Predmet: Primjena Statistike u SUK-u kolska godina: 2012/13 Nastavnik: Prof. Dr.

Ensar ehi

METODE SIMULACIJE STATISTIKIH MODELA MONTE CARLO METODA

Ime i prezime: Jasmin Smajlovi Broj indexa: 1211-UK/10

OSNOVE SIMULACIJA
Simulirati ponaanje sistema znai formulisati simulacijski model kojim se priblino imitira ponaanje sistema utvrivanjem zavisnosti koje se stvarno nalaze u sistemu

Kategorizacija simulacijonih modela najee se sprovodi:

Statiki-Dinamiki Kontinualni-Diskretni Deterministiki-Stohastik

etiri osnovne vrste simulacionih modela

Kontinualna simulacija (dinamika) se koristi za dinamike probleme kod kojih se promjenjiva stanja mijenjaju kontinualna u vremenu. 2. Simulacija diskretnih dogaaja (dinamika) se bavi modeliranjem sistema koji se mogu predstaviti skupom dogaaja. 3. Mjeovita simulacija (kontinualno-diskretna) se uvodi da bi se modelirali oni sistemi koji sadre procese i dogaaje. 4. Monte Carlo simulacija je statistika simulacija kod koje se u rjeavanju problema koristi stvaranje uzorka iz raspodjele sluajnih promjenjivih
1.

Monte Carlo metoda

Historijski razvoj Monte Carlo metode poinje sa igrama na sreu koje su motivirale matematiare, prema gledanju rezultata na uzastopnim pokusima kao formiranja niza nasuminih dogaaja.

Naziv Monte Carlo, popularizovan od strane prvih istraivaa u ovoj oblasti (Stanislaw Marcin Ulam, Enrico Fermi, John von Neumann i Nicholas Metropolis), je proistekao iz naziva uvenog kazina u Monaku. Monte Carlo simulacija je razvijena 1940. godine, kao dio programa atomske bombe. Naunici u Los Alamos National Laboratory, u Americi, su je koristili da bi odredili sluajnu difuziju neutrona. (izrada atomske

Monte Carlo metoda se primenjuje u raznim simulacijama koje koriste sluajne brojeve
Razlikujemo sledee primjene Monte Carlo simulacije

1.

Deterministiki problemi koje je teko ili skupo rjeavati. Sloeni fenomeni koji nisu dovoljno poznati Statistiki problemi koji nemaju analitika rjeenja

2. 3.

Monte Carlo simulacija fizikalnog sistema

Jedan od numerikih statistikih algoritama koji je naao veliku primjenu u inenjerskoj praksi, a naroito pri opisivanju problema koji su povezani sa pitanjima transportnih tokova je Monte Carlo algoritam (slika) Monte Carlo simulacija je kompjuterski podrana matematika metoda koja omoguava proraun i analizu rizinih ulaganja i donoenju odluka. Monte Carlo simulacija opskrbljuje donositelja odluke sa irokim poljem moguih ishoda i vjerovatnosti koje e se

upotrebe Monte Carlo metode za statistiko zakljuivanje su sljedee:

Vrenje statistike obrade ako je postupak analitikim putem neizvodljiv 2. Zakljuivanje uinkovitosti izmjenom pretpostavki 3. Testiranje nulte i alternativne hipoteze pod razliitim uvjetima; 4. Ocjenjivanje rezultata koji su dobiveni metodom zakljuivanja, usporeivanjem kvalitete procjenitelja.
1.

Kada se izvrava Monte Carlo metoda postoje 4 koraka koja treba da se izvedu:
Definisati distribuciju (raspodjelu) moguih ulaza za svaku nasumice odabranu ulaznu varijablu (promjenljivu); 2. Generirati sluajne ulaze na osnove odabrane distribucije (raspodjele); 3. Izvriti deterministiki proraun koristei taj skup ulaza; 4. Objedini rezultate pojedinih prorauna u zavrni
1.

OPIS STAVRANJA METODE

Ova etiri koraka zahtijevaju potrebne komponente, kako bi se postigao zavrni rezultat. Te komponente mogu ukljuiti slijedee korake:
(KORAK 1.)Raspodjele vjerovatnoa funkcije za svaku sluajnu promjenljivu; (KORAK 2.)Generator sluajnih brojeva; (KORAK 3.)Pravilo uzimanja uzoraka - propis uzimanja uzoraka iz funkcije gustine raspodjele f(x); (KORAK 4.)Bodovanje - metoda kombiniranja rezultata za svaki ponovljen proraun u zavrni rezultat (KORAK 5.)Procjena pogreke procjena statistike greke simulacije izlaza u ovisnosti o broju ponavljanja i drugih parametara.

ZAKLJUAK
Jedan od razloga iroke primjene ove metode je

injenica da veliki dio vanih problema nije mogue rjeiti analitikim putem. Drugi razlog je to to je relativno lako shvatiti osnovne koncepte ove metode i primjeniti ih u praksi.
Svaki postavljeni problem, prethodno treba pokuati

rjeavati analitiki jer se na taj nain moe doi do tanog rjeenja, dok e Monte Carlo dati priblino rjeenje.