Метод Монте-Карло, який називають також методом статистичного моделювання, дає змогу вирішувати ймовірнісні проблеми статистичними методами. Теорія цього методу вказує, як найдоцільніше вибрати випадкову величину X, як знайти її можливі значення.
Метод Монте-Карло тісно пов'язаний із завданнями теорії ймовірностей, математичної статистики й обчислювальної математики. У зв'язку із завданням моделювання випадкових величин (особливо рівномірно розподілених) істотну роль відіграють також методи теорії чисел.
Метод Монте-Карло придатний для вирішення багатьох завдань, пов'язаних із моделюванням надзвичайних ситуацій, тому що його застосування виправдане насамперед у тих завданнях, які допускають теоретико-ймовірнісний опис.
Оскільки метод Монте-Карло потребує проведення великої кількості випробувань, його часто називають методом статистичних випробувань. Він має деякі очевидні переваги:
• не потребує жодних припущень щодо регулярності за винятком квадратичної інтегрованості; це може бути корисним, тому що в багатьох випадках трапляються дуже складні функції, властивості регулярності яких непросто встановити;
• забезпечує здійснення процедури навіть у багатовимірному випадку, коли чисельне інтегрування непридатне, наприклад за числа вимірів >10.
• легко застосовується за малих обмежень або без попереднього аналізу завдання.
Метод Монте-Карло має й деякі недоліки, а саме:
• межі похибки точно не визначені, а включають деяку випадковість;
• статистична похибка спадає дуже повільно;
• необхідні таблиці випадкових чисел.
Повільна збіжність є істотним недоліком методу, однак можна скористатися його модифікаціями, які забезпечують високий порядок збіжності за певних припущень. Щоправда, обчислювальна процедура при цьому ускладнюється і за складністю наближається до інших процедур обчислювальної математики. Збіжність методу Монте-Карло визначають як збіжність за ймовірністю. Цю обставину навряд чи варто вважати його недоліком,
оскільки ймовірнісні методи достатньою мірою виправдовують себе в практичних застосуваннях.
Імітаційне моделювання за методом Монте-Карло (Monte- Carlo Simulation) дає змогу побудувати математичну модель з невизначеними параметрами, і, знаючи їх ймовірнісні розподіли, а також зв'язок між змінами параметрів (кореляцію), отримати розподіл досліджуваної функції.
Метод Монте-Карло часто застосовують для обчислення надійності складних систем із великою кількістю елементів. Аналіз ризиків із використанням методу імітаційного моделювання Монте-Карло є поєднанням методів аналізу чутливості та аналізу сценаріїв на базі теорії ймовірностей. Результат такого комплексного аналізу – розподіл ймовірностей можливих результатів.
Суть методу ілюструє такий приклад. Нехай відома невипадкова функція, скажімо збиток , аргументом якої є випадкова величина X із заданим законом розподілу
. Треба оцінити закон розподілу випадкової величини Y або параметри закону розподілу (якщо його вигляд заздалегідь відомий). Для цього за відомою функцією розподілу
проводять п випробувань, тобто розігрують (моделюють) п можливих значень X:
і з цими числами виконують дії відповідно до функціональної залежності φ (X):
Отриману вибірку обробляють відомими методами математичної статистики й отримують параметри і закон розподілу випадкової величини Y
Для функції кількох аргументів алгоритм методу не зазнає істотних змін. У цьому разі розігрують вибірки для кожного аргумента Xi згідно із законом його розподілу HXi(xi) (припускають стохастичну незалежність аргументів):
Сторінки
В нашій електронній бібліотеці ви можете безкоштовно і без реєстрації прочитати «Природний, техногенний та екологічний ризики: аналіз, оцінка, управління» автора Автор невідомий на телефоні, Android, iPhone, iPads. Зараз ви знаходитесь в розділі „Метод статистичного моделювання Монте-Карло“ на сторінці 1. Приємного читання.
