Тема роботи:

Використання методу Монте-Карло для вирішення стохастичних і детермінованих задач.

Мета роботи:

Ознайомитись з методом статистичних випробувань (метод Монте-Карло), та його застосуванням для вирішення стохастичних та детермінованих задач.

Метод Монте-Карло

Метод Монте-Карло, як сказано у Вікіпедії, - це загальна назва групи чисельних методів, що базуються на одержанні великої кількості реалізацій стохастичного (випадкового) процесу, який формується у той спосіб, щоб його імовірнісні характеристики співпадали з аналогічними величинами задачі, яка вирішується.

Отже, метод Монте-Карло - це метод імітації для імовірнісного відтворення реальних явищ. Він об'єднує аналіз чутливості (сприйнятливості) і аналіз розподілення ймовірностей вхідних змінних. Цей метод дає змогу побудувати модель, мінімізуючи кількість даних, що використовуються в моделі. Побудова моделі починається з визначення функціональних залежностей у реальній системі. Після чого можна одержати кількісне рішення, використовуючи теорію ймовірності й таблиці чи генератори випадкових чисел.

Метод Монте-Карло широко використовується у більшості випадків імітаційного моделювання на ЕОМ.

Проілюструємо суть методу Монте-Карло відносно простими прикладами.

Приклад 1

Нехай потрібно оцінити середній час безвідмовної роботи системи, зображеної на рис. 1.1.

Рис. 1.1. Блочна структура системи.

Система виконує свою функцію, якщо працюють послідовності блоків: 1,2,5,7; 1,3,5,7; 1,4,6,7.

Певні блоки можуть відмовити. Кожен блок характеризується часом безвідмовної роботи . Нехай задана густина розподілу імовірності . Яка надійність системи в цілому?

Розглянемо випадкову величину

де  - час безвідмовної роботи системи.

У одному досліді розігруються значення всіх , відповідно до .

Використовуючи отримані реалізації  , по вищенаведеній формулі обчислюємо реалізацію . Один дослід дає одну реалізацію (одне вибіркове значення) . Проводимо М дослідів (випробувань), отримуємо “статистичний” матеріал (вибірку). Беремо середнє арифметичне часу безвідмовної роботи системи  з р в якості оцінки надійності системи. При необхідності можна побудувати закон розподілу імовірності випадкової величини  у вигляді відповідної гістограми.

Приклад 2

Застосування методу статистичних випробувань для обчислення площі круга заданого радіусу.

Дане завдання відноситься до класу детермінованих, оскільки складно уявити собі випадкові фактори, під впливом яких площа нерухомої геометричної фігури могла б змінюватися.

Нехай круг має радіус r=5, і його центр знаходиться в точці з координатами (1,2). Рівняння відповідного кола має вигляд:

(x-1)²+(y-2)²=25.

Для вирішення завдання методом Монте-Карло впишемо круг в квадрат. Його вершини матимуть координати (-4,-3), (6,-3), (-4,7) і (6,7). Будь-яка точка всередині квадрата або на його межі повинна задовольняти нерівностям (-4<x<6) і (-3<y<7).

При вирішенні даної задачі природно виходити з того, що всі точки в цьому квадраті можуть з'являтися з однаковою імовірністю, тобто x і y розподілені рівномірно з густиною імовірності: 

Провівши деяку кількість випробувань (тобто отримавши множину випадкових точок, що належать квадрату), підрахуємо число точок, що потрапили всередину круга або на коло. Якщо вибірка складається із n спостережень і m точок потрапили всередину круга або на коло, то оцінку площі круга можна отримати із співвідношення:

.

У таблиці приведені оцінки S_кр, отримані для різних значень n, причому для кожного виконувалося 5 прогонів (точне значення S_кр = 78,54 см):

Таблиця 1.1 Результати оцінки площі круга методом статистичних випробувань

Прогони відрізняються один від одного послідовностями випадкових чисел, з яких формувалися координати точок.

Завдання.

Реалізувати в программному середовищі MATLAB® метод Монте-Карло:

1. для обчислення площі круга заданого радіусу (методом статистичних випробувань);
2. для блочної структури, наведеної на рис. 1.1. Обчислити час безвідмовної роботи системи, якщо густина розподілу імовірності  носить рівномірний та нормальний характер.

Контрольні запитання.