session9决策模型引言风险分析解析跟蒙特卡洛模拟.pptVIP

思考问题： 1、蒙特卡罗方法的基本思想是什么？ 2、用蒙特卡罗模型解决实际问题的基本步骤是什么？ 3、蒙特卡罗方法的优缺点各有哪些？ 4、由蒙特卡罗方法的误差公式，可推断出其有那些优缺点？ 5 蒙特卡罗模拟与随机抽样统计分析有什么区别？ The answer 1、当所求问题的解是某个事件的概率，或者是某个随机变量的数学期望，或者是与概率、数学期望有关的量时，通过某种试验的方法，得出该事件发生的频率，或者该随机变量若干个具体观察值的算术平均值，通过它得到问题的解。这就是蒙特卡罗方法的基本思想。 2、（1）建立数学模型 （2）收集模型中风险变量的数据 ，确定风险因数的分布函数。 （3）确定模拟次数、产生随机数。 （4）由产生的随机数在各风险变量的分布函数中随机抽样，带入模型求出目标变量的一个样本值。 （5）重复第4步N次，产生N个样本值，对得到的N个样本值进行统计分析 。 3、优点 ①能够比较逼真地描述具有随机性质的事物的特点及物理实验过程。 ②受几何条件限制小。 ③收敛速度与问题的维数无关。 ④误差容易确定。 ⑤程序结构简单，易于实现。 缺点 ①收敛速度慢。 ②误差具有概率性。 ③进行模拟的前提是各输入变量是相互独立的。 4、通常，蒙特卡罗方法的误差ε定义为 上式中 与置信度α是一一对应的，根据问题的要求确定出置信水平后，查标准正态分布表，就可以确定出 。蒙特卡罗方法的误差为概率误差 由此性质我们可以得知蒙特卡罗的优点：①收敛速度与问题的维数无关。 ②误差容易确定。以及缺点：误差具有概率性。 5、蒙特卡罗模拟是一种simulation，通过建立模型，产生相应分布的随机数(实际是伪随机变量)，来模拟实际存在的过程，并且分析相关的结果。 首先观察客观世界，某一个过程有几个步骤，每个步骤符合哪种分布(可以是估计)，数学特征是什么(可能通过测量)，然后建立起相关的模型。 通过一定算法，产生符合标准正态分布的伪随机变量，然后对变量进行运算，来产生其他分布的变量，比如泊松分布，指数分布等。 对于模型中的每个步骤，通过产生的随机变量进行模拟，来得到整个过程所用的时间的数学特征，比如平均值，方差等。根据这些数学特征，就可以对以后的发展做出预测。 而随机抽样统计分析是对实际数据的抽样分析。通过抽样的数学特征，来估计总体的数学特征，是通过局部认识总体。 一句话概括，蒙特卡罗模拟对计算机产生的，而不是对实际存在的数据统计，而随机抽样分析是对实际存在的数据分析。 思考题 对蒙特卡洛方法中风险变量相关性的探讨？ The End of Session 9 第十三周上机准备： 预习PHStat的安装 预习PHstat中进行SPC的工具 预习excel中情景管理的使用 完成P249/8,9,10(SPC) 完成P277/操作训练1,2 第十四周上机准备 预习Crystall Ball的安装、使用； 完成操作技能训练部分（P316/1,3,5,7,9,11） 三角分布 三角形概率分布是一种应用较广连续型概率分布,它是一种3点估计: 特别适用于对那些风险变量缺乏历史统计资料和数据,但可以经过咨询专家意见,得出各参数变量的最乐观值( a) ,最可能出现的中间值( b)以及最悲观值(m ) ,这3个估计值( a,b, m )构成一个三角形分布。 实际上，Matlab软件为我们提供一种简单快捷的产生各种常用分布随机数的方法。其功能和特点： （1）界面友好，编程效率高。 （2）功能强大，可扩展性强。 （3）强大的数值计算功能和符号计算功能。 （4）图形功能灵活方便。 Matlab常用的随机数产生函数 函数名 调用形式 函数注释 betarnd R=betarnd(A,B) 分布随机数产生函数 binornd R=binornd(N,P,MM,NN) 二项分布随机数产生函数 chi2rnd R=chi2rnd(v) 卡方分布随机数产生函数 frnd R= frnd(v1,v2) F分布随机数产生函数 geornd R= geornd(p) 几何分布随机数产生函数 hygernd R= hygernd(M,K,N) 超几何分布随机数产生函数 mvnrnd R= mvnrnd(mu,sigma,cases) 多元正态分布随机数产生函数 normrnd R=normrnd(mu,sigma) 正态分布随机数产生函数 trnd R=trnd(v) t分布随机数产生函数 有了这些随机产生函数，就可以直接产生满足分布F(x)的随机数了，而