एक-चरणीय प्रक्रियाओं के स्टोकेस्टिक मॉडल बनाने की विधि अनास्तासिया व्याचेस्लावोवना डेमिडोवा। स्टोकेस्टिक प्रक्रिया मॉडल स्टोकेस्टिक प्रक्रिया मॉडल का उदाहरण

स्टोकेस्टिक मॉडल के निर्माण में अध्ययन की जा रही प्रक्रिया का वर्णन करने वाले समीकरणों का उपयोग करके सिस्टम के व्यवहार का विकास, गुणवत्ता मूल्यांकन और अध्ययन शामिल है।

ऐसा करने के लिए किसी वास्तविक प्रणाली के साथ एक विशेष प्रयोग करके प्रारंभिक जानकारी प्राप्त की जाती है। इस मामले में, किसी प्रयोग की योजना बनाने, परिणामों को संसाधित करने के साथ-साथ गणितीय आंकड़ों के ऐसे वर्गों जैसे फैलाव, सहसंबंध, प्रतिगमन विश्लेषण इत्यादि के आधार पर परिणामी मॉडल के मूल्यांकन के लिए मानदंडों का उपयोग किया जाता है।

तकनीकी प्रक्रिया का वर्णन करने वाले सांख्यिकीय मॉडल के निर्माण की विधियाँ (चित्र 6.1) "ब्लैक बॉक्स" की अवधारणा पर आधारित हैं। इसके लिए इनपुट कारकों के एकाधिक माप संभव हैं: एक्स 1 ,एक्स 2 ,…,एक्स केऔर आउटपुट पैरामीटर: य 1 , य 2 ,…,य प, जिसके परिणामों के आधार पर निर्भरताएँ स्थापित की जाती हैं:

सांख्यिकीय मॉडलिंग में, समस्या (1) के सूत्रीकरण के बाद, बड़ी संख्या में इनपुट चर से कम से कम महत्वपूर्ण कारक हटा दिए जाते हैं जो प्रक्रिया की प्रगति को प्रभावित करते हैं (2)। आगे के शोध के लिए चयनित इनपुट चर कारकों की एक सूची बनाते हैं एक्स 1 ,एक्स 2 ,…,एक्स के(6.1) में, जिसे नियंत्रित करके आप आउटपुट पैरामीटर्स को समायोजित कर सकते हैं Y n. प्रयोगात्मक और डेटा प्रोसेसिंग लागत को कम करने के लिए जहां संभव हो मॉडल आउटपुट की संख्या भी कम की जानी चाहिए।

एक सांख्यिकीय मॉडल विकसित करते समय, इसकी संरचना (3) आमतौर पर उपयोग में आसान कार्यों के रूप में मनमाने ढंग से निर्दिष्ट की जाती है, जो प्रयोगात्मक डेटा का अनुमान लगाती है, और फिर मॉडल की पर्याप्तता के आकलन के आधार पर परिष्कृत की जाती है।

मॉडल का बहुपद रूप सबसे अधिक उपयोग किया जाता है। तो, एक द्विघात फलन के लिए:

(6.2)

कहाँ बी 0 , बी आई , बी आईजे , बी II– प्रतिगमन गुणांक.

आमतौर पर, हम पहले खुद को सबसे सरल रैखिक मॉडल तक सीमित रखते हैं, जिसके लिए (6.2) बी आई = 0, बी आई जे = 0. यदि यह अपर्याप्त है, तो कारकों की परस्पर क्रिया को ध्यान में रखने वाले शब्दों को पेश करके मॉडल को जटिल बना दिया जाता है एक्स मैं ,एक्स जेऔर (या) द्विघात पद।

किए जा रहे प्रयोगों से सूचना निष्कर्षण को अधिकतम करने और उनकी संख्या को कम करने के लिए, प्रयोगों की योजना बनाई गई है (4), अर्थात। दी गई सटीकता के साथ समस्या को हल करने के लिए आवश्यक और पर्याप्त प्रयोग करने के लिए संख्या और शर्तों का चयन।

सांख्यिकीय मॉडल बनाने के लिए दो प्रकार के प्रयोगों का उपयोग किया जाता है: निष्क्रिय और सक्रिय। निष्क्रिय प्रयोगएक अनियंत्रित प्रक्रिया की प्रगति के दीर्घकालिक अवलोकन के रूप में किया जाता है, जिससे सांख्यिकीय विश्लेषण के लिए डेटा की एक विस्तृत श्रृंखला एकत्र करना संभव हो जाता है। में सक्रिय प्रयोगप्रयोगों की शर्तों को विनियमित करना संभव है। इसे क्रियान्वित करते समय, एक विशिष्ट योजना के अनुसार सभी कारकों के मूल्यों को एक साथ बदलना सबसे प्रभावी होता है, जिससे कारकों की परस्पर क्रिया की पहचान करना और प्रयोगों की संख्या को कम करना संभव हो जाता है।

प्रयोगों (5) के परिणामों के आधार पर, प्रतिगमन गुणांक (6.2) की गणना की जाती है और उनके सांख्यिकीय महत्व का आकलन किया जाता है, जो मॉडल (6) का निर्माण पूरा करता है। मॉडल (7) की पर्याप्तता का एक माप फैलाव है, अर्थात। प्रयोगात्मक मानों से परिकलित मानों का मानक विचलन। परिणामी फैलाव की तुलना प्रयोगों की प्राप्त सटीकता को देखते हुए अनुमेय फैलाव से की जाती है।

480 रगड़। | 150 UAH | $7.5", माउसऑफ़, FGCOLOR, "#FFFFCC",BGCOLOR, "#393939");" onMouseOut='return nd();'> निबंध - 480 RUR, वितरण 10 मिनटों, चौबीसों घंटे, सप्ताह के सातों दिन और छुट्टियाँ

डेमिडोवा अनास्तासिया व्याचेस्लावोव्ना। एक-चरणीय प्रक्रियाओं के स्टोकेस्टिक मॉडल बनाने की विधि: शोध प्रबंध... भौतिक और गणितीय विज्ञान के उम्मीदवार: 05.13.18 / अनास्तासिया व्याचेस्लावोवना डेमिडोवा; [रक्षा का स्थान: रूस की पीपुल्स फ्रेंडशिप यूनिवर्सिटी]। - मॉस्को, 2014.- 126 पी।

परिचय

अध्याय 1. शोध प्रबंध 14 के विषय पर कार्यों की समीक्षा

1.1. जनसंख्या गतिशीलता मॉडल 14 की समीक्षा

1.2. स्टोकेस्टिक जनसंख्या मॉडल 23

1.3. स्टोकेस्टिक विभेदक समीकरण 26

1.4. स्टोकेस्टिक कैलकुलस 32 पर जानकारी

अध्याय दो। एक-चरणीय प्रक्रियाओं के मॉडलिंग की विधि 39

2.1. एक-चरणीय प्रक्रियाएँ। कोलमोगोरोव-चैपमैन समीकरण। मूल गतिज समीकरण 39

2.2. बहुआयामी एक-चरणीय प्रक्रियाओं के मॉडलिंग के लिए एक विधि। 47

2.3. संख्यात्मक मॉडलिंग 56

अध्याय 3। एक-चरणीय प्रक्रिया मॉडलिंग पद्धति का अनुप्रयोग 60

3.1. जनसंख्या गतिशीलता के स्टोकेस्टिक मॉडल 60

3.2. विभिन्न अंतर- और अंतर-विशिष्ट अंतःक्रियाओं के साथ जनसंख्या प्रणालियों के स्टोकेस्टिक मॉडल 75

3.3. नेटवर्क वर्म्स के प्रसार का स्टोकेस्टिक मॉडल। 92

3.4. पीयर-टू-पीयर प्रोटोकॉल के स्टोकेस्टिक मॉडल 97

निष्कर्ष 113

साहित्य 116

स्टोकेस्टिक विभेदक समीकरण

शोध प्रबंध के उद्देश्यों में से एक एक प्रणाली के लिए स्टोकेस्टिक अंतर समीकरण लिखने की समस्या है ताकि स्टोकेस्टिक शब्द अध्ययन के तहत प्रणाली की संरचना से संबंधित हो। इस समस्या का एक संभावित समाधान एक ही समीकरण से स्टोकेस्टिक और नियतात्मक भागों को प्राप्त करना है। इन उद्देश्यों के लिए, मूल गतिज समीकरण का उपयोग करना सुविधाजनक है, जिसे फोककर-प्लैंक समीकरण द्वारा अनुमानित किया जा सकता है, जिसके लिए, बदले में, समतुल्य स्टोकेस्टिक अंतर समीकरण को लैंग्विन समीकरण के रूप में लिखा जा सकता है।

धारा 1.4. इसमें स्टोकेस्टिक डिफरेंशियल समीकरण और फोककर-प्लैंक समीकरण के बीच संबंध को इंगित करने के लिए आवश्यक बुनियादी जानकारी, साथ ही स्टोकेस्टिक कैलकुलस की बुनियादी अवधारणाएं शामिल हैं।

दूसरा अध्याय यादृच्छिक प्रक्रियाओं के सिद्धांत से बुनियादी जानकारी प्रदान करता है और, इस सिद्धांत के आधार पर, एक-चरणीय प्रक्रियाओं के मॉडलिंग के लिए एक विधि तैयार करता है।

धारा 2.1 यादृच्छिक एक-चरणीय प्रक्रियाओं के सिद्धांत से बुनियादी जानकारी प्रदान करता है।

एक-चरणीय प्रक्रियाओं को पूर्णांकों की सीमा में मान लेने वाली निरंतर-समय मार्कोव प्रक्रियाओं के रूप में समझा जाता है, जिसका संक्रमण मैट्रिक्स केवल आसन्न वर्गों के बीच संक्रमण की अनुमति देता है।

हम एक बहुआयामी एक-चरणीय प्रक्रिया पर विचार करते हैं Є, उस समय अंतराल की लंबाई कहां है जिसमें प्रक्रिया X() निर्दिष्ट है। सेट G = (x, = 1, Є NQ x NQ1 असतत मानों का एक सेट है जो एक यादृच्छिक प्रक्रिया ले सकता है।

दी गई एक-चरणीय प्रक्रिया के लिए, राज्य Xj से राज्य Xj__i और Xj_i तक प्रति इकाई समय s+ और s में संक्रमण की संभावनाएं क्रमशः पेश की जाती हैं। ऐसा माना जाता है कि अवस्था x से प्रति इकाई समय में दो या दो से अधिक चरणों में संक्रमण की संभावना बहुत कम है। इसलिए, हम कह सकते हैं कि सिस्टम की स्थिति का वेक्टर Xj लंबाई Г( के चरणों में बदलता है और फिर, x से Xj+i और Xj_i में संक्रमण के बजाय, हम X से X + Гі और X में संक्रमण पर विचार कर सकते हैं - जी, क्रमशः।

जब सिस्टम मॉडलिंग करते हैं जिसमें सिस्टम तत्वों की बातचीत के परिणामस्वरूप समय का विकास होता है, तो मुख्य गतिज समीकरण (दूसरा नाम नियंत्रण समीकरण है, और अंग्रेजी साहित्य में इसे मास्टर समीकरण कहा जाता है) का उपयोग करके इसका वर्णन करना सुविधाजनक है।

इसके बाद, सवाल उठता है कि मूल गतिज समीकरण से लैंग्विन समीकरण के रूप में स्टोकेस्टिक अंतर समीकरण का उपयोग करके, एक-चरणीय प्रक्रियाओं द्वारा वर्णित अध्ययन के तहत प्रणाली का विवरण कैसे प्राप्त किया जाए। औपचारिक रूप से, केवल स्टोकेस्टिक कार्यों वाले समीकरणों को स्टोकेस्टिक समीकरणों के रूप में वर्गीकृत किया जाना चाहिए। इस प्रकार, केवल लैंग्विन के समीकरण ही इस परिभाषा को संतुष्ट करते हैं। हालाँकि, वे सीधे तौर पर अन्य समीकरणों से संबंधित हैं, अर्थात् फोककर-प्लैंक समीकरण और मौलिक गतिज समीकरण। अत: इन सभी समीकरणों पर एक साथ विचार करना तर्कसंगत प्रतीत होता है। इसलिए, इस समस्या को हल करने के लिए, फोककर-प्लैंक समीकरण द्वारा मुख्य गतिज समीकरण का अनुमान लगाने का प्रस्ताव है, जिसके लिए हम लैंग्विन समीकरण के रूप में एक समकक्ष स्टोकेस्टिक अंतर समीकरण लिख सकते हैं।

धारा 2.2 बहुआयामी एक-चरणीय प्रक्रियाओं द्वारा वर्णित प्रणालियों के वर्णन और स्टोकेस्टिक मॉडलिंग के लिए एक विधि तैयार करती है।

इसके अलावा, यह दिखाया गया है कि फोककर-प्लैंक समीकरण के लिए गुणांक अध्ययन के तहत सिस्टम के लिए इंटरैक्शन योजना को रिकॉर्ड करने के तुरंत बाद प्राप्त किया जा सकता है, राज्य परिवर्तन वेक्टर आर और संक्रमण संभावनाओं एस + और एस- के लिए अभिव्यक्तियां, यानी। इस विधि के व्यावहारिक अनुप्रयोग में मूल गतिज समीकरण को लिखने की कोई आवश्यकता नहीं है।

खंड 2.3 में. स्टोकेस्टिक विभेदक समीकरणों के संख्यात्मक समाधान के लिए रंज-कुट्टा विधि पर विचार किया जाता है, जिसका उपयोग तीसरे अध्याय में प्राप्त परिणामों को दर्शाने के लिए किया जाता है।

तीसरा अध्याय दूसरे अध्याय में वर्णित स्टोकेस्टिक मॉडल के निर्माण की विधि के अनुप्रयोग का एक उदाहरण प्रदान करता है, जिसमें उन प्रणालियों के उदाहरण का उपयोग किया जाता है जो परस्पर क्रिया करने वाली आबादी की वृद्धि की गतिशीलता का वर्णन करते हैं, जैसे कि "शिकारी-शिकार", सहजीवन, प्रतिस्पर्धा और उनके संशोधन . लक्ष्य उन्हें स्टोकेस्टिक विभेदक समीकरणों के रूप में लिखना और सिस्टम के व्यवहार पर स्टोकेस्टिक्स को पेश करने के प्रभाव का अध्ययन करना है।

खंड 3.1 में. दूसरे अध्याय में वर्णित विधि के अनुप्रयोग को "शिकारी-शिकार" मॉडल के उदाहरण का उपयोग करके चित्रित किया गया है। "शिकारी-शिकार" प्रकार की दो प्रकार की आबादी की परस्पर क्रिया वाली प्रणालियों का व्यापक रूप से अध्ययन किया गया है, जिससे प्राप्त परिणामों की तुलना पहले से ही ज्ञात लोगों से करना संभव हो जाता है।

परिणामी समीकरणों के विश्लेषण से पता चला कि सिस्टम के नियतात्मक व्यवहार का अध्ययन करने के लिए, परिणामी स्टोकेस्टिक अंतर समीकरण के बहाव वेक्टर ए का उपयोग करना संभव है, यानी। विकसित पद्धति का उपयोग स्टोकेस्टिक और नियतात्मक व्यवहार दोनों का विश्लेषण करने के लिए किया जा सकता है। इसके अलावा, यह निष्कर्ष निकाला गया कि स्टोकेस्टिक मॉडल सिस्टम के व्यवहार का अधिक यथार्थवादी विवरण प्रदान करते हैं। विशेष रूप से, नियतात्मक मामले में "शिकारी-शिकार" प्रणाली के लिए, समीकरणों के समाधान का एक आवधिक रूप होता है और चरण की मात्रा संरक्षित होती है, जबकि मॉडल में स्टोकेस्टिक्स की शुरूआत चरण की मात्रा में एक मोनोटोनिक वृद्धि देती है, जो एक या दोनों आबादी की अपरिहार्य मृत्यु का संकेत देता है। प्राप्त परिणामों की कल्पना करने के लिए, संख्यात्मक अनुकरण किया गया।

खंड 3.2 में. विकसित पद्धति का उपयोग जनसंख्या गतिशीलता के विभिन्न स्टोकेस्टिक मॉडल को प्राप्त करने और उनका विश्लेषण करने के लिए किया जाता है, जैसे कि "शिकारी-शिकार" मॉडल शिकार, सहजीवन, प्रतिस्पर्धा और तीन आबादी के इंटरैक्शन मॉडल के बीच अंतर-विशिष्ट प्रतिस्पर्धा को ध्यान में रखता है।

स्टोकेस्टिक कैलकुलस पर जानकारी

यादृच्छिक प्रक्रियाओं के सिद्धांत के विकास के कारण प्राकृतिक घटनाओं के अध्ययन में नियतात्मक अवधारणाओं और जनसंख्या गतिशीलता के मॉडल से संभाव्य लोगों में संक्रमण हुआ और, परिणामस्वरूप, गणितीय जीव विज्ञान में स्टोकेस्टिक मॉडलिंग के लिए समर्पित बड़ी संख्या में कार्यों का उदय हुआ। , रसायन विज्ञान, अर्थशास्त्र, आदि।

नियतात्मक जनसंख्या मॉडल पर विचार करते समय, सिस्टम के विकास पर विभिन्न कारकों के यादृच्छिक प्रभाव जैसे महत्वपूर्ण बिंदु उजागर रहते हैं। जनसंख्या की गतिशीलता का वर्णन करते समय, किसी को व्यक्तियों के प्रजनन और अस्तित्व की यादृच्छिक प्रकृति के साथ-साथ समय के साथ पर्यावरण में होने वाले यादृच्छिक उतार-चढ़ाव को ध्यान में रखना चाहिए और सिस्टम मापदंडों में यादृच्छिक उतार-चढ़ाव का कारण बनना चाहिए। इसलिए, इन बिंदुओं को प्रतिबिंबित करने वाले संभाव्य तंत्र को जनसंख्या गतिशीलता के किसी भी मॉडल में पेश किया जाना चाहिए।

स्टोकेस्टिक मॉडलिंग सभी नियतात्मक कारकों और यादृच्छिक प्रभावों को ध्यान में रखते हुए जनसंख्या विशेषताओं में परिवर्तनों का अधिक संपूर्ण विवरण प्रदान करता है जो नियतात्मक मॉडल से निष्कर्षों को महत्वपूर्ण रूप से बदल सकते हैं। दूसरी ओर, उनकी मदद से जनसंख्या व्यवहार के गुणात्मक रूप से नए पहलुओं की पहचान करना संभव है।

जनसंख्या राज्यों में परिवर्तन के स्टोकेस्टिक मॉडल को यादृच्छिक प्रक्रियाओं का उपयोग करके वर्णित किया जा सकता है। कुछ मान्यताओं के तहत, हम यह मान सकते हैं कि किसी जनसंख्या का व्यवहार उसकी वर्तमान स्थिति पर निर्भर नहीं करता है कि यह स्थिति कैसे प्राप्त की गई (यानी, एक निश्चित वर्तमान के साथ, भविष्य अतीत पर निर्भर नहीं करता है)। वह। जनसंख्या गतिशीलता प्रक्रियाओं को मॉडल करने के लिए, मार्कोव जन्म-मृत्यु प्रक्रियाओं और संबंधित नियंत्रण समीकरणों का उपयोग करना सुविधाजनक है, जिन्हें कार्य के दूसरे भाग में विस्तार से वर्णित किया गया है।

एन.एन. कालिंकिन अपने कार्यों में इंटरैक्टिंग तत्वों के साथ सिस्टम में होने वाली प्रक्रियाओं को चित्रित करने के लिए इंटरेक्शन योजनाओं का उपयोग करते हैं और इन योजनाओं के आधार पर, मार्कोव प्रक्रियाओं की शाखाओं के उपकरण का उपयोग करके इन प्रणालियों के मॉडल बनाते हैं। इस दृष्टिकोण के अनुप्रयोग को रासायनिक, जनसंख्या, दूरसंचार और अन्य प्रणालियों में मॉडलिंग प्रक्रियाओं के उदाहरण से दर्शाया गया है।

कार्य संभाव्य जनसंख्या मॉडल की जांच करता है, जिसके निर्माण के लिए जन्म-मृत्यु प्रक्रियाओं के उपकरण का उपयोग किया जाता है, और अंतर-अंतर समीकरणों के परिणामी सिस्टम यादृच्छिक प्रक्रियाओं के लिए गतिशील समीकरणों का प्रतिनिधित्व करते हैं। पेपर इन समीकरणों के समाधान खोजने के तरीकों पर भी चर्चा करता है।

आप स्टोकेस्टिक मॉडल के निर्माण के लिए समर्पित कई लेख पा सकते हैं जो जनसंख्या परिवर्तन की गतिशीलता को प्रभावित करने वाले विभिन्न कारकों को ध्यान में रखते हैं। उदाहरण के लिए, लेखों ने एक जैविक समुदाय की जनसंख्या गतिशीलता के एक मॉडल का निर्माण और विश्लेषण किया जिसमें व्यक्ति हानिकारक पदार्थों वाले खाद्य संसाधनों का उपभोग करते हैं। और जनसंख्या विकास के मॉडल में, लेख आबादी के प्रतिनिधियों के उनके आवासों में बसने के कारक को ध्यान में रखता है। मॉडल आत्मनिर्भर व्लासोव समीकरणों की एक प्रणाली है।

यह उन कार्यों पर ध्यान देने योग्य है जो उतार-चढ़ाव के सिद्धांत और भौतिक विज्ञान, रसायन विज्ञान, जीव विज्ञान आदि जैसे प्राकृतिक विज्ञानों में स्टोकेस्टिक तरीकों के अनुप्रयोग के लिए समर्पित हैं। विशेष रूप से, बातचीत करने वाली आबादी की संख्या में परिवर्तन का गणितीय मॉडल "शिकारी-शिकार" प्रकार बहुआयामी मार्कोव जन्म-मृत्यु प्रक्रियाओं के आधार पर बनाया गया है।

कोई "शिकारी-शिकार" मॉडल को जन्म-मृत्यु प्रक्रियाओं के कार्यान्वयन के रूप में मान सकता है। इस व्याख्या में, विज्ञान के कई क्षेत्रों में विधाओं के लिए उनका उपयोग करना संभव है। 70 के दशक में, एम. दोई ने सृजन-विनाश ऑपरेटरों (माध्यमिक परिमाणीकरण के अनुरूप) के आधार पर ऐसे मॉडलों का अध्ययन करने के लिए एक तकनीक का प्रस्ताव रखा। कार्यों को यहां नोट किया जा सकता है। इसके अलावा, यह विधि अब एम. एम. ग्नाटिच के समूह में सक्रिय रूप से विकसित की जा रही है।

जनसंख्या गतिशीलता के मॉडलिंग और अध्ययन मॉडल का एक अन्य दृष्टिकोण इष्टतम नियंत्रण के सिद्धांत से जुड़ा है। कार्यों को यहां नोट किया जा सकता है।

यह ध्यान दिया जा सकता है कि जनसंख्या प्रक्रियाओं के स्टोकेस्टिक मॉडल के निर्माण के लिए समर्पित अधिकांश कार्य अंतर-अंतर समीकरणों और बाद के संख्यात्मक कार्यान्वयन को प्राप्त करने के लिए यादृच्छिक प्रक्रियाओं के तंत्र का उपयोग करते हैं। इसके अलावा, लैंग्विन फॉर्म में स्टोकेस्टिक अंतर समीकरणों का व्यापक रूप से उपयोग किया जाता है, जिसमें सिस्टम के व्यवहार के बारे में सामान्य विचारों से एक स्टोकेस्टिक शब्द जोड़ा जाता है और इसका उद्देश्य यादृच्छिक पर्यावरणीय प्रभावों का वर्णन करना है। मॉडल का आगे का अध्ययन उनका गुणात्मक विश्लेषण या संख्यात्मक तरीकों का उपयोग करके समाधान ढूंढना है।

स्टोकेस्टिक विभेदक समीकरण परिभाषा 1. स्टोकेस्टिक विभेदक समीकरण एक विभेदक समीकरण है जिसमें एक या अधिक पद स्टोकेस्टिक प्रक्रिया का प्रतिनिधित्व करते हैं। स्टोकेस्टिक डिफरेंशियल समीकरण (एसडीई) का सबसे अधिक इस्तेमाल किया जाने वाला और प्रसिद्ध उदाहरण एक शब्द वाला समीकरण है जो सफेद शोर का वर्णन करता है और इसे वीनर प्रक्रिया डब्ल्यूटी, टी 0 के रूप में माना जा सकता है।

स्टोकेस्टिक डिफरेंशियल समीकरण गतिशील प्रणालियों के अध्ययन और मॉडलिंग में एक महत्वपूर्ण और व्यापक रूप से उपयोग किया जाने वाला गणितीय उपकरण है जो विभिन्न यादृच्छिक गड़बड़ी के अधीन हैं।

प्राकृतिक घटनाओं के स्टोकेस्टिक मॉडलिंग की शुरुआत ब्राउनियन गति की घटना के विवरण से मानी जाती है, जिसकी खोज आर. ब्राउन ने 1827 में की थी, जब उन्होंने एक तरल में पौधे के पराग की गति पर शोध किया था। इस घटना की पहली कठोर व्याख्या ए. आइंस्टीन और एम. स्मोलुचोव्स्की द्वारा स्वतंत्र रूप से दी गई थी। यह लेखों का एक संग्रह ध्यान देने योग्य है जिसमें ब्राउनियन गति पर ए. आइंस्टीन और एम. स्मोलुचोव्स्की के कार्य शामिल हैं। इन अध्ययनों ने ब्राउनियन गति के सिद्धांत के विकास और इसके प्रयोगात्मक सत्यापन में महत्वपूर्ण योगदान दिया। ए आइंस्टीन ने ब्राउनियन गति के मात्रात्मक विवरण के लिए आणविक गतिज सिद्धांत बनाया। परिणामी सूत्रों की पुष्टि 1908-1909 में जे. पेरिन के प्रयोगों द्वारा की गई।

बहुआयामी एक-चरणीय प्रक्रियाओं के मॉडलिंग के लिए एक विधि।

परस्पर क्रिया करने वाले तत्वों के साथ प्रणालियों के विकास का वर्णन करने के लिए दो दृष्टिकोण हैं - नियतात्मक या स्टोकेस्टिक मॉडल का निर्माण। नियतात्मक मॉडल के विपरीत, स्टोकेस्टिक मॉडल अध्ययन के तहत सिस्टम में होने वाली प्रक्रियाओं की संभाव्य प्रकृति, साथ ही बाहरी वातावरण के प्रभावों को ध्यान में रखना संभव बनाते हैं जो मॉडल मापदंडों में यादृच्छिक उतार-चढ़ाव का कारण बनते हैं।

अध्ययन का विषय सिस्टम हैं, जिनमें होने वाली प्रक्रियाओं को एक-चरणीय प्रक्रियाओं का उपयोग करके वर्णित किया जा सकता है और जिनमें उनके राज्य का दूसरे राज्य में संक्रमण सिस्टम तत्वों की बातचीत से जुड़ा होता है। एक उदाहरण ऐसे मॉडल होंगे जो परस्पर क्रिया करने वाली आबादी की वृद्धि की गतिशीलता का वर्णन करेंगे, जैसे कि "शिकारी-शिकार", सहजीवन, प्रतिस्पर्धा और उनके संशोधन। लक्ष्य ऐसी प्रणालियों के लिए एसडीई लिखना और नियतात्मक व्यवहार का वर्णन करने वाले समीकरण के समाधान के व्यवहार पर स्टोकेस्टिक भाग को पेश करने के प्रभाव का अध्ययन करना है।

रासायनिक गतिकी

परस्पर क्रिया करने वाले तत्वों के साथ प्रणालियों का वर्णन करते समय जो समीकरण प्रणालियाँ उत्पन्न होती हैं, वे कई मायनों में विभेदक समीकरणों की प्रणालियों के करीब होती हैं जो रासायनिक प्रतिक्रियाओं की गतिशीलता का वर्णन करती हैं। उदाहरण के लिए, लोटका-वोल्टेरा प्रणाली को मूल रूप से लोटका द्वारा कुछ काल्पनिक रासायनिक प्रतिक्रिया का वर्णन करने वाली प्रणाली के रूप में विकसित किया गया था, और बाद में इसे वोल्टेरा द्वारा शिकारी-शिकार मॉडल का वर्णन करने वाली प्रणाली के रूप में विकसित किया गया था।

रासायनिक गतिकी तथाकथित स्टोइकोमेट्रिक समीकरणों का उपयोग करके रासायनिक प्रतिक्रियाओं का वर्णन करती है - समीकरण रासायनिक प्रतिक्रिया के अभिकर्मकों और उत्पादों के मात्रात्मक संबंधों को दर्शाते हैं और निम्नलिखित सामान्य रूप रखते हैं: जहां प्राकृतिक संख्या एम और एन को स्टोइकोमेट्रिक गुणांक कहा जाता है। यह एक रासायनिक प्रतिक्रिया का एक प्रतीकात्मक रिकॉर्ड है जिसमें अभिकर्मक Xi के अणु, अभिकर्मक Xh के ni2 अणु, ..., अभिकर्मक Xp के 3 अणु, प्रतिक्रिया में प्रवेश करने पर पदार्थ Y के n अणु बनाते हैं, n पदार्थ I2 के अणु, ..., पदार्थ Yq के nq अणु, क्रमशः।

रासायनिक गतिकी में, यह माना जाता है कि एक रासायनिक प्रतिक्रिया केवल अभिकर्मकों की सीधी बातचीत के माध्यम से हो सकती है, और एक रासायनिक प्रतिक्रिया की दर को एक इकाई मात्रा में प्रति इकाई समय में बनने वाले कणों की संख्या के रूप में परिभाषित किया जाता है।

रासायनिक गतिकी का मुख्य अभिधारणा सामूहिक क्रिया का नियम है, जो बताता है कि रासायनिक प्रतिक्रिया की दर उनके स्टोइकोमेट्रिक गुणांक की शक्तियों में अभिकारकों की सांद्रता के उत्पाद के सीधे आनुपातिक होती है। इसलिए, यदि हम संबंधित पदार्थों की सांद्रता को XI और y I से निरूपित करते हैं, तो हमारे पास रासायनिक प्रतिक्रिया के परिणामस्वरूप समय के साथ किसी पदार्थ की सांद्रता में परिवर्तन की दर के लिए एक समीकरण होता है:

इसके बाद, उन प्रणालियों का वर्णन करने के लिए रासायनिक गतिकी के बुनियादी विचारों का उपयोग करने का प्रस्ताव है, जिनका समय के साथ विकास किसी दिए गए सिस्टम के तत्वों की एक दूसरे के साथ बातचीत के परिणामस्वरूप होता है, जो निम्नलिखित बुनियादी परिवर्तनों को प्रस्तुत करता है: 1. प्रतिक्रिया नहीं दरों पर विचार किया जाता है, लेकिन संक्रमण की संभावनाएँ; 2. यह प्रस्तावित है कि एक अवस्था से दूसरी अवस्था में संक्रमण की संभावना, जो एक अंतःक्रिया का परिणाम है, किसी दिए गए प्रकार की संभावित अंतःक्रियाओं की संख्या के समानुपाती होती है; 3. इस विधि में प्रणाली का वर्णन करने के लिए मूल गतिज समीकरण का उपयोग किया जाता है; 4. नियतिवादी समीकरणों को स्टोकेस्टिक समीकरणों द्वारा प्रतिस्थापित किया जाता है। ऐसी प्रणालियों का वर्णन करने के लिए एक समान दृष्टिकोण कार्यों में पाया जा सकता है। सिम्युलेटेड सिस्टम में होने वाली प्रक्रियाओं का वर्णन करने के लिए, जैसा कि ऊपर उल्लेख किया गया है, मार्कोव वन-स्टेप प्रक्रियाओं का उपयोग करने का प्रस्ताव है।

विभिन्न प्रकार के तत्वों से युक्त एक प्रणाली पर विचार करें जो विभिन्न तरीकों से एक दूसरे के साथ बातचीत कर सकते हैं। आइए हम -प्रकार के एक तत्व से निरूपित करें, जहां = 1, और -प्रकार के तत्वों की संख्या से।

होने देना (), ।

आइए मान लें कि फ़ाइल में एक भाग है। इस प्रकार, एक फ़ाइल को डाउनलोड करने के इच्छुक नए नोड और फ़ाइल को वितरित करने वाले नोड के बीच बातचीत के एक चरण में, नया नोड पूरी फ़ाइल को डाउनलोड करता है और वितरण नोड बन जाता है।

आइए नए नोड का पदनाम है, वितरण नोड है, और इंटरैक्शन गुणांक है। नए नोड तीव्रता के साथ सिस्टम में आ सकते हैं, और वितरित नोड्स इसे तीव्रता के साथ छोड़ सकते हैं। तब इंटरेक्शन आरेख और वेक्टर r इस तरह दिखेगा:

लैंग्विन रूप में एक स्टोकेस्टिक अंतर समीकरण संबंधित सूत्र (1.15) का उपयोग करके प्राप्त किया जा सकता है। क्योंकि ड्रिफ्ट वेक्टर ए पूरी तरह से सिस्टम के नियतात्मक व्यवहार का वर्णन करता है; हम साधारण अंतर समीकरणों की एक प्रणाली प्राप्त कर सकते हैं जो नए ग्राहकों और बीजों की संख्या की गतिशीलता का वर्णन करती है:

इस प्रकार, मापदंडों की पसंद के आधार पर, एक एकल बिंदु का एक अलग चरित्र हो सकता है। इस प्रकार, /ZA 4/I2 के लिए, एकवचन बिंदु एक स्थिर फोकस है, और विपरीत अनुपात के लिए, यह एक स्थिर नोड है। दोनों ही मामलों में, एकवचन बिंदु स्थिर है, क्योंकि गुणांक मानों का चुनाव और सिस्टम चर में परिवर्तन दो प्रक्षेपवक्रों में से एक के साथ हो सकता है। यदि एक एकल बिंदु एक फोकस है, तो सिस्टम में नए और वितरण नोड्स की संख्या में नम दोलन होते हैं (चित्र 3.12 देखें)। और नोडल मामले में, स्थिर मानों के लिए संख्याओं का सन्निकटन एक गैर-दोलन मोड में होता है (चित्र 3.13 देखें)। दोनों मामलों में से प्रत्येक के लिए सिस्टम के चरण चित्र क्रमशः ग्राफ़ (3.14) और (3.15) में दर्शाए गए हैं।

श्रृंखला "अर्थशास्त्र और प्रबंधन"

6. कोंडरायेव एन.डी. संयुग्मन के बड़े चक्र और दूरदर्शिता का सिद्धांत। - एम.: अर्थशास्त्र, 2002. 768 पी.

7. कुज़िक बी.एन., कुशलिन वी.आई., याकोवेट्स यू.वी. पूर्वानुमान, रणनीतिक योजना और राष्ट्रीय प्रोग्रामिंग। एम.: पब्लिशिंग हाउस "इकोनॉमी", 2008. 573 पी।

8. लायसनिकोव एन.वी., डुडिन एम.एन. उद्यम बाजार // सामाजिक विज्ञान के गठन और विकास के संदर्भ में नवीन अर्थव्यवस्था का आधुनिकीकरण। एम.: पब्लिशिंग हाउस "एमआईआई साइंस", 2011. नंबर 1. पी. 278-285।

9. सेकेरिन वी.डी., कुज़नेत्सोवा ओ.एस. एक नवप्रवर्तन परियोजना प्रबंधन रणनीति का विकास // मॉस्को स्टेट एकेडमी ऑफ बिजनेस एडमिनिस्ट्रेशन का बुलेटिन। शृंखला: अर्थशास्त्र. - 2013. नंबर 1 (20)। - पी. 129 - 134.

10. याकोवलेव वी.एम., सेनिन ए.एस. रूसी अर्थव्यवस्था के नवोन्मेषी प्रकार के विकास का कोई विकल्प नहीं है // नवोन्मेषी अर्थशास्त्र के वर्तमान मुद्दे। एम.: पब्लिशिंग हाउस "साइंस"; रूसी संघ के राष्ट्रपति के अधीन रूसी विज्ञान अकादमी और राज्य विश्वविद्यालय का प्रबंधन और विपणन संस्थान, 2012। नंबर 1(1)।

11. बारानेंको एस.पी., डुडिन एम.एन., लजस्निकोव एन.वी., बिजीगिन केडी। औद्योगिक उद्यमों के नवाचार-उन्मुख विकास के लिए पर्यावरणीय दृष्टिकोण का उपयोग // अमेरिकन जर्नल ऑफ एप्लाइड साइंसेज।- 2014.- वॉल्यूम। 11, क्रमांक 2, - पृ. 189-194.

12. डुडिन एम.एन. बड़े और छोटे व्यवसायों के बीच बातचीत के तरीकों को निर्धारित करने के लिए एक व्यवस्थित दृष्टिकोण // यूरोपीय जर्नल ऑफ इकोनॉमिक स्टडीज। 2012. वॉल्यूम. (2), क्रमांक 2, पृ. 84-87.

13. डुडिन एम.एन., लजस्निकोव एन.वी., कुज़नेकोव ए.वी., फेडोरोवा आई.जू. सामाजिक-आर्थिक प्रणालियों का नवोन्मेषी परिवर्तन और परिवर्तनकारी क्षमता // मिडिल ईस्ट जर्नल ऑफ साइंटिफिक रिसर्च, 2013. वॉल्यूम। 17, क्रमांक 10. पृ. 1434-1437.

14. डुडिन एम.एन., लजस्निकोव एन.वी., पंकोव एस.वी., सेपियाश्विली ई.एन. व्यावसायिक संरचनाओं के रणनीतिक सतत विकास के प्रबंधन की विधि के रूप में अभिनव दूरदर्शिता // वर्ल्ड एप्लाइड साइंसेज जर्नल। - 2013. - वॉल्यूम। 26, संख्या 8. - पी. 1086-1089।

15. सेकेरिन वी. डी., अवरामेंको एस. ए., वेसेलोव्स्की एम. हां., अलेक्साखिना वी. जी. बी2जी मार्केट: द एसेंस एंड स्टैटिस्टिकल एनालिसिस // ​​वर्ल्ड एप्लाइड साइंसेज जर्नल 31 (6): 1104-1108, 2014

उत्पादन प्रक्रिया के एक-पैरामीटर, स्टोकेस्टिक मॉडल का निर्माण

पीएच.डी. सहो. मोर्दसोव यू.पी.

मैकेनिकल इंजीनियरिंग विश्वविद्यालय, 8-916-853-13-32, mordasov2001@mail. गी

एनोटेशन. लेखक ने एक पैरामीटर के आधार पर, उत्पादन प्रक्रिया का एक गणितीय, स्टोकेस्टिक मॉडल विकसित किया है। मॉडल का परीक्षण किया जा चुका है. इस उद्देश्य के लिए, यादृच्छिक गड़बड़ी और विफलताओं के प्रभाव को ध्यान में रखते हुए, उत्पादन और मैकेनिकल इंजीनियरिंग प्रक्रिया का एक सिमुलेशन मॉडल बनाया गया है। गणितीय और सिमुलेशन मॉडलिंग के परिणामों की तुलना व्यवहार में गणितीय मॉडल का उपयोग करने की व्यवहार्यता की पुष्टि करती है।

मुख्य शब्द: तकनीकी प्रक्रिया, गणितीय, सिमुलेशन मॉडल, परिचालन नियंत्रण, परीक्षण, यादृच्छिक गड़बड़ी।

ऐसी कार्यप्रणाली विकसित करके परिचालन प्रबंधन की लागतों को काफी कम किया जा सकता है जो परिचालन योजना की लागतों और नियोजित संकेतकों और वास्तविक उत्पादन प्रक्रियाओं के संकेतकों के बीच बेमेल के परिणामस्वरूप होने वाले नुकसान के बीच इष्टतम खोजने की अनुमति देती है। इसका मतलब फीडबैक सर्किट में सिग्नल पारित होने की इष्टतम अवधि का पता लगाना है। व्यवहार में, इसका मतलब असेंबली इकाइयों को उत्पादन में लॉन्च करने के लिए कैलेंडर शेड्यूल की गणना की संख्या को कम करना है और इसके कारण, भौतिक संसाधनों की बचत करना है।

मैकेनिकल इंजीनियरिंग में उत्पादन प्रक्रिया की प्रगति प्रकृति में संभाव्य है। लगातार बदलते कारकों का निरंतर प्रभाव एक निश्चित अवधि (महीने, तिमाही) के लिए अंतरिक्ष और समय में उत्पादन प्रक्रिया के पाठ्यक्रम की भविष्यवाणी करना संभव नहीं बनाता है। सांख्यिकीय शेड्यूलिंग मॉडल में, समय के प्रत्येक विशिष्ट बिंदु पर एक भाग की स्थिति को विभिन्न कार्यस्थलों पर इसकी खोज की संबंधित संभाव्यता (संभावना वितरण) के रूप में निर्दिष्ट किया जाना चाहिए। साथ ही, उद्यम की गतिविधियों के अंतिम परिणाम की नियति सुनिश्चित करना आवश्यक है। यह, बदले में, भागों के उत्पादन के लिए निश्चित अवधि की योजना बनाने के लिए नियतात्मक तरीकों का उपयोग करते हुए संभावना का अनुमान लगाता है। हालाँकि, अनुभव से पता चलता है कि वास्तविक उत्पादन प्रक्रियाओं के विभिन्न संबंध और पारस्परिक परिवर्तन विविध और असंख्य हैं। नियतात्मक मॉडल विकसित करते समय यह महत्वपूर्ण कठिनाइयाँ पैदा करता है।

उत्पादन के पाठ्यक्रम को प्रभावित करने वाले सभी कारकों को ध्यान में रखने का प्रयास मॉडल को बोझिल बना देता है, और यह योजना, लेखांकन और विनियमन उपकरण के रूप में काम करना बंद कर देता है।

जटिल वास्तविक प्रक्रियाओं के गणितीय मॉडल बनाने की एक सरल विधि जो बड़ी संख्या में विभिन्न कारकों पर निर्भर करती है, जिन्हें ध्यान में रखना मुश्किल या असंभव है, स्टोकेस्टिक मॉडल का निर्माण है। इस मामले में, किसी वास्तविक प्रणाली के संचालन के सिद्धांतों का विश्लेषण करते समय या इसकी व्यक्तिगत विशेषताओं का अवलोकन करते समय, कुछ मापदंडों के लिए संभाव्यता वितरण कार्यों का निर्माण किया जाता है। प्रक्रिया की मात्रात्मक विशेषताओं की उच्च सांख्यिकीय स्थिरता और उनके कम फैलाव को देखते हुए, निर्मित मॉडल का उपयोग करके प्राप्त परिणाम वास्तविक प्रणाली के प्रदर्शन संकेतकों के साथ अच्छे समझौते में हैं।

आर्थिक प्रक्रियाओं के सांख्यिकीय मॉडल के निर्माण के लिए मुख्य शर्तें हैं:

संबंधित नियतात्मक मॉडल की अत्यधिक जटिलता और संबंधित आर्थिक अक्षमता;

वास्तव में कार्यशील वस्तुओं के संकेतकों से एक मॉडल पर एक प्रयोग के परिणामस्वरूप प्राप्त सैद्धांतिक संकेतकों का बड़ा विचलन।

इसलिए, एक सरल गणितीय उपकरण होना वांछनीय है जो उत्पादन प्रक्रिया की वैश्विक विशेषताओं (वाणिज्यिक उत्पादन, प्रगति पर काम की मात्रा, आदि) पर स्टोकेस्टिक गड़बड़ी के प्रभाव का वर्णन करता है। अर्थात्, उत्पादन प्रक्रिया का एक गणितीय मॉडल बनाना, जो कम संख्या में मापदंडों पर निर्भर करता है और उत्पादन प्रक्रिया के दौरान विभिन्न प्रकृति के कई कारकों के कुल प्रभाव को दर्शाता है। एक मॉडल का निर्माण करते समय एक शोधकर्ता को जो मुख्य कार्य अपने लिए निर्धारित करना चाहिए, वह वास्तविक प्रणाली के मापदंडों का निष्क्रिय अवलोकन नहीं है, बल्कि एक मॉडल का निर्माण है, जो गड़बड़ी के प्रभाव में किसी भी विचलन की स्थिति में, पैरामीटर लाएगा। किसी दिए गए मोड में प्रदर्शित प्रक्रियाओं का। अर्थात्, सिस्टम में किसी भी यादृच्छिक कारक के प्रभाव में, एक ऐसी प्रक्रिया स्थापित की जानी चाहिए जो एक नियोजित समाधान में परिवर्तित हो। वर्तमान में, स्वचालित नियंत्रण प्रणालियों में, यह कार्य मुख्य रूप से एक व्यक्ति को सौंपा जाता है, जो उत्पादन प्रक्रियाओं के प्रबंधन में फीडबैक श्रृंखला में एक लिंक का गठन करता है।

आइए वास्तविक उत्पादन प्रक्रिया के विश्लेषण की ओर मुड़ें। आमतौर पर, नियोजन अवधि की अवधि (कार्यशालाओं को योजनाएं जारी करने की आवृत्ति) पारंपरिक कैलेंडर समय अंतराल के आधार पर चुनी जाती है: शिफ्ट, दिन, पांच-दिवसीय अवधि, आदि। वे मुख्य रूप से व्यावहारिक विचारों द्वारा निर्देशित होते हैं। नियोजन अवधि की न्यूनतम अवधि नियोजित निकायों की परिचालन क्षमताओं द्वारा निर्धारित की जाती है। यदि उद्यम का उत्पादन और प्रेषण विभाग कार्यशालाओं को समायोजित शिफ्ट असाइनमेंट जारी करने का काम करता है, तो गणना प्रत्येक शिफ्ट के लिए की जाती है (अर्थात, नियोजित असाइनमेंट की गणना और विश्लेषण से जुड़ी लागतें हर शिफ्ट में खर्च की जाती हैं)।

यादृच्छिक संभाव्यता वितरण की संख्यात्मक विशेषताओं का निर्धारण करना

"अर्थशास्त्र और प्रबंधन" श्रृंखला में, हम एक असेंबली इकाई के निर्माण की वास्तविक तकनीकी प्रक्रिया का एक संभाव्य मॉडल बनाएंगे। यहां और इसके बाद, एक असेंबली इकाई के निर्माण की तकनीकी प्रक्रिया का अर्थ प्रौद्योगिकी में प्रलेखित संचालन का एक क्रम (किसी भाग या असेंबली पर डेटा उत्पन्न करने का कार्य) है। तकनीकी मार्ग के अनुसार किसी उत्पाद के निर्माण का प्रत्येक तकनीकी संचालन पिछले एक के बाद ही किया जा सकता है। नतीजतन, एक असेंबली यूनिट के निर्माण की तकनीकी प्रक्रिया घटनाओं-संचालन का एक क्रम है। विभिन्न स्टोकेस्टिक कारणों के प्रभाव में, व्यक्तिगत ऑपरेशन की अवधि बदल सकती है। कुछ मामलों में, इस शिफ्ट कार्य की अवधि के दौरान ऑपरेशन पूरा नहीं हो सकता है। यह स्पष्ट है कि इन घटनाओं को प्राथमिक घटकों में विघटित किया जा सकता है: व्यक्तिगत संचालन का निष्पादन और गैर-निष्पादन, जो निष्पादन और विफलता की संभावनाओं से भी जुड़ा हो सकता है।

एक विशिष्ट तकनीकी प्रक्रिया के लिए, K संचालन वाले अनुक्रम को निष्पादित करने की संभावना निम्नलिखित सूत्र द्वारा व्यक्त की जा सकती है:

आरएस5 = के) = (1-आरके+1)पीजी = 1पी1, (1)

जहां: P1 पहला ऑपरेशन करने की संभावना है, जिसे अलग से लिया गया है; जी - तकनीकी प्रक्रिया में क्रम में संचालन की संख्या।

इस सूत्र का उपयोग किसी विशिष्ट नियोजन अवधि की स्टोकेस्टिक विशेषताओं को निर्धारित करने के लिए किया जा सकता है, जब उत्पादन में लॉन्च किए गए उत्पादों की श्रेणी और किसी दिए गए नियोजन अवधि में किए जाने वाले कार्यों की सूची ज्ञात होती है, साथ ही उनकी स्टोकेस्टिक विशेषताएं भी ज्ञात होती हैं, जो हैं अनुभवजन्य रूप से निर्धारित। व्यवहार में, सूचीबद्ध आवश्यकताएँ केवल कुछ प्रकार के बड़े पैमाने पर उत्पादन से पूरी होती हैं जिनमें विशेषताओं की उच्च सांख्यिकीय स्थिरता होती है।

एक व्यक्तिगत ऑपरेशन करने की संभावना न केवल बाहरी कारकों पर निर्भर करती है, बल्कि किए जा रहे कार्य की विशिष्ट प्रकृति और असेंबली यूनिट के प्रकार पर भी निर्भर करती है।

दिए गए फॉर्मूले के मापदंडों को निर्धारित करने के लिए, विधानसभा इकाइयों के अपेक्षाकृत छोटे सेट के साथ भी, उत्पादों की श्रेणी में छोटे बदलावों के साथ, प्रयोगात्मक डेटा की एक महत्वपूर्ण मात्रा की आवश्यकता होती है, जो महत्वपूर्ण सामग्री और संगठनात्मक लागत का कारण बनती है और निर्धारण की इस पद्धति को बनाती है। कम उपयोग के उत्पादों के निर्बाध उत्पादन की संभावना।

आइए यह देखने के लिए परिणामी मॉडल की जांच करें कि क्या इसे सरल बनाया जा सकता है। विश्लेषण का प्रारंभिक मूल्य उत्पाद निर्माण की तकनीकी प्रक्रिया के एक ऑपरेशन के विफलता-मुक्त निष्पादन की संभावना है। वास्तविक उत्पादन स्थितियों में, प्रत्येक प्रकार के संचालन करने की संभावनाएँ भिन्न होती हैं। किसी विशिष्ट तकनीकी प्रक्रिया के लिए, यह संभावना इस पर निर्भर करती है:

निष्पादित ऑपरेशन के प्रकार पर;

एक विशिष्ट असेंबली इकाई से;

समानांतर में निर्मित उत्पादों से;

बाहरी कारकों से.

आइए हम इस मॉडल का उपयोग करके निर्धारित उत्पादों के निर्माण की प्रक्रिया की समग्र विशेषताओं (वाणिज्यिक उत्पादन की मात्रा, प्रगति पर काम की मात्रा, आदि) पर एक ऑपरेशन करने की संभावना में उतार-चढ़ाव के प्रभाव का विश्लेषण करें। अध्ययन का उद्देश्य मॉडल में एक ऑपरेशन को औसत मूल्य के साथ करने की विभिन्न संभावनाओं को बदलने की संभावना का विश्लेषण करना है।

औसत तकनीकी प्रक्रिया के एक ऑपरेशन को निष्पादित करने की ज्यामितीय औसत संभावना की गणना करते समय इन सभी कारकों के संयुक्त प्रभाव को ध्यान में रखा जाता है। आधुनिक उत्पादन के विश्लेषण से पता चलता है कि इसमें थोड़ा उतार-चढ़ाव होता है: व्यावहारिक रूप से 0.9 - 1.0 की सीमा के भीतर।

एक ऑपरेशन पूरा होने की संभावना कितनी कम है, इसका स्पष्ट चित्रण

रेडियो 0.9 के मान से मेल खाता है, यह निम्नलिखित सार उदाहरण है। आइए मान लें कि हमें दस भाग बनाने की आवश्यकता है। उनमें से प्रत्येक के निर्माण की तकनीकी प्रक्रियाओं में दस ऑपरेशन शामिल हैं। प्रत्येक ऑपरेशन को निष्पादित करने की संभावना 0.9 है। आइए विभिन्न संख्या में तकनीकी प्रक्रियाओं के निर्धारित समय से पीछे होने की संभावनाओं का पता लगाएं।

एक यादृच्छिक घटना, जिसमें यह तथ्य शामिल है कि एक असेंबली इकाई के निर्माण के लिए एक विशिष्ट तकनीकी प्रक्रिया निर्धारित समय से पीछे हो जाएगी, इस प्रक्रिया में कम से कम एक ऑपरेशन के खराब प्रदर्शन से मेल खाती है। यह एक घटना के विपरीत है: विफलता के बिना सभी कार्यों का निष्पादन। इसकी प्रायिकता 1 - 0.910 = 0.65 है. चूंकि शेड्यूल में देरी स्वतंत्र घटनाएं हैं, इसलिए बर्नौली संभाव्यता वितरण का उपयोग शेड्यूल के पीछे होने वाली विभिन्न प्रक्रियाओं की संभावना निर्धारित करने के लिए किया जा सकता है। गणना परिणाम तालिका 1 में दिखाए गए हैं।

तालिका नंबर एक

तकनीकी प्रक्रियाओं के शेड्यूल से पीछे रहने की संभावनाओं की गणना

k С^о0.35к0.651О-к राशि

तालिका से पता चलता है कि 0.92 की संभावना के साथ, पांच तकनीकी प्रक्रियाएं, यानी आधी, निर्धारित समय से पीछे रह जाएंगी। निर्धारित समय से पीछे तकनीकी प्रक्रियाओं की संख्या की गणितीय अपेक्षा 6.5 होगी। इसका मतलब यह है कि, औसतन 10 में से 6.5 असेंबली इकाइयाँ निर्धारित समय से पीछे रहेंगी। यानी, औसतन 3 से 4 भागों का निर्माण बिना किसी विफलता के किया जाएगा। लेखक को वास्तविक उत्पादन में श्रम संगठन के इतने निम्न स्तर के उदाहरणों की जानकारी नहीं है। माना गया उदाहरण स्पष्ट रूप से दर्शाता है कि विफलताओं के बिना एक ऑपरेशन को निष्पादित करने की संभावना पर लगाई गई सीमा अभ्यास का खंडन नहीं करती है। उपरोक्त सभी आवश्यकताएं मैकेनिकल इंजीनियरिंग उत्पादन की मैकेनिकल असेंबली दुकानों की उत्पादन प्रक्रियाओं द्वारा पूरी की जाती हैं।

इस प्रकार, उत्पादन प्रक्रियाओं की स्टोकेस्टिक विशेषताओं को निर्धारित करने के लिए, एक तकनीकी प्रक्रिया के परिचालन निष्पादन के लिए एक संभाव्यता वितरण का निर्माण करने का प्रस्ताव है, जो कि ज्यामितीय औसत संभावना के माध्यम से एक असेंबली इकाई के निर्माण के लिए तकनीकी संचालन के अनुक्रम को निष्पादित करने की संभावना व्यक्त करता है। एक ऑपरेशन करना। इस मामले में K ऑपरेशन करने की संभावना प्रत्येक ऑपरेशन को पूरा करने की संभावनाओं के उत्पाद के बराबर होगी, जिसे बाकी तकनीकी प्रक्रिया को पूरा करने में विफलता की संभावना से गुणा किया जाएगा, जो (K) को पूरा करने में विफलता की संभावना के साथ मेल खाता है + टी)वां ऑपरेशन। इस तथ्य को इस तथ्य से समझाया जाता है कि यदि कोई ऑपरेशन नहीं किया जाता है, तो निम्नलिखित ऑपरेशन नहीं किया जा सकता है। अंतिम प्रविष्टि बाकियों से भिन्न है, क्योंकि यह विफलताओं के बिना संपूर्ण तकनीकी प्रक्रिया के पूर्ण होने की संभावना व्यक्त करती है। किसी तकनीकी प्रक्रिया के पहले संचालन को पूरा करने की संभावना विशिष्ट रूप से शेष कार्यों को पूरा करने में विफलता की संभावना से संबंधित है। इस प्रकार, संभाव्यता वितरण का निम्नलिखित रूप है:

RY=0)=р°(1-р),

Р(§=1) = р1(1-р), (2)

Р(^=1) = р1(1-р),

P(^=u-1) = pn"1(1 - p), P(£=p) = pn,

कहा पे: ^ - यादृच्छिक चर, निष्पादित कार्यों की संख्या;

पी एक ऑपरेशन करने की ज्यामितीय औसत संभावना है, एन तकनीकी प्रक्रिया में संचालन की संख्या है।

परिणामी एक-पैरामीटर संभाव्यता वितरण को लागू करने की निष्पक्षता निम्नलिखित तर्क से सहज रूप से दिखाई देती है। मान लीजिए कि हमने n तत्वों वाले नमूने पर एक 1 ऑपरेशन करने की संभावना के ज्यामितीय माध्य की गणना की है, जहां n काफी बड़ा है।

р = УШТ7Р7= tl|p]t=1р!), (3)

कहा पे: Iу - संचालन की संख्या जिनके निष्पादन की समान संभावना है; ] - संचालन के एक समूह का सूचकांक जिसमें निष्पादन की समान संभावना होती है; t उन परिचालनों से युक्त समूहों की संख्या है जिनके निष्पादन की समान संभावना है;

^ = - - निष्पादन की संभावना के साथ संचालन की घटना की सापेक्ष आवृत्ति पी^।

बड़ी संख्या के नियम के अनुसार, असीमित संख्या में संचालन के साथ, कुछ स्टोकेस्टिक विशेषताओं के साथ संचालन के अनुक्रम में घटना की सापेक्ष आवृत्ति इस घटना की संभावना की संभावना में बदल जाती है। यह कहां से इसका अनुसरण करता है

दो पर्याप्त बड़े नमूनों के लिए = , जिसका अर्थ है:

कहां: t1, t2 - क्रमशः पहले और दूसरे नमूने में समूहों की संख्या;

1*, I2 - क्रमशः पहले और दूसरे नमूने के समूह में तत्वों की संख्या।

इससे पता चलता है कि यदि बड़ी संख्या में परीक्षणों के लिए पैरामीटर की गणना की जाती है, तो यह दिए गए पर्याप्त बड़े नमूने के लिए गणना किए गए पैरामीटर पी के करीब होगा।

विभिन्न संख्या में तकनीकी प्रक्रिया संचालन करने की संभावनाओं के वास्तविक मूल्य के अलग-अलग निकटता पर ध्यान दिया जाना चाहिए। अंतिम को छोड़कर वितरण के सभी तत्वों में एक गुणक (I - P) होता है। चूँकि पैरामीटर P का मान 0.9 - 1.0 की सीमा में है, गुणक (I - P) 0 - 0.1 के बीच उतार-चढ़ाव करता है। यह कारक मूल मॉडल में कारक (I - p;) से मेल खाता है। अनुभव से पता चलता है कि किसी विशेष संभावना के लिए यह मिलान 300% तक की त्रुटि का कारण बन सकता है। हालाँकि, व्यवहार में, किसी की दिलचस्पी आमतौर पर एक निश्चित संख्या में ऑपरेशन करने की संभावनाओं में नहीं, बल्कि तकनीकी प्रक्रिया की विफलताओं के बिना पूर्ण निष्पादन की संभावना में होती है। इस संभावना में कोई गुणक (I - P) नहीं है, और इसलिए, वास्तविक मान से इसका विचलन छोटा है (व्यावहारिक रूप से 3% से अधिक नहीं)। आर्थिक समस्याओं के लिए यह काफी उच्च सटीकता है।

इस तरह से निर्मित एक यादृच्छिक चर का संभाव्यता वितरण एक असेंबली इकाई की विनिर्माण प्रक्रिया का एक स्टोकेस्टिक गतिशील मॉडल है। इसमें समय अप्रत्यक्ष रूप से शामिल होता है, जैसे एक ऑपरेशन की अवधि। मॉडल हमें संभावना निर्धारित करने की अनुमति देता है कि एक निश्चित अवधि (संचालन की संबंधित संख्या) के बाद एक असेंबली इकाई के निर्माण की उत्पादन प्रक्रिया बाधित नहीं होगी। मैकेनिकल इंजीनियरिंग उत्पादन की मैकेनिकल असेंबली दुकानों के लिए, एक तकनीकी प्रक्रिया के संचालन की औसत संख्या काफी बड़ी है (15 - 80)। यदि हम इस संख्या को मूल मानते हैं और मानते हैं कि औसतन, एक असेंबली इकाई के निर्माण में, बढ़े हुए प्रकार के काम (मोड़, धातुकर्म, मिलिंग, आदि) का एक छोटा सेट उपयोग किया जाता है,

फिर परिणामी वितरण का उपयोग उत्पादन प्रक्रिया के दौरान स्टोकेस्टिक गड़बड़ी के प्रभाव का आकलन करने के लिए सफलतापूर्वक किया जा सकता है।

लेखक ने इस सिद्धांत पर निर्मित एक अनुकरण प्रयोग किया। अंतराल 0.9 - 1.0 पर समान रूप से वितरित छद्म-यादृच्छिक मानों का अनुक्रम उत्पन्न करने के लिए, कार्य में वर्णित एक छद्म-यादृच्छिक संख्या सेंसर का उपयोग किया गया था। प्रयोग सॉफ़्टवेयर एल्गोरिथम भाषा COBOL में लिखा गया है।

प्रयोग में, उत्पन्न यादृच्छिक चर के उत्पाद बनते हैं, जो एक विशिष्ट तकनीकी प्रक्रिया के पूर्ण निष्पादन की वास्तविक संभावनाओं का अनुकरण करते हैं। उनकी तुलना ज्यामितीय माध्य मान का उपयोग करके प्राप्त तकनीकी प्रक्रिया को निष्पादित करने की संभावना से की जाती है, जिसकी गणना समान वितरण के यादृच्छिक संख्याओं के एक निश्चित अनुक्रम के लिए की गई थी। ज्यामितीय माध्य को उत्पाद में कारकों की संख्या के बराबर घात तक बढ़ा दिया जाता है। इन दोनों परिणामों के बीच सापेक्ष प्रतिशत अंतर की गणना की जाती है। प्रयोग को उत्पादों में विभिन्न कारकों की संख्या और उन संख्याओं की संख्या के लिए दोहराया जाता है जिनके लिए ज्यामितीय माध्य की गणना की जाती है। प्रयोग के परिणामों का एक अंश तालिका 2 में दिखाया गया है।

तालिका 2

अनुकरण प्रयोग के परिणाम:

n - ज्यामितीय माध्य मान की डिग्री; k - उत्पाद की डिग्री

पी से उत्पाद विचलन से उत्पाद विचलन से उत्पाद विचलन तक

10 1 0,9680 0% 7 0,7200 3% 13 0,6277 -7%

10 19 0,4620 -1% 25 0,3577 -1% 31 0,2453 2%

10 37 0,2004 6% 43 0,1333 4% 49 0,0888 6%

10 55 0,0598 8% 61 0,0475 5% 67 0,0376 2%

10 73 0,0277 1% 79 0,0196 9% 85 0,0143 2%

10 91 0,0094 9% 97 0,0058 0%

13 7 0,7200 8% 13 0,6277 0% 19 0,4620 0%

13 25 0,3577 5% 31 0,2453 6% 37 0,2004 4%

13 43 0,1333 3% 49 0,0888 8% 55 0,0598 8%

13 61 0,0475 2% 67 0,0376 8% 73 0,0277 2%

13 79 0,0196 1% 85 0,0143 5% 91 0,0094 5%

16 1 0,9680 0% 7 0,7200 9%

16 13 0,6277 2% 19 0,4620 3% 25 0,3577 0%

16 31 0,2453 2% 37 0,2004 2% 43 0,1333 5%

16 49 0,0888 4% 55 0,0598 0% 61 0,0475 7%

16 67 0,0376 5% 73 0,0277 5% 79 0,0196 2%

16 85 0,0143 4% 91 0,0094 0% 97 0,0058 4%

19 4 0,8157 4% 10 0,6591 1% 16 0,5795 -9%

19 22 0,4373 -5% 28 0,2814 5% 34 0,2256 3%

19 40 0,1591 6% 46 0,1118 1% 52 0,0757 3%

19 58 0,0529 4% 64 0,0418 3% 70 0,0330 2%

19 76 0,0241 6% 82 0,0160 1% 88 0,0117 8%

19 94 0,0075 7% 100 0,0048 3%

22 10 0,6591 4% 16 0,5795 -4% 22 0,4373 0%

22 28 0,2814 5% 34 0,2256 5% 40 0,1591 1%

22 46 0,1118 1% 52 0,0757 0% 58 0,0529 8%

22 64 0,0418 1% 70 0,0330 3% 76 0,0241 5%

22 82 0,0160 4% 88 0,0117 2% 94 0,0075 5%

22 100 0,0048 1%

25 4 0,8157 3% 10 0,6591 0%

25 16 0,5795 0% 72 0,4373 -7% 28 0,2814 2%

25 34 0,2256 9% 40 0,1591 1% 46 0,1118 4%

25 52 0,0757 5% 58 0,0529 4% 64 0,0418 2%

25 70 0,0330 0% 76 0,0241 2% 82 0,0160 4%

28 4 0,8157 2% 10 0,6591 -2% 16 0,5795 -5%

28 22 0,4373 -3% 28 0,2814 2% 34 0,2256 -1%

28 40 0,1591 6% 46 0,1118 6% 52 0,0757 1%

28 58 0,0529 4% 64 0,041 8 9% 70 0,0330 5%

28 70 0,0241 2% 82 0,0160 3% 88 0,0117 1%

28 94 0,0075 100 0,0048 5%

31 10 0,6591 -3% 16 0,5795 -5% 22 0,4373 -4%

31 28 0,2814 0% 34 0,2256 -3% 40 0,1591 4%

31 46 0,1118 3% 52 0,0757 7% 58 0,0529 9%

31 64 0,0418 4% 70 0,0330 0% 76 0,0241 6%

31 82 0,0160 6% 88 0,0117 2% 94 0,0075 5%

इस सिमुलेशन प्रयोग को स्थापित करते समय, लक्ष्य संभाव्यता वितरण (2) का उपयोग करके, उत्पादन प्रक्रिया की विस्तारित सांख्यिकीय विशेषताओं में से एक प्राप्त करने की संभावना की जांच करना था - एक असेंबली इकाई के निर्माण की एक तकनीकी प्रक्रिया को विफलता के बिना निष्पादित करने की संभावना, K संचालन से मिलकर। एक विशिष्ट तकनीकी प्रक्रिया के लिए, यह संभावना उसके सभी कार्यों को करने की संभावनाओं के उत्पाद के बराबर है। जैसा कि सिमुलेशन प्रयोग से पता चलता है, विकसित संभाव्य मॉडल का उपयोग करके प्राप्त संभावना से इसका सापेक्ष विचलन 9% से अधिक नहीं है।

चूंकि सिमुलेशन प्रयोग वास्तविक की तुलना में अधिक असुविधाजनक संभाव्यता वितरण का उपयोग करता है, व्यावहारिक विसंगतियां और भी छोटी होंगी। औसत विशेषताओं के आधार पर प्राप्त मूल्य में कमी की दिशा और अधिकता की दिशा दोनों में विचलन देखा जाता है। यह तथ्य बताता है कि यदि हम किसी एक तकनीकी प्रक्रिया की नहीं, बल्कि कई प्रक्रियाओं की विफलता-मुक्त निष्पादन की संभावना में विचलन पर विचार करें, तो यह काफी कम होगा। जाहिर है, जितना अधिक तकनीकी प्रक्रियाओं पर विचार किया जाएगा, यह उतना ही छोटा होगा। इस प्रकार, सिमुलेशन प्रयोग विफलताओं के बिना विनिर्माण उत्पादों की तकनीकी प्रक्रिया को पूरा करने की संभावना और एक-पैरामीटर गणितीय मॉडल का उपयोग करते समय प्राप्त संभावना के बीच एक अच्छा समझौता दिखाता है।

इसके अलावा, सिमुलेशन प्रयोग किए गए:

संभाव्यता वितरण पैरामीटर अनुमान के सांख्यिकीय अभिसरण का अध्ययन करना;

विफलताओं के बिना पूर्ण किए गए कार्यों की संख्या की गणितीय अपेक्षा की सांख्यिकीय स्थिरता का अध्ययन करना;

न्यूनतम नियोजन अवधि की अवधि निर्धारित करने और उत्पादन प्रक्रिया के नियोजित और वास्तविक संकेतकों के बीच विसंगति का आकलन करने के तरीकों का विश्लेषण करना, जब नियोजित और उत्पादन अवधि समय में मेल नहीं खाती है।

प्रयोगों ने तकनीकों के उपयोग के माध्यम से प्राप्त सैद्धांतिक डेटा और सिमुलेशन के माध्यम से प्राप्त अनुभवजन्य डेटा के बीच अच्छा समझौता दिखाया है

श्रृंखला "अर्थशास्त्र और प्रबंधन"

वास्तविक उत्पादन प्रक्रियाओं के कंप्यूटर.

निर्मित गणितीय मॉडल के अनुप्रयोग के आधार पर, लेखक ने परिचालन प्रबंधन की दक्षता बढ़ाने के लिए तीन विशिष्ट तरीके विकसित किए हैं। इनका परीक्षण करने के लिए अलग-अलग सिमुलेशन प्रयोग किए गए।

1. नियोजन अवधि के लिए उत्पादन कार्य की तर्कसंगत मात्रा निर्धारित करने की पद्धति।

2. परिचालन योजना अवधि की सबसे प्रभावी अवधि निर्धारित करने की पद्धति।

3. नियोजन और उत्पादन अवधि के बीच समय में विसंगति होने पर बेमेल का आकलन।

साहित्य

1. मोर्दसोव यू.पी. कंप्यूटर का उपयोग करके यादृच्छिक गड़बड़ी / आर्थिक-गणितीय और सिमुलेशन मॉडलिंग की स्थितियों के तहत न्यूनतम परिचालन योजना अवधि की अवधि का निर्धारण। - एम: एमआईयू आईएम। एस. ऑर्डोज़ोनिकिड्ज़, 1984।

2. नायलर टी. आर्थिक प्रणालियों के मॉडल के साथ मशीन सिमुलेशन प्रयोग। -एम: मीर, 1975।

एकाग्रता से विविधीकरण की ओर परिवर्तन छोटे और मध्यम आकार के व्यवसायों की अर्थव्यवस्था को विकसित करने का एक प्रभावी तरीका है

प्रो कोज़लेंको एन.एन. मैकेनिकल इंजीनियरिंग विश्वविद्यालय

एनोटेशन. यह लेख एक एकाग्रता रणनीति से विविधीकरण रणनीति में संक्रमण के माध्यम से रूसी छोटे और मध्यम आकार के व्यवसायों के सबसे प्रभावी विकास को चुनने की समस्या की जांच करता है। विविधीकरण की व्यवहार्यता, इसके फायदे, विविधीकरण मार्ग चुनने के मानदंड के मुद्दों पर विचार किया जाता है, और विविधीकरण रणनीतियों का वर्गीकरण दिया जाता है।

मुख्य शब्द: छोटे और मध्यम आकार के व्यवसाय; विविधीकरण; रणनीतिक दृष्टि से उपयुक्त; प्रतिस्पर्धात्मक लाभ।

मैक्रोएन्वायरमेंट के मापदंडों में सक्रिय परिवर्तन (बाजार की स्थितियों में बदलाव, संबंधित उद्योगों में नए प्रतिस्पर्धियों का उद्भव, सामान्य रूप से प्रतिस्पर्धा के स्तर में वृद्धि) अक्सर छोटे और मध्यम आकार के व्यवसायों की नियोजित रणनीतिक योजनाओं को पूरा करने में विफलता का कारण बनता है। , छोटे और मध्यम आकार के व्यवसायों के उद्यमों की उद्देश्य स्थितियों और उन्हें प्रबंधित करने के लिए प्रौद्योगिकी के स्तर के बीच एक महत्वपूर्ण अंतर के कारण उद्यमों की वित्तीय और आर्थिक स्थिरता में हानि।

आर्थिक स्थिरता और प्रतिस्पर्धात्मक लाभ बनाए रखने की संभावना के लिए मुख्य शर्तें प्रबंधन प्रणाली की समय पर प्रतिक्रिया देने और आंतरिक उत्पादन प्रक्रियाओं को बदलने (विविधीकरण को ध्यान में रखते हुए वर्गीकरण में बदलाव, उत्पादन और तकनीकी प्रक्रियाओं का पुनर्निर्माण, की संरचना को बदलने) की क्षमता है। संगठन, नवीन विपणन और प्रबंधन उपकरणों का उपयोग करें)।

उत्पादन प्रकार और सेवा रखरखाव के रूसी छोटे और मध्यम आकार के उद्यमों के अभ्यास के एक अध्ययन ने हमें एकाग्रता से विविधीकरण की ओर संक्रमण करने वाले छोटे उद्यमों की वर्तमान प्रवृत्ति के संबंध में निम्नलिखित विशेषताओं और बुनियादी कारण-और-प्रभाव संबंधों की पहचान करने की अनुमति दी।

अधिकांश एसएमबी स्थानीय या क्षेत्रीय बाजारों में सेवा देने वाले छोटे, एकल-पंक्ति व्यवसायों के रूप में शुरू होते हैं। अपनी गतिविधि की शुरुआत में, ऐसी कंपनी की उत्पाद श्रृंखला बहुत सीमित होती है, इसका पूंजी आधार कमजोर होता है, और इसकी प्रतिस्पर्धी स्थिति कमजोर होती है। आमतौर पर, ऐसी कंपनियों की रणनीति बिक्री वृद्धि और बाजार हिस्सेदारी के साथ-साथ पर भी केंद्रित होती है

स्टोकेस्टिक मॉडल उस स्थिति का वर्णन करता है जहां अनिश्चितता होती है। दूसरे शब्दों में, यह प्रक्रिया कुछ हद तक यादृच्छिकता की विशेषता रखती है। विशेषण "स्टोकेस्टिक" स्वयं ग्रीक शब्द "अनुमान लगाना" से आया है। चूँकि अनिश्चितता रोजमर्रा की जिंदगी की एक प्रमुख विशेषता है, ऐसा मॉडल किसी भी चीज़ का वर्णन कर सकता है।

हालाँकि, हर बार जब हम इसका उपयोग करेंगे तो हमें एक अलग परिणाम मिलेगा। इसलिए, नियतात्मक मॉडल का अधिक बार उपयोग किया जाता है। यद्यपि वे मामलों की वास्तविक स्थिति के जितना संभव हो उतना करीब नहीं हैं, वे हमेशा एक ही परिणाम देते हैं और स्थिति को समझना आसान बनाते हैं, गणितीय समीकरणों का एक सेट पेश करके इसे सरल बनाते हैं।

मुख्य विशेषताएं

एक स्टोकेस्टिक मॉडल में हमेशा एक या अधिक यादृच्छिक चर शामिल होते हैं। वह वास्तविक जीवन को उसकी सभी अभिव्यक्तियों में प्रतिबिंबित करने का प्रयास करती है। स्टोकेस्टिक के विपरीत, इसमें हर चीज़ को सरल बनाने और इसे ज्ञात मूल्यों तक कम करने का लक्ष्य नहीं है। अतः अनिश्चितता इसकी प्रमुख विशेषता है। स्टोकेस्टिक मॉडल किसी भी चीज़ का वर्णन करने के लिए उपयुक्त हैं, लेकिन उन सभी में निम्नलिखित सामान्य विशेषताएं हैं:

• कोई भी स्टोकेस्टिक मॉडल उस समस्या के सभी पहलुओं को दर्शाता है जिसे अध्ययन के लिए बनाया गया था।
• प्रत्येक घटना का परिणाम अनिश्चित है। इसलिए, मॉडल में संभावनाएं शामिल हैं। समग्र परिणामों की शुद्धता उनकी गणना की सटीकता पर निर्भर करती है।
• इन संभावनाओं का उपयोग स्वयं प्रक्रियाओं की भविष्यवाणी या वर्णन करने के लिए किया जा सकता है।

नियतात्मक और स्टोकेस्टिक मॉडल

कुछ के लिए, जीवन दूसरों के लिए प्रक्रियाओं की एक श्रृंखला प्रतीत होता है, जिसमें कारण प्रभाव को निर्धारित करता है। वास्तव में, यह अनिश्चितता की विशेषता है, लेकिन हमेशा नहीं और हर चीज़ में नहीं। इसलिए, कभी-कभी स्टोकेस्टिक और नियतात्मक मॉडल के बीच स्पष्ट अंतर ढूंढना मुश्किल होता है। संभावनाएँ एक काफी व्यक्तिपरक संकेतक हैं।

उदाहरण के लिए, सिक्का उछालने की स्थिति पर विचार करें। पहली नज़र में, ऐसा लगता है कि "पूंछ" उतरने की संभावना 50% है। इसलिए, एक नियतात्मक मॉडल का उपयोग किया जाना चाहिए। हालाँकि, वास्तव में यह पता चला है कि बहुत कुछ खिलाड़ियों के हाथ की सफ़ाई और सिक्के को संतुलित करने की पूर्णता पर निर्भर करता है। इसका मतलब है कि आपको स्टोकेस्टिक मॉडल का उपयोग करने की आवश्यकता है। हमेशा ऐसे पैरामीटर होते हैं जिन्हें हम नहीं जानते हैं। वास्तविक जीवन में, कारण हमेशा प्रभाव को निर्धारित करता है, लेकिन कुछ हद तक अनिश्चितता भी होती है। नियतात्मक और स्टोकेस्टिक मॉडल का उपयोग करने के बीच का चुनाव इस बात पर निर्भर करता है कि हम क्या त्याग करने को तैयार हैं - विश्लेषण में आसानी या यथार्थवाद।

अराजकता सिद्धांत में

हाल ही में, किस मॉडल को स्टोकेस्टिक कहा जाता है इसकी अवधारणा और भी धुंधली हो गई है। यह तथाकथित अराजकता सिद्धांत के विकास के कारण है। यह नियतात्मक मॉडल का वर्णन करता है जो प्रारंभिक मापदंडों में थोड़े से बदलाव के साथ विभिन्न परिणाम उत्पन्न कर सकता है। यह अनिश्चितता गणना के परिचय की तरह है। कई वैज्ञानिकों ने यह भी स्वीकार किया कि यह पहले से ही एक स्टोकेस्टिक मॉडल है।

लोथर ब्रेउर ने काव्यात्मक कल्पना के साथ सब कुछ सुंदर ढंग से समझाया। उन्होंने लिखा: “एक पहाड़ी जलधारा, एक धड़कता दिल, चेचक की महामारी, उठते धुएं का एक स्तंभ - यह सब एक गतिशील घटना का एक उदाहरण है जो कभी-कभी संयोग से चित्रित होता प्रतीत होता है। वास्तव में, ऐसी प्रक्रियाएँ हमेशा एक निश्चित क्रम के अधीन होती हैं, जिसे वैज्ञानिक और इंजीनियर अभी समझना शुरू ही कर रहे हैं। यह तथाकथित नियतिवादी अराजकता है।" नया सिद्धांत बहुत प्रशंसनीय लगता है, यही कारण है कि कई आधुनिक वैज्ञानिक इसके समर्थक हैं। हालाँकि, यह अभी भी खराब रूप से विकसित है और इसे सांख्यिकीय गणना में लागू करना काफी कठिन है। इसलिए, स्टोकेस्टिक या नियतात्मक मॉडल का अक्सर उपयोग किया जाता है।

निर्माण

स्टोकेस्टिक की शुरुआत प्राथमिक परिणामों के स्थान के चुनाव से होती है। इसे ही आँकड़े अध्ययन की जा रही प्रक्रिया या घटना के संभावित परिणामों की सूची कहते हैं। फिर शोधकर्ता प्रत्येक प्रारंभिक परिणाम की संभावना निर्धारित करता है। यह आमतौर पर एक विशिष्ट पद्धति के आधार पर किया जाता है।

हालाँकि, संभावनाएँ अभी भी एक व्यक्तिपरक पैरामीटर हैं। शोधकर्ता तब यह निर्धारित करता है कि समस्या को हल करने के लिए कौन सी घटनाएँ सबसे दिलचस्प लगती हैं। उसके बाद, वह बस उनकी संभावना निर्धारित करता है।

उदाहरण

आइए सबसे सरल स्टोकेस्टिक मॉडल के निर्माण की प्रक्रिया पर विचार करें। मान लीजिए कि हम पासा पलट रहे हैं। यदि "छह" या "एक" आता है, तो हमारी जीत दस डॉलर होगी। इस मामले में स्टोकेस्टिक मॉडल बनाने की प्रक्रिया इस तरह दिखेगी:

• आइए हम प्रारंभिक परिणामों के स्थान को परिभाषित करें। पासे की छह भुजाएँ होती हैं, इसलिए रोल "एक", "दो", "तीन", "चार", "पाँच" और "छह" हो सकते हैं।
• प्रत्येक परिणाम की संभावना 1/6 होगी, चाहे हम कितनी भी बार पासा पलटें।
• अब हमें उन परिणामों को निर्धारित करने की आवश्यकता है जिनमें हम रुचि रखते हैं। यह "छह" या "एक" संख्या के साथ बढ़त का पतन है।
• अंत में, हम उस घटना की संभावना निर्धारित कर सकते हैं जिसमें हम रुचि रखते हैं। यह 1/3 है. हम अपनी रुचि की दोनों प्रारंभिक घटनाओं की संभावनाओं को जोड़ते हैं: 1/6 + 1/6 = 2/6 = 1/3।

संकल्पना एवं परिणाम

स्टोकेस्टिक मॉडलिंग का उपयोग अक्सर जुए में किया जाता है। लेकिन यह आर्थिक पूर्वानुमान में भी अपरिहार्य है, क्योंकि यह हमें नियतिवादी की तुलना में स्थिति को अधिक गहराई से समझने की अनुमति देता है। अर्थशास्त्र में स्टोकेस्टिक मॉडल का उपयोग अक्सर निवेश निर्णय लेते समय किया जाता है। वे आपको कुछ परिसंपत्तियों या परिसंपत्तियों के समूहों में निवेश की लाभप्रदता के बारे में अनुमान लगाने की अनुमति देते हैं।

मॉडलिंग वित्तीय नियोजन को अधिक प्रभावी बनाती है। इसकी मदद से निवेशक और व्यापारी अपनी संपत्ति के आवंटन को अनुकूलित करते हैं। स्टोकेस्टिक मॉडलिंग का उपयोग करने से लंबे समय में हमेशा लाभ होता है। कुछ उद्योगों में, इसे लागू करने से इनकार या असमर्थता से उद्यम दिवालिया भी हो सकता है। यह इस तथ्य के कारण है कि वास्तविक जीवन में, हर दिन नए महत्वपूर्ण पैरामीटर सामने आते हैं, और यदि वे मौजूद नहीं हैं, तो उनके विनाशकारी परिणाम हो सकते हैं।

नॉलेज बेस में अपना अच्छा काम भेजना आसान है। नीचे दिए गए फॉर्म का उपयोग करें

छात्र, स्नातक छात्र, युवा वैज्ञानिक जो अपने अध्ययन और कार्य में ज्ञान आधार का उपयोग करते हैं, आपके बहुत आभारी होंगे।

http://www.allbest.ru/ पर पोस्ट किया गया

1. स्टोकेस्टिक प्रक्रिया मॉडल के निर्माण का एक उदाहरण

बैंक के कामकाज की प्रक्रिया में, संपत्ति के वेक्टर को चुनने की समस्या को हल करने की अक्सर आवश्यकता उत्पन्न होती है, अर्थात। बैंक का निवेश पोर्टफोलियो, और इस कार्य में जिन अनिश्चित मापदंडों को ध्यान में रखा जाना चाहिए, वे मुख्य रूप से परिसंपत्ति की कीमतों (प्रतिभूतियां, वास्तविक निवेश, आदि) की अनिश्चितता से जुड़े हैं। उदाहरण के तौर पर, हम सरकारी अल्पकालिक देनदारियों के पोर्टफोलियो के गठन का एक उदाहरण दे सकते हैं।

इस वर्ग की समस्याओं के लिए, मूल प्रश्न मूल्य परिवर्तन की स्टोकेस्टिक प्रक्रिया के एक मॉडल का निर्माण है, क्योंकि ऑपरेशन शोधकर्ता के निपटान में, स्वाभाविक रूप से, यादृच्छिक चर - कीमतों की प्राप्ति के अवलोकनों की केवल एक सीमित श्रृंखला होती है। इसके बाद, हम इस समस्या को हल करने के तरीकों में से एक की रूपरेखा तैयार करते हैं, जिसे स्टोकेस्टिक मार्कोव प्रक्रियाओं के नियंत्रण की समस्याओं को हल करने के संबंध में रूसी विज्ञान अकादमी के कंप्यूटिंग सेंटर में विकसित किया जा रहा है।

विचार किया जा रहा है एमप्रतिभूतियों के प्रकार, मैं=1,… , एम, जिनका व्यापार विशेष विनिमय सत्रों में किया जाता है। प्रतिभूतियों को मूल्यों की विशेषता होती है - वर्तमान सत्र के दौरान प्रतिशत के रूप में व्यक्त की गई पैदावार। यदि सत्र के अंत में इस प्रकार की सुरक्षा एक मूल्य पर खरीदी जाती है और सत्र के अंत में एक मूल्य पर बेची जाती है, तो।

पैदावार यादृच्छिक चर हैं जो निम्नानुसार बनाई गई हैं। यह माना जाता है कि बुनियादी रिटर्न हैं - यादृच्छिक चर जो मार्कोव प्रक्रिया बनाते हैं और निम्नलिखित सूत्र द्वारा निर्धारित होते हैं:

यहां, स्थिरांक हैं, और मानक सामान्य रूप से वितरित यादृच्छिक चर हैं (यानी, शून्य गणितीय अपेक्षा और इकाई भिन्नता के साथ)।

जहां एक निश्चित पैमाने का कारक () के बराबर है, और एक यादृच्छिक चर है जिसका आधार मूल्य से विचलन का अर्थ है और इसे इसी तरह परिभाषित किया गया है:

जहां मानक सामान्य रूप से वितरित यादृच्छिक चर भी हैं।

यह माना जाता है कि कुछ ऑपरेटिंग पार्टी, जिसे इसके बाद ऑपरेटर कहा जाता है, प्रतिभूतियों में निवेश की गई अपनी पूंजी का प्रबंधन करती है (किसी भी समय बिल्कुल एक प्रकार की सुरक्षा में), उन्हें वर्तमान सत्र के अंत में बेचती है और आय के साथ तुरंत अन्य प्रतिभूतियां खरीदती है। खरीदी गई प्रतिभूतियों का प्रबंधन और चयन एक एल्गोरिदम के अनुसार किया जाता है जो प्रतिभूतियों की उपज बनाने वाली प्रक्रिया के बारे में ऑपरेटर की जागरूकता पर निर्भर करता है। हम इस जागरूकता के बारे में विभिन्न परिकल्पनाओं और, तदनुसार, विभिन्न नियंत्रण एल्गोरिदम पर विचार करेंगे। हम मान लेंगे कि ऑपरेशन शोधकर्ता प्रक्रिया के अवलोकनों की उपलब्ध श्रृंखला का उपयोग करके नियंत्रण एल्गोरिदम को विकसित और अनुकूलित करता है, यानी, विनिमय सत्रों में समापन कीमतों के बारे में जानकारी का उपयोग करता है, और संभवतः, संबंधित समय की एक निश्चित अवधि में मूल्यों के बारे में भी संख्याओं के साथ सत्रों के लिए. प्रयोगों का उद्देश्य विभिन्न नियंत्रण एल्गोरिदम की अपेक्षित दक्षता के अनुमानों की तुलना उन स्थितियों में उनकी सैद्धांतिक गणितीय अपेक्षा से करना है जहां एल्गोरिदम को अवलोकनों की एक ही श्रृंखला पर कॉन्फ़िगर और मूल्यांकन किया जाता है। सैद्धांतिक गणितीय अपेक्षा का अनुमान लगाने के लिए, मोंटे कार्लो पद्धति का उपयोग पर्याप्त मात्रा में उत्पन्न श्रृंखला पर नियंत्रण को "चलाने" द्वारा किया जाता है, अर्थात। आयामों के एक मैट्रिक्स के अनुसार, जहां कॉलम मूल्यों की प्राप्ति और सत्रों के अनुरूप होते हैं, और संख्या कंप्यूटिंग क्षमताओं द्वारा निर्धारित की जाती है, लेकिन बशर्ते कि मैट्रिक्स के कम से कम 10,000 तत्व हों। यह आवश्यक है कि "बहुभुज प्रदर्शन किए गए सभी प्रयोगों में समान रहें। अवलोकनों की मौजूदा श्रृंखला एक उत्पन्न आयामी मैट्रिक्स द्वारा अनुकरण की जाती है, जहां कोशिकाओं में मानों का अर्थ ऊपर जैसा ही होता है। इस मैट्रिक्स में संख्या और मान आगे भी भिन्न होंगे। दोनों प्रकार के मैट्रिक्स यादृच्छिक संख्याओं को उत्पन्न करने, यादृच्छिक चर के कार्यान्वयन का अनुकरण करने और इन कार्यान्वयन और सूत्रों (1) - (3) का उपयोग करके आवश्यक मैट्रिक्स तत्वों की गणना करने की प्रक्रिया के माध्यम से बनाए जाते हैं।

कई अवलोकनों के लिए प्रबंधन दक्षता मूल्यांकन सूत्र का उपयोग करके किया जाता है

अवलोकनों की श्रृंखला में अंतिम सत्र का सूचकांक कहां है, और चरण में एल्गोरिदम द्वारा चुने गए बांडों की संख्या है, अर्थात। बांड का प्रकार, जिसमें एल्गोरिथम के अनुसार, सत्र के दौरान ऑपरेटर की पूंजी रखी जाएगी। इसके अलावा, हम मासिक दक्षता की भी गणना करेंगे। संख्या 22 लगभग प्रति माह ट्रेडिंग सत्रों की संख्या से मेल खाती है।

कम्प्यूटेशनल प्रयोग और परिणामों का विश्लेषण

परिकल्पना

भविष्य की लाभप्रदता के संचालक द्वारा सटीक ज्ञान।

सूचकांक को इस प्रकार चुना गया है। यह विकल्प सभी संभावित नियंत्रण एल्गोरिदम के लिए एक ऊपरी अनुमान देता है, भले ही अतिरिक्त जानकारी (कुछ अतिरिक्त कारकों को ध्यान में रखते हुए) मूल्य पूर्वानुमान मॉडल को परिष्कृत करना संभव बनाती हो।

यादृच्छिक नियंत्रण.

ऑपरेटर मूल्य निर्धारण के कानून को नहीं जानता है और यादृच्छिक रूप से लेनदेन करता है। सैद्धांतिक रूप से, इस मॉडल में, संचालन के परिणाम की गणितीय अपेक्षा उसी के साथ मेल खाती है जैसे कि ऑपरेटर ने एक सुरक्षा में नहीं, बल्कि सभी में समान रूप से पूंजी निवेश की है। मानों की शून्य गणितीय अपेक्षाओं के साथ, किसी मान की गणितीय अपेक्षा 1 के बराबर होती है। इस परिकल्पना पर आधारित गणना केवल इस अर्थ में उपयोगी होती है कि वे कुछ हद तक लिखित कार्यक्रमों और उत्पन्न मैट्रिक्स की शुद्धता को नियंत्रित करने की अनुमति देते हैं। मूल्य.

लाभप्रदता मॉडल, उसके सभी मापदंडों और अवलोकन योग्य मूल्यों के सटीक ज्ञान के साथ प्रबंधन .

इस मामले में, सत्र के अंत में ऑपरेटर, दोनों सत्रों के मूल्यों को जानकर, और, और हमारी गणना में, पंक्तियों और मैट्रिक्स का उपयोग करके, सूत्रों का उपयोग करके मूल्यों की गणितीय अपेक्षाओं की गणना करता है (1) - ( 3) और खरीद के लिए इन मूल्यों में से सबसे बड़ी मात्रा वाले कागज का चयन करता है।

जहाँ, (2) के अनुसार। (6)

रिटर्न मॉडल की संरचना और देखे गए मूल्य के ज्ञान के साथ प्रबंधन , लेकिन अज्ञात गुणांक .

हम मान लेंगे कि ऑपरेशन के शोधकर्ता को न केवल गुणांक के मूल्यों का पता है, बल्कि गठन को प्रभावित करने वाली मात्राओं की संख्या, इन मापदंडों के पिछले मूल्यों (मार्कोव प्रक्रियाओं की मेमोरी गहराई) का भी पता नहीं है। . वह यह भी नहीं जानता कि विभिन्न मूल्यों के लिए गुणांक समान हैं या अलग-अलग हैं। आइए शोधकर्ता के कार्यों के लिए विभिन्न विकल्पों पर विचार करें - 4.1, 4.2, और 4.3, जहां दूसरा सूचकांक प्रक्रियाओं की स्मृति गहराई के बारे में शोधकर्ता की धारणा को दर्शाता है (और के लिए समान)। उदाहरण के लिए, मामले 4.3 में, शोधकर्ता मानता है कि यह समीकरण के अनुसार बना है

पूर्णता के लिए यहां एक डमी शब्द जोड़ा गया है। हालाँकि, इस शब्द को या तो वास्तविक विचारों से या सांख्यिकीय तरीकों से बाहर रखा जा सकता है। इसलिए, गणना को सरल बनाने के लिए, पैरामीटर सेट करते समय हम विचार से मुक्त शर्तों को बाहर कर देते हैं और सूत्र (7) का रूप लेता है:

इस पर निर्भर करते हुए कि क्या शोधकर्ता अलग-अलग मानों के लिए गुणांकों को समान या भिन्न मानता है, हम उप-मामलों 4.m पर विचार करेंगे। 1 - 4.मी. 2, एम = 1 - 3. मामलों में 4.एम. सभी प्रतिभूतियों के लिए देखे गए मूल्यों के आधार पर 1 गुणांक को एक साथ समायोजित किया जाएगा। मामलों में 4.एम. 2, गुणांकों को प्रत्येक पेपर के लिए अलग से समायोजित किया जाता है, जबकि शोधकर्ता इस परिकल्पना के तहत काम करता है कि गुणांक अलग-अलग पेपरों के लिए अलग-अलग हैं, उदाहरण के लिए, मामले 4.2.2 में। मान संशोधित सूत्र द्वारा निर्धारित किए जाते हैं (3)

पहली सेटअप विधि- शास्त्रीय न्यूनतम वर्ग विधि। आइए विकल्प 4.3 में गुणांक सेट करने के उदाहरण का उपयोग करके इस पर विचार करें।

सूत्र (8) के अनुसार,

गुणांक के ऐसे मानों को ढूंढना आवश्यक है ताकि अवलोकनों की ज्ञात श्रृंखला, एक सरणी पर प्राप्ति के लिए नमूना विचरण को कम किया जा सके, बशर्ते कि मानों की गणितीय अपेक्षा सूत्र (9) द्वारा निर्धारित की जाती है।

यहां और इसके बाद में, चिह्न "" एक यादृच्छिक चर के कार्यान्वयन को इंगित करता है।

द्विघात रूप (10) का न्यूनतम एक बिंदु पर प्राप्त किया जाता है, जिस पर सभी आंशिक व्युत्पन्न शून्य के बराबर होते हैं। यहां से हमें तीन बीजगणितीय रैखिक समीकरणों की एक प्रणाली प्राप्त होती है:

जिसका समाधान गुणांकों के आवश्यक मान देता है।

गुणांक सत्यापित होने के बाद, नियंत्रणों का चयन उसी तरह किया जाता है जैसे मामले 3 में।

टिप्पणी।कार्यक्रमों पर काम को सुविधाजनक बनाने के लिए, परिकल्पना 3 के लिए वर्णित नियंत्रण चयन प्रक्रिया को तुरंत लिखने की प्रथा है, जो कि सूत्र (5) पर नहीं, बल्कि फॉर्म में इसके संशोधित संस्करण पर केंद्रित है।

इस मामले में, 4.1.एम और 4.2.एम, एम = 1, 2 के मामलों की गणना में, अतिरिक्त गुणांक शून्य पर रीसेट हो जाते हैं।

दूसरी सेटअप विधिसूत्र (4) से अनुमान को अधिकतम करने के लिए पैरामीटर मान चुनना शामिल है। यह समस्या विश्लेषणात्मक और कम्प्यूटेशनल रूप से निराशाजनक रूप से जटिल है। इसलिए, यहां हम केवल शुरुआती बिंदु के सापेक्ष मानदंड के मूल्य में कुछ सुधार के लिए तकनीकों के बारे में बात कर सकते हैं। आप न्यूनतम वर्ग विधि का उपयोग करके प्राप्त मानों को शुरुआती बिंदु के रूप में ले सकते हैं, और फिर ग्रिड पर इन मानों के आसपास गणना कर सकते हैं। इस मामले में, क्रियाओं का क्रम इस प्रकार है। सबसे पहले, ग्रिड की गणना अन्य मापदंडों के साथ पैरामीटर (वर्ग या घन) का उपयोग करके की जाती है। फिर मामलों के लिए 4.एम. 1, ग्रिड की गणना मापदंडों का उपयोग करके की जाती है, और मामलों के लिए 4.एम. 2 मापदंडों पर अन्य मापदंडों के साथ तय किया गया। 4.एम के मामले में. 2, तो पैरामीटर भी अनुकूलित हैं। जब इस प्रक्रिया से सभी पैरामीटर समाप्त हो जाते हैं, तो प्रक्रिया दोहराई जाती है। दोहराव तब तक किया जाता है जब तक कि नया चक्र पिछले चक्र की तुलना में मानदंड मूल्यों में सुधार प्रदान न कर दे। पुनरावृत्तियों की संख्या बहुत अधिक होने से रोकने के लिए, हम निम्नलिखित तकनीक लागू करते हैं। 2- या 3-आयामी पैरामीटर स्थान पर गणना के प्रत्येक ब्लॉक के अंदर, पहले एक काफी मोटा ग्रिड लिया जाता है, फिर, यदि सबसे अच्छा बिंदु ग्रिड के किनारे पर है, तो अध्ययन के तहत वर्ग (घन) को स्थानांतरित कर दिया जाता है और गणना दोहराई जाती है, यदि सबसे अच्छा बिंदु आंतरिक है, तो इस बिंदु के चारों ओर एक छोटा कदम के साथ एक नया जाल बनाया जाता है, लेकिन अंकों की कुल संख्या समान होती है, और इसी तरह एक निश्चित लेकिन उचित संख्या में बार।

अप्राप्य के अंतर्गत नियंत्रण और विभिन्न प्रतिभूतियों की पैदावार के बीच निर्भरता को ध्यान में रखे बिना।

इसका मतलब यह है कि लेनदेन शोधकर्ता विभिन्न प्रतिभूतियों के बीच निर्भरता पर ध्यान नहीं देता है, अस्तित्व के बारे में कुछ नहीं जानता है और प्रत्येक सुरक्षा के व्यवहार की अलग से भविष्यवाणी करने की कोशिश करता है। आइए, हमेशा की तरह, तीन मामलों पर विचार करें जब शोधकर्ता गहराई 1, 2, और 3 की मार्कोव प्रक्रिया के रूप में रिटर्न उत्पन्न करने की प्रक्रिया को मॉडल करता है:

अपेक्षित लाभप्रदता की भविष्यवाणी के लिए गुणांक महत्वपूर्ण नहीं हैं, और गुणांक को दो तरीकों से समायोजित किया जाता है, जैसा कि पैराग्राफ 4 में वर्णित है। नियंत्रण उसी तरह चुने जाते हैं जैसे ऊपर किया गया था।

ध्यान दें: नियंत्रण का चयन करने के लिए, न्यूनतम वर्ग विधि के लिए अधिकतम चर संख्या के साथ एक एकल प्रक्रिया लिखना समझ में आता है - 3. यदि समायोज्य चर, मान लीजिए, तो एक रैखिक प्रणाली के समाधान के लिए एक सूत्र लिखा जाता है बाहर, जिसमें केवल स्थिरांक शामिल हैं, जो , और के माध्यम से और द्वारा निर्धारित होते हैं। ऐसे मामलों में जहां तीन से कम चर हैं, अतिरिक्त चर के मान शून्य पर रीसेट हो जाते हैं।

हालाँकि विभिन्न विकल्पों में गणनाएँ समान तरीके से की जाती हैं, विकल्पों की संख्या काफी बड़ी है। जब उपरोक्त सभी विकल्पों में गणना के लिए उपकरण तैयार करना कठिन हो जाता है, तो उनकी संख्या कम करने के मुद्दे पर विशेषज्ञ स्तर पर विचार किया जाता है।

अप्राप्य के अंतर्गत नियंत्रण विभिन्न प्रतिभूतियों की पैदावार के बीच निर्भरता को ध्यान में रखते हुए।

प्रयोगों की यह श्रृंखला जीकेओ कार्य में किए गए हेरफेर का अनुकरण करती है। हम मानते हैं कि शोधकर्ता उस तंत्र के बारे में व्यावहारिक रूप से कुछ भी नहीं जानता है जिसके द्वारा रिटर्न बनते हैं। उसके पास केवल अवलोकनों की एक श्रृंखला है, एक मैट्रिक्स है। ठोस कारणों से, वह विभिन्न प्रतिभूतियों की वर्तमान पैदावार की अन्योन्याश्रयता के बारे में एक धारणा बनाता है, जो एक निश्चित बुनियादी उपज के आसपास समूहीकृत होती है, जो समग्र रूप से बाजार की स्थिति द्वारा निर्धारित होती है। सत्र दर सत्र सुरक्षा पैदावार के ग्राफ पर विचार करते हुए, वह यह धारणा बनाता है कि समय के प्रत्येक क्षण में वे बिंदु जिनके निर्देशांक सुरक्षा संख्या और पैदावार हैं (वास्तव में, ये प्रतिभूतियों की परिपक्वता और उनकी कीमतें थीं) को एक के पास समूहीकृत किया गया है। निश्चित वक्र (जीकेओ के मामले में - परवलय)।

यहां y-अक्ष (मूल लाभप्रदता) के साथ सैद्धांतिक सीधी रेखा का प्रतिच्छेदन बिंदु है, और इसकी ढलान है (0.05 के बराबर क्या होना चाहिए)।

इस तरह से सैद्धांतिक सीधी रेखाओं का निर्माण करने के बाद, ऑपरेशन शोधकर्ता मूल्यों की गणना कर सकता है - उनके सैद्धांतिक मूल्यों से मात्राओं का विचलन।

(ध्यान दें कि यहां उनका सूत्र (2) की तुलना में थोड़ा अलग अर्थ है। कोई आयामी गुणांक नहीं है, और विचलन को आधार मूल्य से नहीं, बल्कि सैद्धांतिक सीधी रेखा से माना जाता है।)

अगला कार्य इस समय ज्ञात मूल्यों के आधार पर मूल्यों की भविष्यवाणी करना है। क्योंकि

मूल्यों की भविष्यवाणी करने के लिए, शोधकर्ता को मूल्यों के निर्माण के बारे में एक परिकल्पना प्रस्तुत करने की आवश्यकता है, और। मैट्रिक्स का उपयोग करके, शोधकर्ता मात्राओं और के बीच एक महत्वपूर्ण संबंध स्थापित कर सकता है। आप राशियों के बीच एक रैखिक संबंध की परिकल्पना को यहां से स्वीकार कर सकते हैं: . ठोस कारणों से, गुणांक तुरंत शून्य पर सेट कर दिया जाता है, और निम्नतम वर्ग विधि का उपयोग करके पाया जाता है:

इसके अलावा, जैसा कि ऊपर दिया गया है, उन्हें मार्कोव प्रक्रिया का उपयोग करके तैयार किया गया है और विचाराधीन संस्करण में मार्कोव प्रक्रिया की मेमोरी गहराई के आधार पर अलग-अलग संख्या में चर के साथ (1) और (3) के समान सूत्रों द्वारा वर्णित किया गया है। (यहां सूत्र (2) द्वारा नहीं, बल्कि सूत्र (16) द्वारा निर्धारित किया गया है)

अंत में, जैसा कि ऊपर बताया गया है, न्यूनतम वर्ग विधि का उपयोग करके पैरामीटर सेट करने की दो विधियाँ लागू की जाती हैं, और मानदंड को सीधे अधिकतम करके अनुमान लगाया जाता है।

प्रयोगों

सभी वर्णित विकल्पों के लिए, मानदंड अनुमानों की गणना विभिन्न मैट्रिक्स का उपयोग करके की गई थी। (पंक्तियों की संख्या 1003, 503, 103 वाले मैट्रिक्स और प्रत्येक आयाम विकल्प के लिए लगभग एक सौ मैट्रिक्स लागू किए गए थे)। प्रत्येक आयाम के लिए गणना परिणामों के आधार पर, प्रत्येक तैयार विकल्प के लिए गणितीय अपेक्षा और मूल्यों का फैलाव, और मूल्यों से उनके विचलन का अनुमान लगाया गया था।

जैसा कि कम्प्यूटेशनल प्रयोगों की पहली श्रृंखला में कम संख्या में समायोज्य मापदंडों (लगभग 4) के साथ दिखाया गया था, समायोजन विधि की पसंद का समस्या में मानदंड के मूल्य पर महत्वपूर्ण प्रभाव नहीं पड़ता है।

2. मॉडलिंग टूल का वर्गीकरण

स्टोकेस्टिक सिमुलेशन बैंक एल्गोरिदम

मॉडलिंग विधियों और मॉडलों का वर्गीकरण मॉडलों के विवरण की डिग्री, सुविधाओं की प्रकृति, अनुप्रयोग के दायरे आदि के अनुसार किया जा सकता है।

आइए मॉडलिंग टूल के अनुसार मॉडलों के सामान्य वर्गीकरणों में से एक पर विचार करें; विभिन्न घटनाओं और प्रणालियों का विश्लेषण करते समय यह पहलू सबसे महत्वपूर्ण है।

सामग्रीमामले में जब अनुसंधान मॉडल पर किया जाता है, जिसका अध्ययन के तहत वस्तु के साथ संबंध वस्तुनिष्ठ रूप से मौजूद होता है और भौतिक प्रकृति का होता है। इस मामले में, मॉडल शोधकर्ता द्वारा बनाए जाते हैं या आसपास की दुनिया से चुने जाते हैं।

मॉडलिंग टूल के आधार पर, मॉडलिंग विधियों को दो समूहों में विभाजित किया जाता है: सामग्री विधियाँ और आदर्श मॉडलिंग विधियाँ। मॉडलिंग कहा जाता है सामग्रीमामले में जब अनुसंधान मॉडल पर किया जाता है, जिसका अध्ययन के तहत वस्तु के साथ संबंध वस्तुनिष्ठ रूप से मौजूद होता है और भौतिक प्रकृति का होता है। इस मामले में, मॉडल शोधकर्ता द्वारा बनाए जाते हैं या आसपास की दुनिया से चुने जाते हैं। बदले में, सामग्री मॉडलिंग में हम अंतर कर सकते हैं: स्थानिक, भौतिक और एनालॉग मॉडलिंग।

स्थानिक मॉडलिंग मेंऐसे मॉडलों का उपयोग किया जाता है जो अध्ययन की जा रही वस्तु के स्थानिक गुणों को पुन: पेश करने या प्रदर्शित करने के लिए डिज़ाइन किए गए हैं। इस मामले में मॉडल ज्यामितीय रूप से अध्ययन की वस्तुओं (किसी भी लेआउट) के समान हैं।

में प्रयुक्त मॉडल शारीरिक मॉडलिंगअध्ययन की जा रही वस्तु में होने वाली प्रक्रियाओं की गतिशीलता को पुन: उत्पन्न करने के लिए डिज़ाइन किया गया है। इसके अलावा, अध्ययन की वस्तु और मॉडल में प्रक्रियाओं की समानता उनकी भौतिक प्रकृति की समानता पर आधारित है। विभिन्न प्रकार की तकनीकी प्रणालियों को डिजाइन करते समय इंजीनियरिंग में इस मॉडलिंग पद्धति का व्यापक रूप से उपयोग किया जाता है। उदाहरण के लिए, पवन सुरंग प्रयोगों के आधार पर विमान का अध्ययन।

अनुरूपमॉडलिंग उन भौतिक मॉडलों के उपयोग से जुड़ा है जिनकी भौतिक प्रकृति भिन्न होती है, लेकिन अध्ययन की जा रही वस्तु के समान गणितीय संबंधों द्वारा वर्णित किया जाता है। यह मॉडल और ऑब्जेक्ट के गणितीय विवरण में एक सादृश्य पर आधारित है (एक विद्युत प्रणाली का उपयोग करके यांत्रिक कंपन का अध्ययन, समान अंतर समीकरणों द्वारा वर्णित है, लेकिन प्रयोगों के संचालन में अधिक सुविधाजनक है)।

सामग्री मॉडलिंग के सभी मामलों में, मॉडल मूल वस्तु का एक भौतिक प्रतिबिंब होता है, और अनुसंधान में मॉडल पर एक भौतिक प्रभाव होता है, यानी मॉडल के साथ एक प्रयोग। सामग्री मॉडलिंग अपनी प्रकृति से एक प्रायोगिक विधि है और इसका उपयोग आर्थिक अनुसंधान में नहीं किया जाता है।

सामग्री मॉडलिंग से मौलिक रूप से भिन्न उत्तम मॉडलिंग, किसी वस्तु और मॉडल के बीच एक आदर्श, बोधगम्य संबंध पर आधारित। आर्थिक अनुसंधान में आदर्श मॉडलिंग विधियों का व्यापक रूप से उपयोग किया जाता है। इन्हें दो समूहों में विभाजित किया जा सकता है: औपचारिक और अनौपचारिक.

में औपचारिक रूप दियामॉडलिंग में, मॉडल संकेतों या छवियों की एक प्रणाली है, जिसके साथ उनके परिवर्तन और व्याख्या के नियम निर्दिष्ट होते हैं। यदि साइन सिस्टम को मॉडल के रूप में उपयोग किया जाता है, तो मॉडलिंग कहा जाता है प्रतिष्ठित(चित्र, ग्राफ़, आरेख, सूत्र)।

साइन मॉडलिंग का एक महत्वपूर्ण प्रकार है गणित मॉडलिंग, इस तथ्य के आधार पर कि अध्ययन के तहत विभिन्न वस्तुओं और घटनाओं में सूत्रों, समीकरणों के एक सेट के रूप में एक ही गणितीय विवरण हो सकता है, जिसका परिवर्तन तर्क और गणित के नियमों के आधार पर किया जाता है।

औपचारिक मॉडलिंग का दूसरा रूप है आलंकारिक,जिसमें मॉडल दृश्य तत्वों (लोचदार गेंदें, द्रव प्रवाह, पिंडों के प्रक्षेप पथ) पर बनाए जाते हैं। आलंकारिक मॉडल का विश्लेषण मानसिक रूप से किया जाता है, इसलिए उन्हें औपचारिक मॉडलिंग के लिए जिम्मेदार ठहराया जा सकता है, जब मॉडल में प्रयुक्त वस्तुओं की बातचीत के नियम स्पष्ट रूप से तय होते हैं (उदाहरण के लिए, एक आदर्श गैस में, दो अणुओं की टक्कर को माना जाता है) गेंदों की टक्कर, और टक्कर के परिणाम के बारे में हर कोई एक ही तरह से सोचता है)। इस प्रकार के मॉडल भौतिकी में व्यापक रूप से उपयोग किए जाते हैं; इन्हें आमतौर पर "विचार प्रयोग" कहा जाता है।

अनौपचारिक मॉडलिंग.इसमें विभिन्न प्रकार की समस्याओं का ऐसा विश्लेषण शामिल है, जब कोई मॉडल नहीं बनता है, और इसके बजाय, वास्तविकता के कुछ निश्चित रूप से तय नहीं किए गए मानसिक प्रतिनिधित्व का उपयोग किया जाता है, जो तर्क और निर्णय लेने के आधार के रूप में कार्य करता है। इस प्रकार, कोई भी तर्क जो औपचारिक मॉडल का उपयोग नहीं करता है उसे अनौपचारिक मॉडलिंग माना जा सकता है, जब एक विचारशील व्यक्ति के पास अध्ययन की वस्तु की कुछ छवि होती है, जिसे वास्तविकता के एक अनौपचारिक मॉडल के रूप में व्याख्या किया जा सकता है।

लम्बे समय तक आर्थिक वस्तुओं का अध्ययन ऐसे अस्पष्ट विचारों के आधार पर ही किया जाता रहा। वर्तमान में, अनौपचारिक मॉडल का विश्लेषण आर्थिक मॉडलिंग का सबसे आम साधन बना हुआ है, अर्थात्, गणितीय मॉडल के उपयोग के बिना आर्थिक निर्णय लेने वाले प्रत्येक व्यक्ति को अनुभव और अंतर्ज्ञान के आधार पर स्थिति के एक या दूसरे विवरण द्वारा निर्देशित होने के लिए मजबूर किया जाता है।

इस दृष्टिकोण का मुख्य नुकसान यह है कि समाधान अप्रभावी या गलत हो सकते हैं। लंबे समय तक, जाहिरा तौर पर, ये तरीके न केवल अधिकांश रोजमर्रा की स्थितियों में, बल्कि अर्थव्यवस्था में निर्णय लेते समय भी निर्णय लेने का मुख्य साधन बने रहेंगे।

Allbest.ru पर पोस्ट किया गया

...

समान दस्तावेज़

ऑटोरिग्रेशन मॉडल के निर्माण के सिद्धांत और चरण, इसके मुख्य लाभ। ऑटोरिग्रेशन प्रक्रिया का स्पेक्ट्रम, इसे खोजने का सूत्र। किसी यादृच्छिक प्रक्रिया के वर्णक्रमीय मूल्यांकन की विशेषता बताने वाले पैरामीटर। ऑटोरेग्रेसिव मॉडल का विशेषता समीकरण।

परीक्षण, 11/10/2010 को जोड़ा गया


मॉडल की अवधारणा और प्रकार. गणितीय मॉडल के निर्माण के चरण। आर्थिक चरों के संबंध के गणितीय मॉडलिंग के मूल सिद्धांत। रैखिक एक-कारक प्रतिगमन समीकरण के मापदंडों का निर्धारण। अर्थशास्त्र में गणित के अनुकूलन के तरीके।

सार, 02/11/2011 जोड़ा गया


सामाजिक-आर्थिक प्रणाली के मॉडल के विकास और निर्माण की विशेषताओं का अध्ययन। सिमुलेशन प्रक्रिया के मुख्य चरणों की विशेषताएं। सिमुलेशन मॉडल का उपयोग करके प्रयोग। सिमुलेशन मॉडलिंग के संगठनात्मक पहलू।

सार, 06/15/2015 जोड़ा गया


सिमुलेशन मॉडलिंग की अवधारणा, अर्थशास्त्र में इसका अनुप्रयोग। एक जटिल प्रणाली के गणितीय मॉडल के निर्माण की प्रक्रिया के चरण, इसकी पर्याप्तता के मानदंड। असतत-घटना मॉडलिंग। मोंटे कार्लो पद्धति एक प्रकार का अनुकरण है।

परीक्षण, 12/23/2013 जोड़ा गया


अर्थमिति की पद्धतिगत नींव। अर्थमितीय मॉडल के निर्माण की समस्याएं। अर्थमितीय अनुसंधान के लक्ष्य. अर्थमितीय मॉडलिंग के मुख्य चरण। युग्मित रैखिक प्रतिगमन के अर्थमितीय मॉडल और उनके मापदंडों का अनुमान लगाने के तरीके।

परीक्षण, 10/17/2014 को जोड़ा गया


निर्णय वृक्षों के निर्माण के चरण: विभाजित करना, रोकना और छंटाई के नियम। विषय क्षेत्र में बहु-चरण स्टोकेस्टिक विकल्प की समस्या का विवरण। किसी कार्य में सफल और असफल गतिविधियों के कार्यान्वयन की संभावना का आकलन, उसका इष्टतम मार्ग।

सार, 05/23/2015 को जोड़ा गया


अर्थमिति की परिभाषा, लक्ष्य और उद्देश्य। एक मॉडल के निर्माण के चरण. आर्थिक प्रक्रियाओं की मॉडलिंग करते समय डेटा के प्रकार। उदाहरण, रूप और मॉडल. अंतर्जात और बहिर्जात चर। एक नवशास्त्रीय उत्पादन फ़ंक्शन विनिर्देश का निर्माण।

प्रस्तुति, 03/18/2014 को जोड़ा गया


औपचारिकता की मुख्य थीसिस। गतिशील प्रक्रियाओं की मॉडलिंग और जटिल जैविक, तकनीकी, सामाजिक प्रणालियों का अनुकरण। ऑब्जेक्ट मॉडलिंग का विश्लेषण और उसके सभी ज्ञात गुणों की पहचान। मॉडल प्रेजेंटेशन फॉर्म का चयन करना.

सार, 09/09/2010 को जोड़ा गया


गणितीय मॉडलिंग के मुख्य चरण, मॉडलों का वर्गीकरण। आर्थिक प्रक्रियाओं की मॉडलिंग, उनके शोध के मुख्य चरण। किसी सेवा उद्यम की विपणन गतिविधियों के लिए प्रबंधन प्रणाली के एक मॉडल के निर्माण के लिए सिस्टम पूर्वापेक्षाएँ।

सार, 06/21/2010 को जोड़ा गया


डिज़ाइन प्रक्रिया का सामान्य आरेख. अनुकूलन के दौरान गणितीय मॉडल के निर्माण को औपचारिक बनाना। एक-आयामी खोज विधियों का उपयोग करने के उदाहरण. शून्य-क्रम बहुआयामी अनुकूलन विधियाँ। आनुवंशिक और प्राकृतिक एल्गोरिदम.