστικά των φυσικών παραγόντων (χρόνος, φωτοπερόμερος, θερμοκρασία, αφθονία ζωοτροφών, δόση τοξικού, επαναφοράν όγκων ρύπων κ.λπ.). Ένα άλλο μέρος των δεδομένων (εξαρτώμενες μεταβλητές του αντικειμένου, το Υ) είναι ένα ποσοτικό χαρακτηριστικό της κατάστασης, των αντιδράσεων ή της συμπεριφοράς του αντικειμένου της έρευνας, η οποία ελήφθη υπό ορισμένες προϋποθέσεις υπό τη δράση των καταχωρημένων περιβαλλοντικών παραγόντων. Κατά τη βιολογική έννοια, η πρώτη ομάδα αξιών δεν εξαρτάται από το δεύτερο. Αντίθετα, οι μεταβλητές αντικειμένων εξαρτώνται από τις μεταβλητές του περιβάλλοντος. Στο φύλλο Excel, τα δεδομένα εισάγονται από το πληκτρολόγιο ή από το αρχείο στον κανονικό τρόπο λειτουργίας με το υπολογιστικό φύλλο. Το μοντέλο δεδομένων διακανονισμού αναπαράγει θεωρητικά προσεκτική κατάσταση του αντικειμένου, η οποία καθορίζεται από την προηγούμενη κατάσταση, το επίπεδο των παρατηρούμενων περιβαλλοντικών παραγόντων και χαρακτηρίζεται από βασικές παραμέτρους της μελετημένης διαδικασίας. Κατά τη συνήθη περίπτωση, κατά τον υπολογισμό των τιμών μοντέλου (YM I) για κάθε χρονικό σημείο (i), χρησιμοποιούνται οι παράμετροι (α), το χαρακτηριστικό της προηγούμενης κατάστασης (YMI -1) και τα τρέχοντα επίπεδα περιβαλλοντικών παραγόντων (XI ) :: Y m i \u003d f (a, y m i-1, x i, i), όπου () είναι η υιοθετημένη μορφή του λόγου παραμέτρων και μεταβλητών του μέσου, ο τύπος μοντέλου, \u003d 1, 2, ... t ή i \u003d 1, 2, ... n. Οι υπολογισμοί των χαρακτηριστικών του συστήματος σύμφωνα με τους τύπους μοντέλου για κάθε βήμα χρόνου (για κάθε κατάσταση) σάς επιτρέπουν να σχηματίσουν μια σειρά από ρητές μεταβλητές μοντέλου (YM), η οποία θα πρέπει να επαναλάβει ακριβώς τη δομή της σειράς πραγματικών εξαρτημένων μεταβλητών (y ), η οποία είναι απαραίτητη για την επόμενη ρύθμιση παραμέτρων μοντέλων. Οι τύποι υπολογισμού των μεταβλητών μοντέλου εισάγονται στα κύτταρα του φύλλου Excel με το χέρι (βλέπε το τμήμα χρήσιμων δεξαμενών). Οι παράμετροι μοντέλου (α) αποτελούν μια τρίτη ομάδα τιμών. Όλες οι παράμετροι μπορούν να εκπροσωπούνται όσα: \u003d (A 1, A 2, ..., A J, ..., A M), όπου j είναι ο αριθμός παραμέτρων, m - Συνολικός αριθμός παραμέτρων, και να κανονίσετε σε ξεχωριστό μπλοκ. Είναι σαφές ότι ο αριθμός των παραμέτρων καθορίζεται από τη δομή των μεθόδων των μοντέλων τύπων. Λαμβάνοντας μια ξεχωριστή θέση στο φύλλο Excel, παίζουν έναν μεγαλύτερο ρόλο στη μοντελοποίηση. Οι παράμετροι έχουν σχεδιαστεί για να χαρακτηρίζουν το μεγαλύτερο πλάσμα, ο μηχανισμός εφαρμογής των παρατηρούμενων φαινομένων. Οι παράμετροι πρέπει να έχουν βιολογική (φυσική) νόημα. Για ορισμένες εργασίες, είναι απαραίτητο οι παράμετροι που υπολογίζονται για διαφορετικές συστοιχίες δεδομένων να μπορούν να συγκριθούν. Έτσι μερικές φορές πρέπει να συνοδεύονται από τα στατιστικά τους λάθη. Η σχέση μεταξύ των συστατικών του συστήματος προσομοίωσης αποτελούν μια λειτουργική ενότητα, εστιασμένη στην επίτευξη ενός κοινού στόχου - αξιολόγηση των παραμέτρων του μοντέλου (Εικ. 2.6, Πίνακας 2.10). Στην εφαρμογή μεμονωμένων λειτουργιών που υποδεικνύονται από τα βέλη, πολλά στοιχεία είναι ταυτόχρονα. Για να μην γεμίσει την εικόνα, το διάγραμμα δεν αντικατοπτρίζει τα μπλοκ γραφικής αναπαράστασης και τυχαιοποίησης. Το σύστημα προσομοίωσης έχει σχεδιαστεί για να εξυπηρετεί οποιεσδήποτε αλλαγές στα μοντέλα σχεδίων, τα οποία, εάν είναι απαραίτητο, μπορούν να γίνουν από τον ερευνητή. Τα βασικά σχέδια συστημάτων απομιμήσεων, καθώς και τα πιθανά τρόπους αποσύνθεσης και ολοκλήρωσης τους παρουσιάζονται στο πλαίσιο των συστημάτων προσομοίωσης. Προσομοίωση προσομοίωσης οικονομική σειρά III. Βασικές ιδιότητες προσομοίωσης 1 Μοντέλο απομίμησης και τα χαρακτηριστικά του Η μοντελοποίηση προσομοίωσης είναι ένας τύπος αναλογικού μοντέλου που υλοποιείται από ένα σύνολο μαθηματικών εργαλείων, ειδικών μιμητικών προγραμμάτων ηλεκτρονικών υπολογιστών και τεχνολογίες προγραμματισμού που σας επιτρέπουν να εκτελέσετε μια στοχοθετημένη μελέτη της δομής και των λειτουργιών μιας πραγματικής πολύπλοκης διαδικασίας στη μνήμη του υπολογιστή στο " Απομίμηση "λειτουργία, για βελτιστοποίηση μερικών παραμέτρων πληροφορικής. Το μοντέλο προσομοίωσης είναι ένα οικονομικό και μαθηματικό μοντέλο, η μελέτη της οποίας πραγματοποιείται με πειραματικές μεθόδους. Το πείραμα παρατηρείται για τα αποτελέσματα των υπολογισμών σε διάφορες τιμές των εισαγόμενων εξωγενών μεταβλητών. Το μοντέλο προσομοίωσης είναι ένα δυναμικό μοντέλο λόγω του γεγονότος ότι έχει μια τέτοια παράμετρο όσο καιρός. Το μοντέλο προσομοίωσης ονομάζεται επίσης ένα ειδικό πακέτο λογισμικού που σας επιτρέπει να μιμηθείτε τις δραστηριότητες ενός σύνθετου αντικειμένου. Η εμφάνιση της μοντελοποίησης απομίμησης συσχετίστηκε με το "νέο κύμα" στην οικονομία-θεματική μοντελοποίηση. Προβλήματα της οικονομικής επιστήμης και πρακτικής στον τομέα της διαχείρισης και της οικονομικής εκπαίδευσης, αφενός, και η αύξηση της απόδοσης των υπολογιστών, από την άλλη πλευρά, προκάλεσε την επιθυμία να επεκταθούν το πλαίσιο των «κλασικών» οικονομικών και μαθηματικών μεθόδων . Κάποια απογοήτευση έχει έρθει στις δυνατότητες ρύθμισης, ισορροπίας, βελτιστοποίησης και θεωρητικών και μοντέλων παιχνιδιών, αρχικά αξίζει να προσελκύονται από το γεγονός ότι συμβάλλουν σε πολλά προβλήματα οικονομικής διαχείρισης την κατάσταση της λογικής σαφήνειας και της αντικειμενικότητας, και επίσης να οδηγήσει σε "λογικό" (ισορροπημένη, βέλτιστη, συμβιβαστική) λύση. Δεν ήταν πάντοτε δυνατό να κατανοήσουμε πλήρως τους προτεραιότερους στόχους και, εξάλλου, να επισημοποιήσουν το κριτήριο βελτιστοποίησης και (ή) τους περιορισμούς στις επιτρεπόμενες λύσεις. Επομένως, πολλές προσπάθειες εξακολουθούν να εφαρμόζουν τέτοιες μέθοδοι άρχισαν να λαμβάνουν απαράδεκτες, για παράδειγμα, μη πραγματοποιηθείσες (ανιχνεύονται) λύσεις. Η υπέρβαση των δυσκολιών που απορρέουν από την πορεία της αδυναμίας να επισημοποιηθούν πλήρως (όπως γίνεται σε ρυθμιστικά μοντέλα) διαδικασίες υιοθέτησης κοινωνικοοικονομικών λύσεων. Η προτίμηση έχει γίνει μια λογική σύνθεση των πνευματικών δυνατοτήτων του εμπειρογνώμονα και των κειμένων πληροφοριών του υπολογιστή, η οποία εφαρμόζεται συνήθως σε διαλόγους. Το ίδιο μάθημα αυτής της κατεύθυνσης είναι η μετάβαση σε μοντέλα ανθρωπίνων μηχάνημα πολλαπλών κριτηρίων «ημι-ίδρησης», η δεύτερη είναι η μεταφορά του κέντρου βάρους με υποτιμητικά μοντέλα που επικεντρώνονται στο καθεστώς "συνθηκών - απόφασης", για περιγραφικά μοντέλα που Δώστε μια απάντηση στην ερώτηση "Τι θα συμβεί αν ..". Η προσομοίωση προσομοίωσης συνήθως καταφεύγεται σε περιπτώσεις όπου οι εξαρτήσεις μεταξύ των στοιχείων των προσομοιωμένων συστημάτων είναι τόσο περίπλοκα και είναι αβέβαιοι ότι δεν είναι επιδεκτικοί σε μια επίσημη περιγραφή στη γλώσσα των σύγχρονων μαθηματικών, δηλ. Χρησιμοποιώντας αναλυτικά μοντέλα. Έτσι, η απομίμηση των ερευνητών πολύπλοκων συστημάτων αναγκάζονται να χρησιμοποιήσουν όταν οι καθαρά αναλυτικές μέθοδοι είτε δεν εφαρμόζονται είτε δεν είναι απαράδεκτες (λόγω της πολυπλοκότητας των αντίστοιχων μοντέλων). Κατά την προσομοίωση μοντελοποίησης, οι δυναμικές διεργασίες του αρχικού συστήματος αντικαθίστανται από διαδικασίες από τον προσομοιωμένο αλγόριθμο στο αφηρημένο μοντέλο, αλλά με την τήρηση των ίδιων αναλογιών των διάρκειας, των λογικών και των χρονικών ακολουθιών, όπως στο πραγματικό σύστημα. Επομένως, η μέθοδος προσομοίωσης θα μπορούσε να ονομαστεί αλγοριθμική ή λειτουργία. Με την ευκαιρία, ένα τέτοιο όνομα θα ήταν πιο επιτυχημένο, επειδή η απομίμηση (μεταφρασμένη από λατινική απομίμηση) είναι η αναπαραγωγή οποιουδήποτε τεχνητού μέσου, δηλ. Μοντελοποίηση. Από αυτή την άποψη, το όνομα "μοντελοποίησης προσομοίωσης" χρησιμοποιείται ευρέως είναι ταυτολογική. Στη διαδικασία προσομοίωσης της λειτουργίας του υπό μελέτη συστήματος, όπως στο πείραμα με το ίδιο το αρχικό, ορισμένα συμβάντα και κράτη καταγράφονται, στα οποία υπολογίζονται τα απαραίτητα χαρακτηριστικά της λειτουργίας του συστήματος που μελετώνται στη συνέχεια. Για τα συστήματα, για παράδειγμα, η πληροφόρηση και η υπολογιστική συντήρηση, καθώς μπορούν να οριστούν τέτοια δυναμικά χαρακτηριστικά: Απόδοση συσκευών επεξεργασίας δεδομένων · Διάρκεια των ουρών υπηρεσιών. Ο χρόνος αναμονής υπηρεσίας στις ουρές. Ο αριθμός των εφαρμογών εγκατέλειψε το σύστημα χωρίς συντήρηση. Στη μοντελοποίηση προσομοίωσης, οι διαδικασίες οποιουδήποτε βαθμού πολυπλοκότητας μπορούν να αναπαραχθούν εάν υπάρχει μια περιγραφή που καθορίζεται σε οποιαδήποτε μορφή: Τύποι, πίνακες, γραφήματα ή ακόμα και προφορικά. Το κύριο χαρακτηριστικό των μοντέλων απομίμησης είναι ότι η υπό εξέταση διαδικασία είναι "αντιγραφεί" στη μηχανή υπολογιστικής μηχανής, οπότε τα μοντέλα απομίμησης, σε αντίθεση με τα αναλυτικά μοντέλα επιτρέπουν: Να λάβουν υπόψη στα μοντέλα έναν τεράστιο αριθμό παραγόντων χωρίς ακαθάριστες απλουστεύσεις και παραδοχές (και συνεπώς να αυξήσουν την επάρκεια του υπόδειγμα του υπό μελέτη του συστήματος) · Αρκεί μόνο να ληφθεί υπόψη ο παράγοντας αβεβαιότητας στο μοντέλο που προκαλείται από τον τυχαίο χαρακτήρα πολλών μεταβλητών μοντέλων. Όλα αυτά σας επιτρέπουν να κάνετε ένα φυσικό συμπέρασμα ότι τα μοντέλα απομίμησης μπορούν να δημιουργηθούν για μια ευρύτερη κατηγορία αντικειμένων και διαδικασιών. 2 ουσία προσομοίωσης Η ουσία της μοντελοποίησης απομιμήσεων είναι ένας στόχος πειραματισμός με το μοντέλο προσομοίωσης με το "παίζοντας" σε αυτήν διαφόρων επιλογών για το σύστημα με την αντίστοιχη οικονομική ανάλυση. Αμέσως σημειώνουμε ότι τα αποτελέσματα αυτών των πειραμάτων και η αντίστοιχη οικονομική ανάλυση πρέπει να οριστούν με τη μορφή πινάκων, γραφημάτων, ονομάτων κλπ., Οι οποίες απλοποιούν σημαντικά τη διαδικασία λήψης αποφάσεων με βάση τα αποτελέσματα της μοντελοποίησης. Καταχώρηση παραπάνω Ορισμένα πλεονεκτήματα των μοντέλων απομίμησης και προσομοίωση προσομοίωσης, σημειώνουμε επίσης τις ελλείψεις τους που πρέπει να θυμόμαστε στην πρακτική χρήση της προσομοίωσης. Το: Έλλειψη καλά δομημένων αρχών για μοντέλα απομίμησης κτιρίων, η οποία απαιτεί σημαντική μελέτη κάθε συγκεκριμένης υπόθεσης της κατασκευής του. Μεθοδολογικές δυσκολίες για την εξεύρεση βέλτιστων λύσεων. Αυξημένες απαιτήσεις για την ταχύτητα του υπολογιστή, στην οποία εφαρμόζονται μοντέλα απομίμησης · Δυσκολίες που συνδέονται με τη συλλογή και την προετοιμασία αντιπροσωπευτικών στατιστικών στοιχείων · Η μοναδικότητα των μοντέλων απομιμήσεων, η οποία δεν επιτρέπει τη χρήση προϊόντων λογισμικού έτοιμο. Την πολυπλοκότητα της ανάλυσης και της κατανόησης των αποτελεσμάτων που λαμβάνονται ως αποτέλεσμα ενός υπολογιστικού πειράματος · Αρκετά έξοδα χρόνου και χρήματος, ειδικά κατά την αναζήτηση βέλτιστης συμπεριφοράς του υπό μελέτη. Ο αριθμός και η ουσία των ενδεχόμενων ελλείψεων είναι πολύ εντυπωσιακή. Ωστόσο, δεδομένου ενός μεγάλου επιστημονικού ενδιαφέροντος για τις μεθόδους αυτές και την εξαιρετικά εντατική τους ανάπτυξη τα τελευταία χρόνια, μπορεί να θεωρηθεί με βεβαιότητα ότι πολλές από τις παραπάνω ελλείψεις της μοντελοποίησης απομιμήσεων μπορούν να εξαλειφθούν τόσο στο εννοιολογικό όσο και στο εφαρμοσμένο σχέδιο. Προσομοίωση προσομοίωσης μιας ελεγχόμενης διαδικασίας ή διαχειριζόμενου αντικειμένου είναι μια τεχνολογία πληροφοριών υψηλού επιπέδου που παρέχει δύο τύπους δράσεων που εκτελούνται χρησιμοποιώντας έναν υπολογιστή: ) εργάζονται για τη δημιουργία ή την τροποποίηση του μοντέλου προσομοίωσης · ) Λειτουργία του μοντέλου προσομοίωσης και ερμηνεία των αποτελεσμάτων. Η προσομοίωση των οικονομικών διαδικασιών εφαρμόζεται συνήθως σε δύο περιπτώσεις: Για να διαχειριστείτε μια πολύπλοκη επιχειρηματική διαδικασία, όταν το μοντέλο προσομοίωσης ενός διαχειριζόμενου οικονομικού αντικειμένου χρησιμοποιείται ως εργαλείο εργαλείου% στο κύκλωμα ενός συστήματος προσαρμοστικού ελέγχου που δημιουργήθηκε με βάση την τεχνολογία των πληροφοριών. Κατά τη διεξαγωγή πειραμάτων με διακριτά συνεχή μοντέλα σύνθετων οικονομικών αντικειμένων για την απόκτηση και την παρακολούθηση της δυναμικής τους σε καταστάσεις που σχετίζονται με τον κίνδυνο έκτακτης ανάγκης, των οποίων η φυσική μοντελοποίηση είναι ανεπιθύμητη ή αδύνατη. Οι ακόλουθες τυπικές εργασίες μπορούν να διακριθούν, να λυθούν με προσομοίωση χρησιμοποιώντας μοντελοποίηση απομίμησης κατά τη διαχείριση οικονομικών αντικειμένων: Δημιουργία διαδικασιών εφοδιαστικής για τον καθορισμό προσωρινών παραμέτρων και παραμέτρων αξίας. Διαχείριση της διαδικασίας εφαρμογής ενός επενδυτικού σχεδίου σε διάφορα στάδια του κύκλου ζωής του, λαμβάνοντας υπόψη τους πιθανούς κινδύνους και τακτικές των προοπτικών μετρητών · Ανάλυση των διαδικασιών εκκαθάρισης στο έργο ενός δικτύου πιστωτικών ιδρυμάτων (συμπεριλαμβανομένης της αίτησης στις διαδικασίες αμοιβαίων οικισμών στο πλαίσιο του ρωσικού τραπεζικού συστήματος) · Προβλέποντας τις οικονομικές επιδόσεις της επιχείρησης για μια συγκεκριμένη χρονική περίοδο (με την ανάλυση του υπολοίπου ισορροπίας λογαριασμών) · Επιχειρηματική αναδιοργάνωση μιας σπειροειδούς επιχειρήσεων (αλλαγή στη δομή και τους πόρους της πτώχευσης επιχείρηση, μετά την οποία είναι δυνατή η πρόβλεψη των βασικών οικονομικών αποτελεσμάτων με τη βοήθεια ενός μοντέλου προσομοίωσης και να παράσχει συστάσεις σχετικά με τη σκοπιμότητα αυτού ή αυτή την επιλογή ανασυγκρότηση, επενδύσεις ή δανεισμός σε βιομηχανικές δραστηριότητες) · Το σύστημα προσομοίωσης που εξασφαλίζει τη δημιουργία μοντέλων για την επίλυση των αναφερόμενων εργασιών πρέπει να έχει τις ακόλουθες ιδιότητες: Τη δυνατότητα χρήσης προγραμμάτων απομίμησης μαζί με ειδικά οικονομικά και μαθηματικά μοντέλα και μεθόδους που βασίζονται στη θεωρία διαχείρισης · Μεθόδους για τη διεξαγωγή διαρθρωτικής ανάλυσης μιας σύνθετης οικονομικής διαδικασίας · Η δυνατότητα μοντέλου υλικού, νομισματικών και πληροφοριών και ρέει σε ένα μόνο μοντέλο, γενικά, το χρόνο μοντέλου. Η δυνατότητα εισαγωγής μόνιμης λειτουργίας βελτίωσης κατά την παραλαβή των δεδομένων εξόδου (βασικοί οικονομικοί δείκτες, χρονικά και χωρικά χαρακτηριστικά, παραμέτρους κινδύνου κ.λπ.) και το ακραίο πείραμα. Πολλά οικονομικά συστήματα είναι ουσιαστικά ένα σύστημα μαζικής υπηρεσίας (SMO), δηλ., Τα συστήματα στα οποία, αφενός, έχουν απαίτηση για τη διεξαγωγή οποιωνδήποτε υπηρεσιών και, αφετέρου, υπάρχει ικανοποίηση αυτών των απαιτήσεων. Iv. Πρακτικό μέρος 1 δήλωση προβλημάτων Διερευνήστε τη δυναμική του οικονομικού δείκτη που βασίζεται στην ανάλυση μιας μονοδιάστατης χρονικής σειράς. Κατά τη διάρκεια των εννέα διαδοχικών εβδομάδων, η ζήτηση y (t) (mu ρούβλια) καταγράφηκε στους πιστωτικούς πόρους της χρηματοπιστωτικής εταιρείας. Η χρονική σειρά Y (t) αυτού του δείκτη παρουσιάζεται στον πίνακα. Απαιτεί: Ελέγξτε για μη φυσιολογικές παρατηρήσεις. Δημιουργία γραμμικού μοντέλου Υ (Τ) \u003d Α 0 + Α 1 Τ, οι παράμετροι των οποίων για την αξιολόγηση του MNC (y (t)) - τις υπολογισμένες, μοντελοποιημένες τιμές της χρονικής σειράς). Αξιολογήστε την επάρκεια των κατασκευασμένων μοντέλων χρησιμοποιώντας τις ιδιότητες της ανεξαρτησίας της υπολειμματικής συνιστώσας, της πιθανότητας και της συμμόρφωσης με τον κανονικό νόμο κατανομής (όταν χρησιμοποιεί το κριτήριο R / S, πάρτε τα σύνορα των 2,7-3,7). Αξιολογήστε την ακρίβεια των μοντέλων με βάση τη χρήση ενός μέσου σφάλματος σχετικής προσέγγισης. Από δύο μοντέλα που κατασκευάστηκαν από την πρόβλεψη της ζήτησης για τις επόμενες δύο εβδομάδες (το διάστημα εμπιστοσύνης της πρόβλεψης υπολογίζεται στην πιθανότητα εμπιστοσύνης p \u003d 70%) Οι πραγματικές τιμές του δείκτη, τα μοντέλα και τα αποτελέσματα πρόβλεψης είναι γραφικά. 4.2 Λύση της εργασίας ένας). Η παρουσία ανωμαλιών παρατηρήσεων οδηγεί σε στρέβλωση των αποτελεσμάτων μοντελοποίησης, οπότε είναι απαραίτητο να βεβαιωθείτε ότι δεν υπάρχουν μη φυσιολογικά δεδομένα. Για να το κάνετε αυτό, χρησιμοποιούμε τη μέθοδο Irwin και βρείτε έναν χαρακτηριστικό αριθμό () (Πίνακας 4.1). ; Οι υπολογισμένες τιμές συγκρίνονται με τις τιμές του πίνακα του κριτηρίου IRVINE και αν αποδειχθούν πιο πινακίδες, τότε η αντίστοιχη τιμή του επιπέδου σειράς θεωρείται ανώμαλη. Προσάρτημα 1 (Πίνακας 4.1) Όλες οι τιμές που λαμβάνονται συγκρίθηκαν με τις τιμές του πίνακα, δεν τους υπερβαίνει, δηλαδή δεν υπάρχουν μη φυσιολογικές παρατηρήσεις. ) Για να κατασκευάσετε ένα γραμμικό μοντέλο, τις παραμέτρους των οποίων να αξιολογήσετε τις τιμές MNC (- υπολογισμένες, μοντελοποιημένες τιμές της χρονικής σειράς). Για να το κάνετε αυτό, χρησιμοποιήστε ανάλυση δεδομένων στο Excel Προσάρτημα 1 ((Εικ. 4.2) .ris 4.1) Το αποτέλεσμα της ανάλυσης παλινδρόμησης περιέχεται στον πίνακα. Προσάρτημα 1 (Πίνακας 4.2 και 4.3) Στην καρτέλα Δεύτερη στήλη. 4.3 Περιέχει τους συντελεστές της εξίσωσης παλινδρόμησης Α . Η εξίσωση παλινδρόμησης (ζήτηση για πιστωτικούς πόρους) από (ώρα) έχει τη μορφή Προσάρτημα 1 (Εικ. 4.5) 3) Αξιολογήστε την επάρκεια των κατασκευασμένων μοντέλων. 1. Ελέγξτε την ανεξαρτησία (έλλειψη αυτοσυσχέτισης) με το κριτήριο D - Darbina - Watson από τον τύπο: Προσάρτημα 1 (Πίνακας 4.4) Επειδή Η υπολογισμένη τιμή του D εισέρχεται στο διάστημα από 0 έως D 1, δηλ. Σε ένα διάστημα από το 0 έως το 1,08, η ιδιότητα της ανεξαρτησίας δεν εκτελείται, τα επίπεδα μιας σειράς υπολειμμάτων περιέχουν αυτοσυσχέτιση. Κατά συνέπεια, το υπόδειγμα αυτού του κριτηρίου είναι ανεπαρκές. 2. Ελέγξτε το τυχαίο των επιπέδων των υπολειμμάτων που θα διεξάγουν βάσει του κριτηρίου των σημείων στροφής. P\u003e Ο αριθμός των περιστροφικών σημείων είναι 6. Προσάρτημα 1 (Εικ. 4.5) Η ανισότητα πραγματοποιείται (6\u003e 2). Κατά συνέπεια, πραγματοποιείται η ακρίβεια του ατυχήματος. Το μοντέλο αυτού του κριτηρίου είναι επαρκές. 3. Συμμόρφωση ορισμένων υπολειμμάτων στον κανονικό νόμο κατανομής Προσδιορίζεται με τα κριτήρια RS: Το μέγιστο επίπεδο ορισμένων υπολειμμάτων, Το ελάχιστο επίπεδο ορισμένων υπολειμμάτων, Απόκλιση rms, Ως εκ τούτου, η υπολογισμένη τιμή εισέρχεται στο διάστημα (2,7-3,7), εκτελείται η ιδιότητα κανονικότητας διανομής. Το μοντέλο αυτού του κριτηρίου είναι επαρκές. 4. Ελέγξτε την ισότητα μηδενική μαθηματική προσδοκία της σειράς υπολειμμάτων. Στην περίπτωση μας, επομένως, η υπόθεση της ισότητας της μαθηματικής προσδοκίας των τιμών της υπολειμματικής σειράς είναι έγκυρη. Πίνακας 4.3 Συλλογή ανάλυση δεδομένων ενός αριθμού υπολειμμάτων. Προσάρτημα 1 (Πίνακας 4.6) 4) Αξιολογήστε την ακρίβεια του μοντέλου με βάση τη χρήση ενός μέσου σφάλματος σχετικής προσέγγισης. Για να εκτιμηθεί η ακρίβεια του ληφθέντος μοντέλου, χρησιμοποιούμε τον δείκτη του σχετικού σφάλματος της προσέγγισης, το οποίο υπολογίζεται από τον τύπο: Υπολογισμός του σχετικού σφάλματος προσέγγισης Προσάρτημα 1 (Πίνακας 4.7) Εάν το σφάλμα που υπολογίζεται από τον τύπο δεν υπερβαίνει το 15%, η ακρίβεια του μοντέλου θεωρείται αποδεκτή. 5) Σύμφωνα με το κατασκευασμένο μοντέλο, η πρόβλεψη της ζήτησης για τις επόμενες δύο εβδομάδες (το διάστημα εμπιστοσύνης της πρόβλεψης υπολογίζεται κατά την πιθανότητα εμπιστοσύνης p \u003d 70%). Χρησιμοποιούμε τη λειτουργία του Excel Studesset. Προσάρτημα 1 (Πίνακας 4.8) Για να οικοδομήσουμε μια πρόβλεψη διαστήματος, υπολογίζουμε το διάστημα εμπιστοσύνης. Επομένως, θα λάβουμε την αξία του επιπέδου σημασίας, η πιθανότητα εμπιστοσύνης είναι 70% και το κριτήριο του φοιτητή για Το πλάτος του διαστήματος εμπιστοσύνης υπολογίζεται από τον τύπο: Υπολογίστε τα ανώτερα και κάτω όρια της πρόβλεψης (καρτέλα 4.11). Προσάρτημα 1 (Πίνακας 4.9) 6) Οι πραγματικές τιμές του δείκτη, τα μοντέλα και τα αποτελέσματα πρόβλεψης είναι γραφικά. Μετατρέπουμε το χρονοδιάγραμμα επιλογής προσθέτοντας τα δεδομένα προβολής του. Προσάρτημα 1 (Πίνακας 4.10) συμπέρασμα Το οικονομικό μοντέλο ορίζεται ως ένα σύστημα αλληλένδετων οικονομικών φαινομένων, εκφρασμένο σε ποσοτικά χαρακτηριστικά και παρουσιάζεται στο σύστημα εξισώσεων, δηλ. Πρόκειται για ένα σύστημα επίσημης μαθηματικής περιγραφής. Για στοχοθετημένη μελέτη οικονομικών φαινομένων και διαδικασιών και διαμόρφωσης οικονομικών συμπερασμάτων - τόσο θεωρητικό όσο και πρακτικό, συνιστάται η χρήση της μεθόδου μαθηματικής μοντελοποίησης. Ιδιαίτερο ενδιαφέρον παρουσιάζεται σε μεθόδους και μέσα προσομοίωσης, η οποία συνδέεται με τη βελτίωση των τεχνολογιών πληροφοριών που χρησιμοποιούνται στα συστήματα προσομοίωσης: η ανάπτυξη γραφικών κοχύλια σε μοντέλα σχεδιασμού και ερμηνεία των αποτελεσμάτων των αποτελεσμάτων της μοντελοποίησης, χρησιμοποιώντας πολυεμετρικά κονδύλια, λύσεις στο Διαδίκτυο, κλπ . Στην οικονομική ανάλυση, η προσομοίωση είναι το πιο ευπροσάρμοστο μέσο στον τομέα του οικονομικού, στρατηγικού σχεδιασμού, του επιχειρηματικού σχεδιασμού, της διαχείρισης παραγωγής και του σχεδιασμού. Μαθηματική μοντελοποίηση των οικονομικών συστημάτων Το σημαντικότερο ακίνητο της μαθηματικής μοντελοποίησης είναι η ευελιξία του. Αυτή η μέθοδος σάς επιτρέπει να διαμορφώσετε διάφορες παραλλαγές του μοντέλου του στο σχεδιασμό και την ανάπτυξη του οικονομικού συστήματος, για να πραγματοποιήσετε πολλαπλά πειράματα με τις παραλλαγές του μοντέλου που λαμβάνονται για να προσδιορίσετε (με βάση τα καθορισμένα κριτήρια της λειτουργίας του συστήματος) του Παράμετροι που δημιουργήθηκαν από το σύστημα που απαιτείται για να εξασφαλιστεί η αποτελεσματικότητα και η αξιοπιστία του. Δεν απαιτεί την απόκτηση ή την παραγωγή οποιουδήποτε εξοπλισμού ή υλικού για την εκτέλεση του επόμενου υπολογισμού: είναι απαραίτητο να αλλάξουμε απλώς τις αριθμητικές τιμές των παραμέτρων, τις αρχικές συνθήκες και τους τρόπους λειτουργίας των σύνθετων οικονομικών συστημάτων που μελετήθηκαν. Μεθοδολογικά μαθηματική μοντελοποίηση περιλαμβάνει τρεις κύριους τύπους: αναλυτική, προσομοίωση και συνδυασμένη μοντελοποίηση (αναλυτική απομίμηση). Η αναλυτική λύση, αν είναι δυνατόν, δίνει μια πληρέστερη και οπτική εικόνα, επιτρέποντας την επίτευξη της εξάρτησης των αποτελεσμάτων της μοντελοποίησης από το σύνολο δεδομένων προέλευσης. Σε αυτή την περίπτωση, θα πρέπει να προχωρήσετε στη χρήση μοντέλων προσομοίωσης. Το μοντέλο προσομοίωσης κατ 'αρχήν επιτρέπει την αναπαραγωγή ολόκληρης της διαδικασίας λειτουργίας του οικονομικού συστήματος με τη διατήρηση μιας λογικής δομής, τη σχέση μεταξύ των φαινομένων και της ακολουθίας της ροής τους εγκαίρως. Η μοντελοποίηση προσομοίωσης σας επιτρέπει να λαμβάνετε υπόψη ένα μεγάλο αριθμό πραγματικών τμημάτων της λειτουργίας του προσομοιωμένου αντικειμένου και είναι απαραίτητη στα τελικά στάδια του συστήματος δημιουργίας ενός συστήματος όταν όλες οι στρατηγικές ερωτήσεις έχουν ήδη επιλυθεί. Μπορεί να σημειωθεί ότι η μοντελοποίηση προσομοίωσης αποσκοπεί στην επίλυση προβλημάτων υπολογισμού χαρακτηριστικών του συστήματος. Ο αριθμός των εκτιμήσεων των επιλογών πρέπει να είναι σχετικά μικρός, δεδομένου ότι η εφαρμογή της μοντελοποίησης προσομοίωσης για κάθε ενσωμάτωση του οικονομικού συστήματος απαιτεί σημαντικούς υπολογιστικούς πόρους. Το γεγονός είναι ότι το κύριο χαρακτηριστικό της μοντελοποίησης απομίμησης είναι το γεγονός ότι είναι απαραίτητο να χρησιμοποιηθούν οι στατιστικές μέθοδοι για την απόκτηση σημαντικών αποτελεσμάτων. Αυτή η προσέγγιση απαιτεί πολλαπλή επανάληψη της μιμυρωμένης διαδικασίας με μεταβαλλόμενες τιμές τυχαίων παραγόντων, ακολουθούμενη από στατιστική μέση τιμή (επεξεργασία) των αποτελεσμάτων των μεμονωμένων ενιαίων υπολογισμών. Η χρήση στατιστικών μεθόδων, αναπόφευκτη σε μοντελοποίηση προσομοίωσης, απαιτεί μεγάλες δαπάνες του χρόνου μηχανής και υπολογιστικών πόρων. Ένα άλλο μειονέκτημα της μεθόδου προσομοίωσης είναι το γεγονός ότι για τη δημιουργία επαρκώς σημαντικών μοντέλων του οικονομικού συστήματος (και σε αυτά τα στάδια δημιουργίας ενός οικονομικού συστήματος, όταν χρησιμοποιείται η μοντελοποίηση προσομοίωσης, απαιτούνται πολύ λεπτομερή και ουσιαστικά μοντέλα) σημαντικές εννοιολογικές και προγραμματιστές προσπάθειες απαιτείται. Η συνδυασμένη μοντελοποίηση σας επιτρέπει να συνδυάσετε τα πλεονεκτήματα της αναλυτικής και προσομοίωσης. Για να αυξηθεί η αξιοπιστία των αποτελεσμάτων, θα πρέπει να εφαρμόζεται μια συνδυασμένη προσέγγιση βάσει συνδυασμού μεθόδων αναλυτικής και προσομοίωσης. Στην περίπτωση αυτή, οι αναλυτικές μέθοδοι πρέπει να εφαρμόζονται στα στάδια της ανάλυσης των ιδιοτήτων και της σύνθεσης του βέλτιστου συστήματος. Έτσι, από την άποψή μας, απαιτείται ένα σύστημα ολοκληρωμένων εργαλείων μάθησης φοιτητών και μεθόδων και των δύο αναλυτικών και προσομοίωσης. Η οργάνωση των πρακτικών σπουδών σπουδάζουν τρόπους για την επίλυση εργασιών βελτιστοποίησης που μειώνονται σε γραμμικά καθήκοντα προγραμματισμού. Η επιλογή αυτής της μεθόδου μοντελοποίησης οφείλεται στην απλότητα και τη σαφήνεια τόσο της ουσιαστικής διαμόρφωσης των σχετικών καθηκόντων όσο και πώς να τα λύσει. Κατά τη διαδικασία εκτέλεσης εργαστηριακών εργασιών, οι φοιτητές επιλύουν τα ακόλουθα τυπικά καθήκοντα: Μεταφορές. το καθήκον της κατανομής των πόρων της επιχείρησης · Το καθήκον της τοποθέτησης του εξοπλισμού κ.λπ. 2) Μελετήστε τα θεμέλια της μοντελοποίησης προσομοίωσης βιομηχανικών και μη παραγωγικών συστημάτων μαζικής μαζικής συντήρησης στο παγκόσμιο περιβάλλον GPSS (γενική προσομοίωση συστήματος). Τα μεθοδολογικά και πρακτικά ζητήματα δημιουργίας και χρήσης μοντέλων απομίμησης στην ανάλυση και το σχεδιασμό σύνθετων οικονομικών συστημάτων και λήψης αποφάσεων κατά την άσκηση εμπορικών δραστηριοτήτων και δραστηριοτήτων εμπορίας θεωρούνται. Τρόποι για να περιγράψετε και να επισημοποιήσετε τα προσομοιωμένα συστήματα, τα στάδια και την τεχνολογία για την κατασκευή και τη χρήση μοντέλων απομίμησης, μελετώνται θέματα οργάνωσης στοχοθετημένων πειραματικών σπουδών σε μοντέλα προσομοίωσης. Κατάλογος μεταχειρισμένων λογοτεχνίας Συντήρηση 1. Akulich i.l. Μαθηματικός προγραμματισμός σε παραδείγματα και εργασίες. - Μ.: Ανώτερο Σχολείο, 1986 2. Vlasov M.P., Shimko P.D. Προσομοίωση των οικονομιών των διαδικασιών. - Rostov-on-donu, Phoenix - 2005 (ηλεκτρονικό εγχειρίδιο) 3. Yavorsky V.V., Amirov A.J. Οικονομικά Συστήματα Πληροφορικής και Πληροφορικής (εργαστήρια εργαστηρίου) - Astana, Foliant, 2008 4. Simonovich S.V. Πληροφορική, Πέτρος, 2003 5. Vorobyov N.N. Η θεωρία των παιχνιδιών για τους οικονομολόγους - Cybernetics. - M.: Science, 1985 (ηλεκτρονικό εγχειρίδιο) 6. Alesinskaya t.v. Οικονομικές και μαθηματικές μέθοδοι και μοντέλα. - Tagan Rog, 2002 (ηλεκτρονικό εγχειρίδιο) 7. Gershgorn Α. Μαθηματικός προγραμματισμός και η χρήση του σε οικονομικούς υπολογισμούς. -Μ. Οικονομία, 1968 Επιπροσθέτως 1. Darbinyan Μ.Μ. Αποθεματικά εμπορευμάτων στο εμπόριο και τη βελτιστοποίησή τους. - M. Οικονομία, 1978 2. Johnston D.ZH. Οικονομικές μεθόδους. - m.: Χρηματοδότηση και στατιστικές, 1960 3. Epishin Yu.G. Οικονομικές και μαθηματικές μέθοδοι και σχεδιασμός συνεργασίας για τους καταναλωτές. - m.: Οικονομικά, 1975 4. Zhitnikov S.A., Birzhanova Z.N., Ashirbekova B.M. Οικονομικές και μαθηματικές μέθοδοι και μοντέλα: Tutorial. - Καραγκάντα, Εκδότης Keu, 1998 5. Zamkov O.O., Tolstopyenko A.V., Cheremnyy Yu.n. Μαθηματικές μέθοδοι στην οικονομία. - Μ.: DIS, 1997 6. Ivanilov Yu.P., LOTOV A.V. Μαθηματικές μέθοδοι στην οικονομία. - M.: Επιστήμη, 1979 7. Kalinina V.N., Pankin A.V. Στατιστικά στοιχεία μαθηματικών. M.: 1998 8. Kumaev v.a. Μαθηματική οικονομία. Μ., 1998 9. Kremer N.sh., Putko B.A., Trishin I.M., Friedman M.N. Μελέτη της επιχείρησης στην οικονομία. Tutorial - M.: Τράπεζες και χρηματιστήρια, Uniti, 1997 10. SpiRin A.A:, Fomin G.P. Οικονομικές και μαθηματικές μέθοδοι και μοντέλα στο εμπόριο. - M.: Οικονομικά, 1998 Προσάρτηση 1 Πίνακας 4.1.
Πίνακας 4.2.
Παράγοντες Τυπικό σφάλμα Τ-στατιστικές Y-διασταύρωση a 0 Πίνακας 4.3. Σύναψη υπολειμμάτων
Συμπέρασμα υπολείμματα Παρατήρηση Προβλεπόμενο y. Πίνακας 4.6.
Ακίνητα Χρησιμοποιούνται στατιστικά στοιχεία όνομα αξία Ανεξαρτησία d-κριτήριο ανεπαρκής Ατύχημα Κριτήρια περιστροφικών σημείων Επαρκής Κανονικότητα Κριτήριο RS Επαρκής Μέσος όρος \u003d 0; Στατιστική φοιτητής Επαρκής Συμπέρασμα: Το μοντέλο των στατιστικών ανεπαρκών Πίνακας 4.7.
Προβλεπόμενο y. Πίνακας 4.9. Πρόβλεψη πίνακα 
Το Σχήμα 4 δείχνει τα χαρακτηριστικά της κατανομής γάμμα, καθώς και το γράφημα της λειτουργίας πυκνότητας για διάφορες τιμές αυτών των χαρακτηριστικών. 
Αυτή είναι μια κατανομή που έχει μια ασύμμετρη εμφάνιση. Καταλαμβάνει μια ενδιάμεση θέση μεταξύ εκθετικής και κανονικής. Η πυκνότητα πιθανότητας κατανομής των Αλιευμάτων φαίνεται να τυποποιείται:
Το Σχήμα 5 δείχνει τα χαρακτηριστικά της τριγωνικής κατανομής και του γραφήματος της λειτουργίας πυκνότητας πιθανότητας.
Εάν θεωρούμε την εξάρτηση από ένα από τα χαρακτηριστικά του συστήματος Η V (x i) ως συνάρτηση μόνο μιας μεταβλητής x i. (Εικ. 7), στη συνέχεια σε σταθερές τιμές x i. Θα λάβουμε διαφορετικές αξίες Η V (x i)
. 
Σύκο
.8
Μπότα
η μορφή
Microsoft Developer Studio.
Εικ. 9 Γράφημα καθυστέρησης στον κόμβο "Λογαριασμός διακανονισμού".
Στείλτε την καλή δουλειά σας στη βάση γνώσεων είναι απλή. Χρησιμοποιήστε την παρακάτω φόρμα
Παρόμοια έγγραφα
, 
.
,
, 
όπου 
ίσο με 1.12.
όπου
(Βρείτε από τον Πίνακα 4.1)
