1

ELEMENTE DE STATISTICA
MODELE STOCHASTICE DE SIMULARE
SIMULAREA MONTE CARLO
Bibliografie Tudor Paunescu MNI-2009
SIMULAREA MONTE CARLO
N MATHCAD
2
Bibliografie
[GOR01] F. Gorunescu, A. Prodan. Modelare stochastic i simulare. Ed. Albastr. Cluj-Napoca. 2001
[BOS00] S. K. Bose Queuing Systems. Lectures Notes. Internet
[AKC75] R.L. Ackoff, M.W. Sasieni Bazele cercetarii operationale. E.T. Bucuresti, 1973
[SC 78] I. Scuiu, D. Zorilescu. Numere aleatoare. Aplicaii n economie, industrie i studiul
fenonenelor maturale. Ed. Academiei, Bucureti 1978.
[TR 89] C. Trcolea. Tehnici actuale n teoria fiabilitii. Ed. tiinific. Bucureti 1989.
[ERM 76] S.M. Ermakov. Metoda Monte Carlo i probleme nrudite. Ed. Teh. Bucureti. 1976.
[ABR 96] I. Abrudan Sisteme flexibile de fabricaie. Ed. Dacia. Cluj 1996.
[DIN 75] C. Dinescu. Metode de matematic modern pentru economie. Culegere de probleme.
E.D.P. Bucureti 1975.
[DIN 86] C. Dinescu. Metode de matematice pentru fundamentarea deciziilor n producie.
ET. Bucureti 1986.
[RD 81] E. Rdceanu Limbaje de simulare. Ed. Militar. Bucureti 1981.
[STO 89] M. Stoica Introducere n modelarea procedural. Ed. Scrisul romnesc, Craiova 1989.
[STO 83] M. Stoica Experiment i euristic n economie. Ed. t. i Enciclop. Bucureti 1983
[RAF 82] M. Rafiroiu Modele de simulare n construcii. Ed. Facla Timioara 1982
[VD 77] I. Vduva Modele de simulare cu calculatorul. Ed. Militar Bucureti 1977
[VD 77] I. Vduva a Simulare proceselor economice. Ed. Tehnic Bucureti 1983.
[RA 97] C. Raiu Suciu. Modelarea i simularea proceselor economice. EDP Bucureti 1997
3
1. ELEMENTE DE STATISTICA I PROBABILITI
1.1. Repartiii discrete

X- variabil aleatoare care ia valorile: x
1
, x
2
, ... ,x
n
cu
probabilitile:
p
1
, p
2
, ... ,p
n
,

adic p
i
= P{X=x
i
}, p
i
>0.


Mulimea a crei elemente sunt perechile ordonate
(x
i
, p
i
), i=1 ... N, cu Ep
i
=1
definete repartiia discret a variabilei aleatoare

1.2. Repartiii continue

n loc de p
i
= P{X=x
i
} se definete o funcie f
x
(x)>0 densitate de
probabilitate, astfel nct f
x
(x)dx reprezint probabilitatea ca X s
ia valori n intervalul [x x+dx] al dreptei reale.
4
Funcia f
x
(x) se obine din histograma ridicat experimental

dac X ia valori pe toat axa R
}
=
R
x
dx x f 1 ) (
1.3. Funcia de repartiie

Dac x este un numr real oarecare, probabilitatea ca X < x se
calculeaz cu funcia de repartiie F
X
(x)=P(X <x) a variabilei X.
) ( ) ( ) ( ) (
/
x f x F dt t f x F
x X
x
x X
sau = =
}

F
X
este funcia frecvenelor cumulate ale densitii de probab. f
x
(x).

5
1.4. Proprieti ale funciei de repartiie:
- F
X
(-)=0, F
X
()=1
- F
X
(u+0)= F
X
(u) continuitate la dreapta
- F
X
(u) > F
X
(v) dac u >v
Probabilitatea ca variabila X s ia cel puin o valoare dat
(exemplu: probabilitatea ca o instalaie s funcioneze nentrerupt un nr. de ore):
P{ X >u} = 1 F
X
(u)
Probabilitatea ca variabila X s ia valori ntre dou limite
(exemplu: probabilitatea ca rezistena la ncovoiere a unei bare s ia valori ntre
dou limite):
P{u s X sv} = F
X
(v)-F
X
(u)
6
Fig.1. Graficul funciei de
repartiie pentru o variabil
aleatoare continu
Fig.2. Graficul funciei de repartiie
pentru o variabil aleatoare discret
7
Fig.3. Semnificatia geometrica a densitatii de probabilitate
8
1.5. Generarea numerelor aleatoare cu repartiie dat
Propoziie:
Dac variabila aleatoare U urmeaz o repartiie uniform n intervalul
[0,1] iar F
X
este o funcie de repartiie continu i strict cresctoare
atunci variabila aleatoare X= F
X
-1
(U) are funcia de repartiie F
X

Propoziia este aplicabil la metoda Monte Carlo pentru a genera numere aleatoare
dup o repartiie oarecare.
tiind c valorile oricrei funcii de repartiie F
X
sunt uniform distribuite n intervalul
[0,1] acestea sunt asimilate drept valori ale unei variabile aleatoare uniforme U:
U=F
X
(x) rezult X= F
X
-1
(U)

Caz1: F
X
(x) i F
X
-1
(x) cunoscute,
repartiii teoretice continue
Un numr aleator cu repartiie
dat se obine prin calcul direct:

X
0
= F
X
-1
(U
0
)

aplicnd transformata invers Fig. 4.
9
Caz2: F
X
(x) sau F
X
-1
(x) necunoscute, se utilizeaz densitatea de probabilitate.
Fie X o variabil aleatoare de tip
continuu definit pe [a, b] cu
densitatea f
X
(x)
}
=
x
a
X X
dx x f x F ) ( ) (
F
X
(x) este distribuit uniform pe [0,1] Fig. 5.
Dac F
X
(x) sau F
-1
X
(u) nu se pot
determina analitic se aplic metode numerice
irul de valori ale variabilei X n intervalul [a, b]:
a=x
0
, x
1
x
n
, x
n+1
=b si 0, F
X
(x
1
), F
X
(x
2
) . F
X
(x
n
), 1
U
0
se obine prin interpolare F
X
(x
k
) s u
0
s F
X
(x
k+1
)
n general se alege pas constant o=F
X
(x
k+1
) - F
X
(x
k
)
Se determin k= U
0
/ o i de obicei se alege ca valoare reprezentativ mijlocul
intervalului x
k+1
... x
k
sau mai corect o valoare aleatoare n interval
.
Metoda poate fi aplicat i pentru variabile aleatoare discrete, trecnd prin etapa
aproximrii cu o curb continu.
10
2. SIMULAREA MONTE CARLO
Metoda Monte Carlo (MC) ansamblul procedeelor care permit rezolvarea
unei probleme prin experiment statistic.
n principiu metoda MC realizeaz nlocuirea valorilor variabilelor aleatoare cu o
mulime finit de valori cu aceleai proprieti statistice.

Aplicarea metodei MC necesit rezolvarea a dou probleme de baz:
1. Stabilirea funciilor de repartiie pentru variabilele aleatoare luate n considerare
la modelarea fenomenului.
2. Folosirea unei surse de numere aleatoare.
Generarea numerelor aleatoare obinute cu ajutorul calculatorului este imposibil
deoarece se utilizeaz algoritmi de generare care nu pot asigura o corelaie nul,
ns se pot obine numere pseudoaleatoare de calitate foarte bun.
| |

>
e
s
=
1 . 1
1 , 0 .
0 . 0
x pt
x pt x
x pt
F
X
Condiiile generrii numerelor
pseudoaleatoare cu repartiie uniform:
- funcia de repartiie nu trebuie s difere
semnificativ de:
11
- repartiie statistic independent;
- seria de numere pseudoaleatoare trebuie s fie reproductibil;
- repartiie stabil;
- perioad de repetiie mare i predeterminabil a numerelor pseudoaleatoare;
- vitez mare de generare, s necesite resurse de memorie reduse.

2.1. Istoric i exemple de utilizare a MC

- 1777 Buffon + 1860 Barbier, problema acului lui Buffon sau a steagului american.
- 1944 E.Fermi, J. Neumann, S.M. Ulam, studiul difuziei neutronilor n materiale
fisionabile.

- calcul numeric: integrale definite simple i multiple, ariile suprafeelor cu
contur neregulat, ecuaii integrale i difereniale, inversarea matricelor, rezolvarea
sistemelor liniare;
- studiul proceselor aleatoare: procese Markov, procese de difuzie, mic. brownian;
- cercetare operaional: stocuri, servire, jocuri operaionale;
- aplicaii economico-industriale: sisteme de transport, procese de munc,
planificarea cheltuielilor, studiul investiiilor, risc.
- fizic nuclear;
- fenomene naturale: predicii seisme, rezerve de petrol.
12
Problema acului lui Buffon [SC 78]
Pe un plan pe care sunt trasate drepte paralele cu echidistana a, se arunc
ntmpltor un ac de grosime neglijabil, care are lungimea L < a. Se cere
probabilitatea ca acul s cad peste oricare din linii.

n 1860 E. Barbier a demonstrat c soluia problemei este p=2L/ta.
- P este mijlocul acului;
- o unghiul ascuit dintre ac
i direcia perpendicular
pe reeaua de drepte;
- y distana de la P la cea mai
apropiat linie.
Dac y < 0.5 L coso acul intersecteaz o drept (o i y sunt variabile aleatoare).
Deci dac se construiete graficul y= 0.5 L coso probabilitatea cutat este:
a
L
a
d L
p

=


=
}
t t
o o
t
2
5 . 0 5 . 0
) cos( 5 . 0
2 /
0
Dac a=2L p=1/ t, deci prin experiment statistic
se poate calcula:
t ~ nr. aruncri / nr. intersecii cu dreptele
13
Calculul integralelor definite
Se d o funcie monovariabil y=f(x), continu i mrginit n intervalul [a,b].

Paii algoritmului:

- f(x) se ncadreaz ntr-un dreptunghi cu baza segmentul a,b i nlimea h=max(f(x))
- se genereaz dou secvene aleatoare, independente de numere:
c=(c
1
, c
2
... c
n
), c
i
e[a b]
d=(d
1
, d
2
... d
n
), d
i
e[0 max(f(x))]
c
i
, d
i
reprezint coordonatele unui punct P
i
aflat n dreptunghiul amintit;
- se contorizeaz numrul de puncte m care sunt situate sub curb;
) ( max( ) ( x f a b
n
m
Aria =
Obs. Metoda nu este foarte precis, pentru creterea preciziei se recomand
repetarea experimentului statistic, se calculeaz media i abaterea ptratic a
rezultatelor, dac abaterea ptratic este mai mare dect o valoare stabilit n
prealabil se continu cu un numr mai mare de numere aleatoare.
14
2.3. Precizia i proprietile metodei MC
- Precizia metodei MC se poate estima statistic cu un grad de certitudine finit
(se consider suficiente 0.99 ... 0.997).
- Precizia variaz cu numrul total de experimente N

- Precizia metodei nu se poate estima corect dect pe parcursul efecturii calculelor.
- Numrul de ncercri necesare variaz invers proporional cu probabilitatea,
deci metoda nu este aplicabil unor procese cu p <<< 1.
- Metoda MC este o metod aproximativ, rapid aplicabil n general preciziilor
uzuale din domeniul economic.
- Se utilizeaz pentru rezolvarea unor probleme pentru care alte procedee ar necesita
un numr foarte mare de variabile, un model matematic foarte dificil de formulat,
model foarte complex.
15
3. SIMULAREA MONTE CARLO N MATHCAD
3.1. GENERAREA NUMERELOR ALEATOARE
Algoritmul de generare a numerelor aleatorii utilizeaz o valoare
iniial, x0. Valoarea implicit a acestei valori este 1. n funcie de
valoarea acestei variabile, Mathcad-ul genereaz o secven de
numere aleatorii. Pentru a modifica aceast valoare iniial se alege,
din meniul TOOLS, opiunea Worksheet Options . n tab-ul
Built-In Variables, se completez cmpul corespunztor opiunii
Seed value for random numbers, cu noua valoare iniial.

Pentru aceeai valoare iniial a generatorului de numere aleatorii,
la fiecare comand de recalculare a documentului Mathcad, se
obine o nou secven de numere aleatorii.

Pentru a reseta generatorul, se execut un clic pe opiunea Built-In
Variables i se apas butonul [OK]. Dup aceste operaie, o nou
comand de recalculare a documentului, prin alegerea opiunii
Calculate Now din meniul TOOLS -Calculate, conduce la aceeai
secven de numere aleatorii.
16
17
18
Aplicaia 1
19
Aplicaia 2
20