Использование случайных чисел в моделировании

Случайные числа, использованные при моделировании, взяты из первой строки случайных чисел, приведенных в предьщущем разделе. Для каждого часа берется случайное число, и получаем соответствующее значение объема выпуска. Так, для первого часа берем случайное число 89. Это число лежит в диапазоне 60—89 и, следовательно, соответствует выпуску 5 штук, что и показано в третьем столбце таблицы. Аналогичным образом получены и другие значения объема выпуска в час, представленные в этой таблице. [c.313]

Числа в скобках — это случайные числа, использованные для моделирования времени между звонками и времени обслуживания. [c.332]

Поставленную задачу можно решить простым перебором всех вариантов из матрицы Г. Можно также решать задачу оптимизации методом статистических испытаний. Сущность этого метода заключается в том, что решение задачи заменяется моделированием некоторого случайного процесса [32, 33]. Его вероятностная характеристика, например вероятность определенного события или математического ожидания некоторой величины, имеет тесную связь с возможным решением исходной аналитической задачи. При использовании указанного метода необходимо большое число раз моделировать соответствующий случайный процесс и статистически определять значение искомой характеристики — вероятности или математического ожидания. Поэтому метод статистических испытаний требует выполнения огромной вычислительной работы. [c.365]

Книгу отличает ее практическая направленность. Это находит отражение как в характере изложения, так и в подборе материала. Как правило, после краткого изложения теоретических результатов на большом числе примеров показывается, как эти результаты следует применять. В книге даются рекомендации по эффективному использованию описанных методов и правильной интерпретации полученных данных. Большое внимание уделяется исследованию погрешностей, неизбежных при анализе случайных по своей природе данных. Значительный интерес представляет гл. 10, посвященная вычислительным аспектам рассматриваемых в книге задач, в том числе машинному моделированию спектральных матриц, необходимых для имитационного моделирования одномерных и многомерных процессов, которые в свою очередь применяются как входные сигналы при изучении реакции различных конструкций. [c.5]

При построении модели на основе статистического моделирования требуется затратить сравнительно большое машинное время и значительную память машины, поскольку это связано с необходимостью хранения сведений о плотностях распределения случайных коэффициентов того или иного разложения моделируемого случайного процесса, использования датчика случайных чисел с заданными законами распределений, формирования большого числа реализаций апостериорного процесса и т. п. Эти недостатки отсутствуют при использовании третьего метода построения модели определения КП, а результаты его практического применения довольно хорошие. [c.90]

Автоматизация анализа и широкое использование ЭВМ позволяют улучшить метрологич. характеристики хим. анализа, т.к. повышается единообразие дозировок, смешения, титрования, фотометрирования и т.п., что приводит к снижению случайных погрешностей анализа. Кроме того, автоматизация обычно повышает скорость вьшолнения определений и может привести к уменьшению их доверит, интервалов, позволяя увеличить число параллельных определений, вьшолняемых за фиксир. промежуток времени. При использовании нек-рых методов мат. моделирования с применением ЭВМ можно получать более правильную градуировочную характеристику, в значит, мере учесть матричный эффект. Расчеты на ЭВМ позволяют во многих физ.-хим. и физ. методах анализа восстанавливать действит. форму контуров аналит. сигналов и обеспечить более высокое их разрещение, в результате чего повысить точность, снизить предел обнаружения. ЭВМ существенно сокращают затраты [c.74]

Вполне резонно поставить вопрос, где находится тот предел сложности строения кристалла, за которым применение обычных методов анализа является бесперспективным. Правда, такая общая постановка вопроса является не вполне законной. Если иметь в виду использование совокупности всех приемов исследования, в том числе метода проб и ошибок, то возможности структурного анализа окажутся практически неограниченными. Сведения о строении более простых, но родственных соединений служат основой для моделирования исследуемой структуры. Каждая новая ступень, достигнутая кристаллохимией, создает почву для попыток подняться на более высокий уровень. Рентгеновские данные используются здесь главным образом для контроля правильности найденного варианта расположения атомов. Задача становится безнадежной только тогда, когда две кристаллохимически правдоподобные структуры начинают давать дифракционные спектры, различие между которыми перекрывается погрешностями измерения интенсивности. Если эти две структуры действительно разные (большинство атомов имеет различные координаты) и если они не являются случайно гомометрическими, то предельное число атомов на ячейку, за которым задача не решается, при такой постановке вопроса будет огромным. Совершенно ясно, что значительно раньше придется принять во внимание другую сторону проблемы—возрастающую неупорядоченность в распределении атомов по ячейке по мере роста их числа, что делает несколько неопределенным само представление о полностью решенной структуре. [c.614]

Справочник химика 21

Химия и химическая технология