Статистических испытаний метод - ορισμός. Τι είναι το Статистических испытаний метод
Diclib.com
Λεξικό ChatGPT
Εισάγετε μια λέξη ή φράση σε οποιαδήποτε γλώσσα 👆
Γλώσσα:

Μετάφραση και ανάλυση λέξεων από την τεχνητή νοημοσύνη ChatGPT

Σε αυτήν τη σελίδα μπορείτε να λάβετε μια λεπτομερή ανάλυση μιας λέξης ή μιας φράσης, η οποία δημιουργήθηκε χρησιμοποιώντας το ChatGPT, την καλύτερη τεχνολογία τεχνητής νοημοσύνης μέχρι σήμερα:

  • πώς χρησιμοποιείται η λέξη
  • συχνότητα χρήσης
  • χρησιμοποιείται πιο συχνά στον προφορικό ή γραπτό λόγο
  • επιλογές μετάφρασης λέξεων
  • παραδείγματα χρήσης (πολλές φράσεις με μετάφραση)
  • ετυμολογία

Τι (ποιος) είναι Статистических испытаний метод - ορισμός

Монте-Карло (метод); Монте-Карло метод; Монте-Карло (алгоритм); Алгоритм Метрополиса; Метод статистических испытаний; Статистических испытаний метод
  • Метод Бюффона

Статистических испытаний метод         

метод вычислительной и прикладной математики, основанный на моделировании (См. Моделирование) случайных величин и построении статистических оценок для искомых величин; то же, что Монте-Карло метод. Принято считать, что С. и. м. возник в 1944, когда в связи с работами по созданию атомных реакторов американские учёные Дж. фон Нейман и С. Улам начали широко применять аппарат теории вероятностей для решения прикладных задач с помощью ЭВМ. Первоначально С. и. м. использовался главным образом для решения сложных задач теории переноса излучения и нейтронной физики, где традиционные численные методы оказались мало пригодными. Затем его влияние распространилось на больший класс задач статистической физики, очень разных по своему содержанию. С. и. м. применяется для решения задач теории игр, теории массового обслуживания и математической экономики, задач теории передачи сообщений при наличии помех и т.д. Для решения детерминированной задачи по С. и. м. прежде всего строят вероятностную модель, представляют искомую величину, например многомерный интеграл, в виде математического ожидания функционала от случайного процесса, который затем моделируется на ЭВМ. Хорошо известны вероятностные модели для вычисления интегралов, для решения интегральных уравнений 2-го рода, для решения систем линейных алгебраических уравнений, для решения краевых задач для эллиптических уравнений, для оценки собственных значений линейных операторов и т.д. Выбором вероятностной модели можно распорядиться для получения оценки с малой погрешностью. Особую роль в различных приложениях С. и. м. играет моделирование случайных величин с заданными распределениями. Как правило, такое моделирование осуществляется путём преобразования одного или нескольких независимых значений случайного числа α, распределённого равномерно в интервале (0,1). Последовательности "выборочных" значений α обычно получают на ЭВМ с помощью теоретико-числовых алгоритмов, среди которых наибольшее распространение получил "метод вычетов". Такие числа называются "псевдослучайными", они проверяются статистическими тестами и решением типовых задач. Если в расчёте по С. и. м. моделируются случайные величины, определяемые реальным содержанием явления, то расчёт представляет собой процесс "прямого моделирования". Такой расчёт неэффективен, если изучению подлежат редкие события, т.к. реальный процесс содержит о них мало информации. Эта неэффективность обычно проявляется в слишком большой величине вероятностной погрешности (дисперсии) случайных оценок искомых величин. Разработано много способов уменьшения дисперсии указанных оценок в рамках С. и. м. Почти все они основаны на модификации моделирования с помощью информации о "функции ценности" значений случайных величин относительно вычисляемых величин. С. и. м. оказал и продолжает оказывать существенное влияние на развитие др. методов вычислительной математики (например, на развитие методов численного интегрирования) и при решении многих задач успешно сочетается с др. вычислительными методами и дополняет их. Более специальные математические вопросы, связанные с С. и. м., см. в ст. Статистическое моделирование.

Лит.: Метод Монте-Карло в проблеме переноса излучений, М., 1967; Метод статистических испытаний (Метод Монте-Карло), М., 1962; Решение прямых и некоторых обратных задач атмосферной оптики методом Монте-Карло, Новосиб., 1968; Ермаков С. М., Метод Монте-Карло и смежные вопросы, М., 1971; Михайлов Г. А., Некоторые вопросы теории методов Монте-Карло, Новосиб., 1974.

Г. И. Марчук.

Метод Монте-Карло         
Методы Мо́нте-Ка́рло (ММК) — группа численных методов для изучения случайных процессов. Суть метода заключается в следующем: процесс описывается математической моделью с использованием генератора случайных величин, модель многократно обсчитывается, на основе полученных данных вычисляются вероятностные характеристики рассматриваемого процесса.
Монте-Карло метод         

метод статистических испытаний, численный метод решения математических задач при помощи моделирования (См. Моделирование) случайных процессов и событий. Термин "М.-К. м." возник в 1949, хотя некоторые расчёты путём моделирования случайных событий осуществлялись статистиками и ранее. (Название "М.-К. м." происходит от города Монте-Карло, известного своим игорным домом.) Широкое распространение М.-К. м. получил только после появления быстродействующих вычислительных машин. Программы для расчётов по М.-К. м. на ЭВМ сравнительно просты и, как правило, позволяют обходиться без большой оперативной памяти. См. Статистических испытаний метод.

Βικιπαίδεια

Метод Монте-Карло

Методы Мо́нте-Ка́рло (ММК) — группа численных методов для изучения случайных процессов. Суть метода заключается в следующем: процесс описывается математической моделью с использованием генератора случайных величин, модель многократно обсчитывается, на основе полученных данных вычисляются вероятностные характеристики рассматриваемого процесса. Например, чтобы узнать методом Монте-Карло, какое в среднем будет расстояние между двумя случайными точками в круге, нужно взять координаты большого числа случайных пар точек в границах заданной окружности, для каждой пары вычислить расстояние, а потом для них посчитать среднее арифметическое.

Методы используются для решения задач в различных областях физики, химии, математики, экономики, оптимизации, теории управления и др.

Название метода происходит от района Монте-Карло, известного своими казино.

Τι είναι Статист<font color="red">и</font>ческих испыт<font color="red">а</font>ний м<font color="re