Методы моделирования систем, статистические методы

ВВЕДЕНИЕ 3
1. Классификации методов моделирования систем 5
2. Методы Монте-Карло, анализ общей схемы, достоинства и недостатки 14
3. Применение имитационного моделирования. Имитация и случайные величины 19
ЗАКЛЮЧЕНИЕ 25
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 27

Имитационные моделирование, линейное программирование и регрессионный анализ по диапазону и частоте использования давно занимают три первых места среди всех методов исследования операций в экономике. При имитационном моделировании реализующий модель алгоритм воспроизводит процесс функционирования системы во времени и пространстве, причем имитируются составляющие процесс элементарные явления с сохранением его логической временной структуры.
Поиски случайной величины с заданным законом распределения решений привели к созданию специальных математических методов и уже в 18 веке были заложены математические основы случайной величин. Постановка задачи случайной величин предполагает существование конкурирующих свойств процесса.
Случайной называется величина, изменяющаяся от опыта к опыту нерегулярно и на первый взгляд беспорядочно. Так, при бросании игральной кости (кубик с нумерованными гранями) может выпасть любое число от 1 до 6. Радиоактивное ядро может распасться в любую наперед избранную секунду, время жизни ядра до распада - случайная величина. При массовом изготовлении любой продукции все изделия оказываются не вполне идентичными по параметрам. Таким образом, те или иные параметры для совокупности таких изделий также являются случайными величинами.
Актуальность темы в том, что в тех случаях, когда при моделировании необходимо учитывать некоторый случайный фактор (элемент или явление), который невозможно описать аналитически, используют метод моделирования, называемый методом статистических испытаний или методом Монте-Карло. С помощью этого метода может быть решена любая вероятностная задача. Однако использовать его целесообразно в том случае, если решить задачу этим методом проще, чем любым другим.
Суть метода состоит в том, что вместо описания случайных явлений аналитическими зависимостями проводится розыгрыш случайного явления с помощью некоторой процедуры, которая дает случайный результат. С помощью розыгрыша получают одну реализацию случайного явления. Осуществляя многократно такой розыгрыш, накапливают статистический материал (то есть множество реализаций случайной величины), который можно обрабатывать статистически­ми методами. Рассмотрим этот метод на примерах.
Степень изученности. В разработке данной темы были использованы работы таких авторов как: Акопов Г. Л., Кусков В. В., Петренко А.В., Голицына О. Л., Егоров А. В., Федорова Г. Н., Шафрин Ю. и др.
Целью данной работы является изучение метода Монте-Карло, исходя из поставленной цели, были определены следующие задачи:
- Рассмотреть классификацию методов моделирования систем;
- Исследовать сущность метода Монте-Карло, его достоинства и недостатки;
- Выявить значение, применение имитационного моделирования. Имитация и случайные величины.
Структура данной работы состоит из: введения, 2 глав, заключения и списка используемой литературы.

По всей работе ссылки или подстрочные или в квадратных скобках (в разных работах по разному)
Работа прошла проверку по системе ЕТХТ, но пройдет и по системе -antiplagiat.ru, -Антиплагиат ВУЗ- (http://rane.antiplagiat.ru/ и др. тому подобные), -ЕТХТ (и документом и текстом), Руконтекст, проходит и польский СТРАЙК и plagiat.pl, новую систему СКОЛКОВО (самая последняя версия АП ВУЗ)