If you can't read please download the document
Upload
louvain
View
101
Download
14
Embed Size (px)
DESCRIPTION
Prednáška 1. Stochastické modely a simulácie. Ekonomicko – matematické modely: deterministické stochastické vlastné stochastické modely indeterministické modely Stochastické modelovanie. 1. STOCHASTICKé MODELOVanie. Modely založené na Markovových procesoch Modely hromadnej obsluhy - PowerPoint PPT Presentation
Citation preview
Stochastick modely a simulciePrednka 111. STOCHASTICK MODELOVanie
Ekonomicko matematick modely:deterministickstochastick
vlastn stochastick modelyindeterministick modely
Stochastick modelovanie
2Stochastick ModelyModely zaloen na Markovovch procesochModely hromadnej obsluhyModely zsobModely obnovy
metda Monte Carlo3STOCHASTICK PROCES X(t, ) tT
t - najastejie as, T - relna asov mnoina - element nhodnho javu - pravdepodobnostn priestor
4xj (t) j = 1, 2, ...nt = t0 (t0 = 9)X (t0, ), j = 1, 2, ...n.E1, E2,....EmMarkovova vlastnos:
52. MODELOVANIE STOCHASTICKCH DYNAMICKCH SYSTMOV MARKOVOVMI REAZCAMIMarkovov reazec konen Markovov reazecnekonen Markovov reazec
krok, resp. fza procesuPrklad 1Podnik uvdza na trh nov produkt a sonduje jeho spenos, ktor z hadiska odbytumono charakterizova nasledovnm spsobom:produkt sa povauje za spen, ak sa v urenom ase pred viac ako 70% vroby,produkt sa povauje za nespen, ak sa v urenom ase pred menej ako 70% vroby.Na zaiatku v priebehu prvho mesiaca sa zistila 75% spenos produktu. ak bol produkt v prvom mesiaci spen, s pravdepodobnosou 0,5 zostal spenm aj vnasledujcom mesiaci. ak nebol spen, s pravdepodobnosou 0,2 sa stane vnasledujcom mesiaci spenm.Podnik spustil reklamn kampa:v prpade spenosti produktu vprvom mesiaci sa zvila jeho spenos na 80%ak bol predaj na zaiatku nespen, jeho spenos sa vyuitm reklamy zvila iba na 30%.Predpokladajme, e s zisten aj vnosy odpovedajce jednotlivm alternatvamspenosti produktu. lohou je skma vvoj spenosti produktu po mesiacoch a stanovi pre podnik optimlnu politiku svisiacu s etablovanm sa produktu na trhu.
E1 - produkt sa povauje za spen,E2 - produkt sa povauje za nespen
1. pravdepodobnos stavu, resp. absoltna pravdepodobnos:
k = 0
2. pravdepodobnos prechodu Markovov reazec - homognny, ak pre kad i, j, k plat:
Matica podmienench pravdepodobnost prechodu:
Markovov reazec - nehomognny
SKMANIE OAKVANHO VVOJA SYSTMU POMOCOU MARKOVOVCH REAZCOVStavy :tranzientn (prechodn)rekurentn (nvratn)- periodick (s pravidelnm nvratom)- aperiodick (s nepravidelnm nvratom),absorbn (nenvratn)
Ergodick markovove reazce.Absorbn markovove reazce.
ergodick Markovov reazce
Urenie vektora absoltnych pravdepodobnost po k-krokoch:
A. homognny reazec:vektor absoltnych pravdepodobnost po 1-kroku:
vektor absoltnych pravdepodobnost po 2-kroku:vektor absoltnych pravdepodobnost po k-kroku:
B. nehomognny reazec:
vektor absoltnych pravdepodobnost po 1-kroku:
vektor absoltnych pravdepodobnost po 2-kroku:
vektor absoltnych pravdepodobnost po k-kroku:
Asymptotick sprvanie sa ergodickch reazcov
Markovove reazce s vnosom (ocenenm)
oakvan celkov vnos procesu po k krokoch, ktor vznikol zo stavu Ei
stredn hodnota bezprostrednho vnosu odpovedajca stavu Ei
vektor strednch hodnt bezprostrednch vnosov
Markovove reazce s alternatvamiriaden Markovove reazce, prp. Markovove rozhodovacie procesy
HOWARD v roku 1960
metda itercie poda hodnoty14Ei - stavy systmu i = 1, 2, ...mh - index alternatvpijh - pravdepodobnos prechodu medzi stavmi Ei a Ej pri h-ej alternatve rijh- ocenenie (vnos) prislchajce k - index kroku.
15Postup1. krok:celkov oakvan vnosy na optimlnej ceste
stredn hodnota vnosu stavu Ei pri h-ej alternatve
16Postup2 krok:urme vektor odpovedajcich alternatv
17