Professional Documents
Culture Documents
Profesor:
Asistent:
U nastavku ćemo obraditi njihov odnos, komparaciju, te prednosti i nedostatke koji svaki od ova
dva modela posjeduje.
2. Modeliranje i njihova upotreba
Postupak modeliranja u realnom svijetu ne prati krutu šemu striktno određenih koraka, u praksi
se aktuari koji grade modele kreću dinamično, naprijed – natrag kako bi poboljšavali kvalitet
modela.
Koraci koji se koriste pri modeliranju su sljedeći:
1. Odrediti jasno definisane ciljeve koje treba ispuniti procesom modeliranja
2. Unaprijed planirati cjelokupan proces modeliranja
3. Planiranje da li će i kako model biti potvrđen
4. Definisati model na osnovu stvarnog svijeta
5. Unajmiti stručnjake za sistem realnog/stvarnog svijeta koji nastojimo oponašati, kako
bismo dobili povratnu informaciju o stvarnoj vrijednosti modela
6. Odabrati generator slučajnih brojeva koji će biti adekvatan u kompleksnosti modela
7. Obratiti pažnju da se otklanjaju greške u programima
8. Provjera da li se vrše zadane i zamišljene operacije
9. Provjera razumnosti modela
10. Analizirati rezultate modela
11. Dokumentovati rezultate modela
Kada je u pitanju proces modeliranja, on ima svoje prednosti i nedostatke, tačnije ograničenja.
Najvažnija prednost modeliranja je njen dugi vremenski okvir, te se modeli mogu proučavati u
prikladnog vremenskom periodu.
Sljedeća prednost jeste da se modeli mogu opisati i predstaviti matematičkim ili logičkim
modelom, te je taj model u mogućnosti da izvede rezultate koji se mogu lako prezentirati.
Zatim, mogu se uporediti strategije u budućnosti, ili moguće radnje, akcije tako da se najbolje
vidi šta zapravo najbolje pristaje potrebama korisnika. U modelu kompleksnog sistema, bolje se
kontrolišu eksperimentalni uvjeti te na taj način se mogu smanjiti amplituda izlaznih rezultata
bez ugrožavanja njihove aritmetičke vrijednosti.
Nažalost, modeli imaju i svoja ograničenja, odnosno nedostatke koji su vidiljivi prilikom izlaza
iz modela i prezentovanja rezultata klijentima.Da bi se model razvio, potrebno je veliko ulaganje
novca, vremena, te stručnosti kako bi se taj model pravilno izučio. Razvoj modela iziskuje velike
finansijske troškove prilikom provjere ispravnosti i valjanosti podataka, razumljivosti podataka,
te kontrole.
Kod stohastičkog modela, za skup ulaza svaka obrada daje samo procjenu izlaznih rezultata
modela, te je zbog toga potrebno nekoliko nezavisnih obrada za procjenu izlaza za dani ulaz.
Konstatovano je da su modeli značajniji i korisniji za upoređivanje rezultata ulaznih varijacija
nego za poboljšanje izlaza.
Prilikom obrade modela na računaru, oni mogu izgledati impresivno, te se može desiti da se
polaže velika nada i povjerenje u model, tako da ukoliko model nije kontroliran, odnosno nije
prošao razne testove vjerodostojnosti, valjanosti i razumnosti, njegovi izlazi postaju slaba
zamjena za sposobnost oponašanja stvarnog svijeta.
Kao što smo već spomenuli, modeli se jako mnogo oslanjaju na ulaz i ulazne podatke, što
također predstavlja veliki nedostatak, te nemogućnost uključenja svih budućih događaja u model.
Naposlijetku, jedan od najvećih nedostataka modela je ustvari njihovo interpretiranje. Nakon
proučavanja i izrade modela, njegova najveća prednost treba biti da je lako razuman i da ga je
lako prezentirati i interpretirati. Teško interpretiranje modela, a posebno izlaznih rezultata je
ustvari veliki nedostatak.
4. Stohastički procesi
Varijable koje se odvijaju kontinuirano u vremenu u zavisnosti od slučaja, ili bar djelimično u
zavisnosti od slučaja, slijede stohastičke procese. Modeli, kao i tehnike stohastičkih procesa se
široko primjenjuju u tehničkim naukama, ali sve više u oblasti ekonomije, finansija te pri
rješavanju brojnih investicionih problema.
Dakle, kod stohastičkih modela imamo seriju pokušaja gdje je rezultat svakog pokušaja slučajan,
tada takva serija pokušaja predstavlja stohastički proces.
Prva stvar sa kojom se suočavamo u stohastičkom procesu koji modelira realni život je priroda
vremenskog skupa J i prostor stanja S.
Specifičan slučaj je Markovljev lanac gdje slučajna varijabla uzima samo diskretne vrijednosti, pri čemu
stanje X[tn+1] zavisi samo od stanja X[tn] u neposrednom prethodnom trenutku.
- Putovi
Kada smo odabrali skup stanja i vremenski skup, ostaje nam da zapravo definiramo i sam proces.
To znači specificirati zajedničku distribuciju od Xt1 , Xt2 , . . . , Xtn za sve t1, t2, . . . , tn u J i sve
prirodne brojeve n, što se radi direktno.
Realizacija slučajnih varijabli Xt za sve t u J se zove put ( sample proces ) procesa. Svojstva ovih
procesa moraju odgovarati procesima koji su definisani u stvarnom životu. Model se u tom
slučaju može koristiti za predviđanje, i smatra se uspješnim modelom.
- Stacionarnost
Stohastički proces je stacionaran ako Xt1 , Xt2 , . . . , Xtn i Xt+t1 , Xt+t2 , . . . , Xt+tn imaju jednake
distribucije za sve t, t1, t2, . . . , tn u J i za sve prirodne brojeve n. To znači da statistička svojstva procesa
ostaju nepromijenjena kako vrijeme prolazi.
- Prirasti
Prirasti procesa, definirani kao Xt+u − Xt (u > 0), često imaju jednostavnija svojstva nego sam
proces.
- Markovljevo svojstvo
Veliko je pojednostavljanje ako se budući razvoj procesa može predvidjeti samo pomoću
trenutnog stanja, bez pozivanja na prošlost. To se zove Markovljevo svojstvo i precizno znači
sljedeće: