Заказ работы

Заказать
Каталог тем

Самые новые

Значок файла Зимняя И.А. КЛЮЧЕВЫЕ КОМПЕТЕНТНОСТИ как результативно-целевая основа компетентностного подхода в образовании (4)
(Статьи)

Значок файла Кашкин В.Б. Введение в теорию коммуникации: Учеб. пособие. – Воронеж: Изд-во ВГТУ, 2000. – 175 с. (5)
(Книги)

Значок файла ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ КОМПЕТЕНТНОСТНОГО ПОДХОДА: НОВЫЕ СТАНДАРТЫ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ (6)
(Статьи)

Значок файла Клуб общения как форма развития коммуникативной компетенции в школе I вида (11)
(Рефераты)

Значок файла П.П. Гайденко. ИСТОРИЯ ГРЕЧЕСКОЙ ФИЛОСОФИИ В ЕЕ СВЯЗИ С НАУКОЙ (12)
(Статьи)

Значок файла Второй Российский культурологический конгресс с международным участием «Культурное многообразие: от прошлого к будущему»: Программа. Тезисы докладов и сообщений. — Санкт-Петербург: ЭЙДОС, АСТЕРИОН, 2008. — 560 с. (16)
(Статьи)

Значок файла М.В. СОКОЛОВА Историческая память в контексте междисциплинарных исследований (15)
(Статьи)


Заказ научной авторской работы

Имитация платежей методом Монте-Карло

Имитационная модель взаиморасчетов с потребителями есть модель совокупности платежей, происходящих во времени и осуществляемых потребителями в порядке погашения их задолженностей за ранее осуществленные поставки товаров на условиях отсрочки платежа. Отсюда ясно, что модель должна имитировать: отдельные платежи конкретных потребителей на конкретных временных интервалах за конкретные партии товаров; всю совокупность (поток) платежей. При имитации потока платежей необходимо учесть: временной интервал [ t, t+1 ]; все суммы платежей, осуществленных всеми потребителями на данном временном интервале  [ t, t+1 ]; все временные интервалы  [ t, t+1 ]  в пределах модельного времени всего процесса взаиморасчетов. Ясно, что если имитация отдельных платежей каким-либо способом уже выполнена, то имитация потока платежей сводится к выполнению отбора, сортировок и алгебраических суммирований.

Имитация отдельных платежей требует более детального самостоятельного рассмотрения. При имитации отдельного платежа необходимо учесть следующие переменные:  рассматриваемый временной интервал платежа [ t, t+1 ]; номер потребителя, осуществляющего платеж; номер оплачиваемой поставки товара; вероятность данного платежа на данном временном интервале; факт реализации/нереализации платежа на временном интервале [ t, t+1 ];  вероятность суммы данного платежа на данном временном интервале; сумму осуществленного платежа (полностью или частично);  другие переменные (при необходимости). Разумеется, имеется принципиальная возможность математической обработки таких случайных событий (и величин) аналитическими методами; однако, получаемые при этом формульные соотношения как правило практически необозримы и почти непригодны для дальнейшего использования в прикладных целях. Поэтому для имитации отдельных платежей будет использована процедура  компьютерного программного «розыгрыша»  случайных событий методом Монте-Карло. Основу метода составляет имитация случайных событий (и характеристик этих событий) с использованием различных модификаций генераторов случайных чисел.

Процесс моделирования Монте-Карло обычно разделяется на несколько этапов:

1. Определение стохастической природы входной переменной.

2. Имитация движения входных переменных с помощью многократного генерирования случайных чисел, корректируемых с таким расчетом, чтобы иметь такое же распределение вероятностей, как и основная переменная. Это подразумевает преобразование случайных чисел с равномерным распределением, сгенерированных компьютером, в случанйые переменные с таким же распределением, что и переменные, предназанченные для моделирования. Скорректированные случайные переменные являются входными переменными.

3. Осуществление моделирование (один прогон модели)

4. Многократное повторение данного процесса

5. Анализ результатов  

Прогон модели.

Термином   «прогон модели»  обозначается нижеуказанная последовательность действий моделирующей процедуры:

- устанавливаются исходные данные: номера потребителей, номера отгрузок, начальные задолженности по отгрузкам, периоды отсрочки платежей по отгрузкам, вероятности платежей, вероятности частичных платежей;

- рассчитывается полный интервал модельного времени, устанавливается перечень суточных интервалов модельного времени   [t, t+1];

- перебираются все суточные интервалы модельного времени, для каждого суточного интервала имитируются отдельные платежи конкретных потребителей за конкретные отгрузки, а также расчитывается суммарный поток платежей за каждые модельные сутки;

- формируется  «прогонная кривая»  S(t), то есть итоговая таблица-строка суммарных суточных платежей на интервале модельного времени  [ 0, T ].

Та или иная прогонная кривая есть результат некоторого одного конкретного k-прогона модели. Ясно, что должны быть выполнены следующие требования:

- cходимость модели: для каждого заданного набора исходных данных построение прогонной кривой должно быть выполнимым, то есть прогон модели за конечное время работы компьютера (программы) должен завершиться  «выдачей»  прогонной кривой (сходимость модели);

- вычислительная сложность модели: количество вычислительных операций, а следовательно и затраты компьютерного времени на один прогон модели  не должны быть неприемлемо велики.

Вопрос о теоретическом исследовании сходимости и вычислительной сложности нашей модели выходит за рамки настоящей работы. Укажем лишь, что реализация модели и ее использование (см. ниже) продемонстрировали  на практике ее сходимость и полиномиальную (не эскспоненциальную) вычислительную сложность.

Цикл моделирования.

Для получения высокодоверительных модельных результатов используется так называемый цикл моделирования, то есть следующая многопрогонная процедура:

- осуществляется многократная реализация однопрогонной процедуры при одних и тех же исходных данных; иными словами, формируются прогонные кривые Sk(t), где  k = 1, 2, …, G,  то есть выполняется  G  прогонов модели;

- осуществляется накопление всех прогонных кривых  Sk(t) в итоговую матрицу результатов цикла моделирования. Накопление, хранение, редактирование, поиск и обработка этих данных есть самостоятельная прикладная задача, эффективное решение которой невозможно без применения адекватных методов и средств из области компьютерных баз данных.

- данные, накопленные в матрицу результатов моделирования, обрабатываются методами математической статистики с целью получения усредненных результатов (оценок)  моделирования и вычисления доверительных интервалов для этих оценок (см. ниже).

- необходимое количество прогонов в пределах одного цикла выбирается из условий получения требуемого уровня доверительной вероятности модельных результатов (см. ниже).

Погрешности и доверительное оценивание.

Усредненные статистические результаты, полученные на основе обработки модельной статистики, должны быть проанализированы с целью оценки их доверительных интервалов на требуемом уровне доверительных вероятностей. Пусть цикл машинного имитационного эксперимента осуществлен как многопрогонная процедура (к = 1, 2, 3, …, G). Количество прогонов G выбирается из соображений получения высоко-доверительных (95 %) оценок математического ожидания потока платежей. Все  «кривые»  S к (t)  собираются в матрицу

SS    =      [ S к (t) ]

где индекс  «к» нумерует прогоны, а параметр  t  нумерует сутки. Вычисляется среднее значение (математическое ожидание) платежей для каждых суток

G

МОЖ (t)    =      S      S к (t)

k =1

Вычисляется дисперсия платежей для каждых суток

G                                  2

ДИСП (t)   =      S      [Sк (t)         - МОЖ (t) ]          / (k-1)

k =1

Строится соответствующее математическое ожидание модельного потока платежей, то есть усредненная прогонная кривая  МОЖ (t)  и ее доверительный коридор  МОЖ (t)           ±       ДИСП (t).

Центральная предельная теорема теории вероятностей утверждает, что если некоторая случайная величина есть сумма большого количества примерно равнозначных случайных величин, то такая сумма распределена асимтотически нормально; величина МОЖ (t) именно такова, так как вычисляется в виде суммы случайных примерно равнозначных слагаемых (отдельных платежей). Отсюда вытекает, что величина

(  S(t)         -  МОЖ(t)  ) * ? G

 


     Ниже Вы можете заказать выполнение научной работы. Располагая значительным штатом авторов в технических и гуманитарных областях наук, мы подберем Вам профессионального специалиста, который выполнит работу грамотно и в срок.


* поля отмеченные звёздочкой, обязательны для заполнения!

Тема работы:*
Вид работы:
контрольная
реферат
отчет по практике
курсовая
диплом
магистерская диссертация
кандидатская диссертация
докторская диссертация
другое

Дата выполнения:*
Комментарии к заказу:
Ваше имя:*
Ваш Е-mail (указывайте очень внимательно):*
Ваш телефон (с кодом города):

Впишите проверочный код:*    
Заказ курсовой диплома или диссертации.

Горячая Линия


Вход для партнеров