Моделирование случайных величин и событий

• Номер работы:
  179825
• Раздел:
  Все работы   →   Курсовые проекты - сложные   →   Информационные технологии
• Год добавления:
  07.02.2011 г.
• Объем работы:
  48 стр.
• Содержание:
  Содержание
  Введение 6
  1 Теоретическая часть 8
  1.1 Теоретические основы Монте-Карло статистического моделирования 8
  1.2 Формирование случайных чисел различными способами 11
  1.3 Моделирование случайных событий 16
  2 Практическая часть 18
  2.1 Решение задачи с помощью математического аппарата 18
  2.2 Решение задачи средствами прикладных программ 20
  2.2.1. Создание формы в Экселе 20
  2.2.2. Решение 21
  2.3 Автоматизация решения задачи 24
  2.3.1. Техническое содержание 24
  2.3.2. Алгоритм программы 25
  2.3.3. Созданные модули 27
  Заключение 29
  Библиографический список 30
  Приложения 31
  
  
• Выдержка из работы:
  Некоторые тезисы из работы по теме Моделирование случайных величин и событий
  
  В настоящее время нельзя назвать область человеческой деятельности, в которой в той или иной степени не использовались бы методы моделирования. Особенно это относится к сфере управления различными системами, где основными являются процессы принятия решений на основе получаемой информации.
  Метод моделирования широко применяют в таких областях, как автоматизация проектирования и организации в автоматизированных системах научных исследований, в системах исследования и проектирования, в системах массового обслуживания, анализ различных сторон деятельности человека, автоматизированное управление производственными и другими процессами.
  Метод Монте-Карло используют для вычисления интегралов, в особенности многомерных, для решения систем алгебраических уравнений высокого порядка, для исследования различного рода сложных систем (автоматического управления, экономических, биологических и т. д.) [2].
  Сущность метода Монте-Карло состоит в следующем: требуется найти значение а некоторой изучаемой величины. Для этого выбирают такую случайную величину X, математическое ожидание которой равно а:М(Х) =а.
  Практически же поступают так: производят п испытаний, в результате которых получают п возможных значений X, вычисляют их среднее арифметическое и принимают его в качестве оценки (приближенного значения) а* искомого числа а.
  Проверим качество генерируемой последовательности псевдослучайных величин. Для этого построим гистограмму распределения и вычислим площадь отклонений ее значений от идеальной гистограммы распределения для равномерного закона.