У подальшому отримують вибірку {уi}, виконавши дії відповідно до функціональної залежності :
Оцінку числа необхідних випробувань, які забезпечать необхідну похибку обчислень не вищу за задану, можна отримати на основі співвідношень граничних теорем.
Класичне завдання оцінювання математичного сподівання випадкової величини методом Монте-Карло полягає в такому.
Нехай вдалося деяким способом обчислити значення незалежних реалізацій випадкової величини Y, для якої існують і скінченні її математичне сподівання MY і дисперсія DY. Тоді середнє арифметичне значення
за достатньо великого п має нормальний розподіл, і при заданому рівні довіри γ справедлива нерівність
де a – константа, яка визначається вибором величин γ.
Із цієї нерівності випливає, що кількість обчислень для досягнення заданої точності при заданому рівні довіри пропорційна величині
Загалом підвищення точності обчислення на один порядок потребує збільшення кількості обчислень на два порядки. Багато фахівців вважає, що це є основним недоліком методу Монте-Карло.
Метод Монте-Карло спирається на використання випадкових чисел. Розподілені за заданим законом випадкові числа хк зазвичай отримують у два етапи:
• знаходження випадкового числа R, рівномірно розподіленого в інтервалі (0, 1);
• перетворення рівномірно розподілених випадкових чисел на шукані
.
Генератори випадкових чисел є у всіх статистичних пакетах. За умови їх використання алгоритм методу імітації Монте-Карло складається з наведених нижче кроків.
Крок 1. Спираючись на використання статистичного пакета, випадковим чином вибирають, ґрунтуючись на ймовірнісній функції розподілу, значення змінної, котра є одним з параметрів визначення функції.
Крок 2. Обране значення випадкової величини поряд зі значеннями змінних, які є екзогенними, використовують під час підрахунку значення функції.
Кроки 1 і 2 повторюють багато разів, наприклад 1000, й отримані 1000 значень використовують для побудови щільності розподілу досліджуваної величини зі своїми власними математичним сподіванням і стандартним відхиленням.
Ймовірнісний розподіл регулює ймовірність вибору значень із певного інтервалу. В рамках моделі ймовірнісного аналізу ризиків проводять велику кількість ітерацій, що дають змогу встановити, як поводиться результативний показник (у яких межах коливається, як розподілений) у разі підстановки в модель різних значень змінної відповідно до заданого розподілу.
Отже, розглянуті методи уможливлюють отримання оцінки ризиків виникнення аварій та надзвичайних ситуацій на потенційно небезпечних об'єктах, об'єктах підвищеної небезпеки, що має важливе значення для оцінювання ступеня небезпеки і складання декларації безпеки об'єкта.
Розробка і вдосконалення теоретичних і методологічних засобів імовірнісного аналізу безпеки складних систем залишається актуальною науковою проблемою і важливим практичним завданням.
Методи оцінювання природного ризику
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 2. Приємного читання.
