Adaptive Modellierung und Simulation - Adaptive Systemarchitektur ...
Adaptive Modellierung und Simulation - Adaptive Systemarchitektur ...
Adaptive Modellierung und Simulation - Adaptive Systemarchitektur ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
<strong>Simulation</strong> mit Monte Carlo-Verfahren 5-33<br />
Frage: Wie viele Geldstücke jeder Sorte (oder: Wie viel Geldwert) müssen Sie<br />
dabei haben, um mit 99%-ger Sicherheit einen Kaffe zu bekommen?<br />
Die Antwort auf diese Frage kann man analytisch mit Kenntnissen der Stochastik<br />
erhalten – oder aber durch <strong>Simulation</strong>. Für die zweite Methode interessieren wir<br />
uns in diesem Abschnitt <strong>und</strong> wollen sie näher ansehen. Dabei können wir die<br />
allgemeine Situation der stochastischen <strong>Simulation</strong> so charakterisieren, dass wir<br />
Fragen an das <strong>Simulation</strong>ssystem stellen in Form von Systeminformation <strong>und</strong><br />
Auswahlregeln („innere Mechanismen“), <strong>und</strong> durch die <strong>Simulation</strong> von Zufallsereignissen<br />
als Eingabe x der <strong>Simulation</strong> für die Ausgabe T bestimmte Kenngrößen<br />
der <strong>Simulation</strong> als Antworten erhalten. In Abb. 5.17 ist dies visualisiert.<br />
x<br />
Frage<br />
<strong>Simulation</strong><br />
Auswahlmechanismen<br />
T<br />
Antwort<br />
Abb. 5.17 Leistungsschema der <strong>Simulation</strong><br />
Betrachten wir dazu zwei Verfahren, das hit-or-miss Monte Carlo-Verfahren <strong>und</strong><br />
das crude Monte Carlo-Verfahren.<br />
5.3.1 Hit-or-miss Monte Carlo-Verfahren<br />
Ein typischer Ansatz besteht darin, alle möglichen Ereignisse zu simulieren <strong>und</strong><br />
dann mit Hilfe einer Selektionsregel die „günstigen“ auszusuchen. Der relative<br />
Anteil der Ereignisanzahl ist dann die relative Häufigkeit für „günstig“. Verdeutlichen<br />
wir dies an dem Problem der Berechnung eines Integrals, siehe (Hammersley,<br />
Handscomb 1965).<br />
Integration einer Linearen Funktion<br />
Angenommen, wir haben eine lineare Funktion f(x) = x. Dann können wir die<br />
Fläche unter Kurve, das Integral im Intervall [0,x0], durch die Erzeugung von<br />
Zufallszahlen abschätzen. Dazu erzeugen wir uns zwei-dimensionale Zufallszahlen<br />
(x,y) mit x∈ [0,x0] <strong>und</strong> y ∈ [0,y0]. Die so erzeugten Ereignisse sortieren wir<br />
durch die Abfrage<br />
IF y < f(x) THEN H = H+1