Diese Arbeit beschäftigt sich mit der Analyse der Ausgabedaten einer Simulation im Zusammenhang mit der Simulationslänge. Für die Nonterminating Simulations und die Terminating Simulations werden dazu Fixed-Sample-Size Prozeduren betrachtet, die eine Parameterschätzung für eine Simulation mit vorher festgelegter Länge durchführen. Um die Simulationslänge simultan zu den Parametern zu schätzen, werden verschiedene Sequentielle Prozeduren betrachtet. Die statistische Analyse der Nonterminating Simulations erläutert zusätzlich noch das Warmup Problem bei der Parameterschätzung und diskutiert dazu sowohl heuristische als auch analytische Algorithmen zur Längenbestimmung bzw. Erkennung der Transient Phase.
Inhaltsverzeichnis
1 Einleitung
2 Einführung in die Discrete-Event Simulation
2.1 Grundlagen und Definitionen
2.2 Ein spezieller stochastischer Prozess: Transient und Stationäres Verhalten
3 Übersicht über die verschiedenen Simulationstypen
3.1 Terminating Simulations
3.2 Nonterminating Simulations
4 Statistische Analyse der Terminating Simulations
4.1 Grundlagen der Schätztheorie
4.2 Bestimmung der Simulationslänge in Abhängigkeit der Genauigkeit
5 Statistische Analyse der Nonterminating Simulations
5.1 Problem der Transient Phase - Methoden zur Schätzung ihrer Länge
5.1.1 Erkennen der Transient Phase mittels verschiedener Tests
5.1.2 Heuristiken
5.1.3 Regressionsmethode von Law und Kelton zur Bestimmung von l und m
5.1.4 Welch’s grafische Ablesemethode
5.1.5 Empfehlungen für die Praxis
5.1.6 Überblick über weitere Methoden
5.2 Simulationsdesign
5.3 Fixed-Sample-Size Prozeduren
5.3.1 Replication/Deletion
5.3.2 Batch Means Methode
5.3.3 Überblick über weitere Methoden
5.3.4 Empfehlungen für die Praxis
5.4 Sequentielle Prozeduren
5.4.1 Fishman’s Prozedur
5.4.2 Methode von Lavenberg und Sauer
5.4.3 Mechanic und McKay Prozedur
5.4.4 Prozedur von Law and Carson
5.4.5 Empfehlungen für die Praxis
5.4.6 Überblick über weitere Methoden
6 Zusammenfassung und Ausblick
A Zentraler Grenzwert Satz
B Regressionsmethode von Law und Kelton
C Idee der Varianzreduzierenden Methoden
Zielsetzung und thematische Schwerpunkte
Die Arbeit analysiert statistische Methoden zur Bestimmung der Simulationslänge bei Discrete-Event Simulationen. Ziel ist es, Methoden aufzuzeigen, mit denen Parameter einer Simulation mit einer vorgegebenen statistischen Sicherheit und Genauigkeit geschätzt werden können, wobei ein besonderer Fokus auf dem "Warmup Problem" bei nicht-terminierenden Systemen liegt.
- Unterscheidung zwischen Terminating und Nonterminating Simulations
- Methoden zur Identifikation und Handhabung der Transient Phase (Warmup)
- Fixed-Sample-Size Prozeduren für statische Konfidenzintervalle
- Sequentielle Prozeduren zur iterativen Optimierung der Simulationslänge
- Einsatzmöglichkeiten statistischer Tests und Regressionsverfahren
Auszug aus dem Buch
Welch’s grafische Ablesemethode
Welch (1981, 1983) beschreibt eine sehr einfache und sehr allgemeine Technik, um l grafisch zu bestimmen. Sie ist für alle stochastischen Systeme anwendbar. Der Algorithmus wird anhand eines Beispiels erläutert. Es wird im Beispiel die Anzahl der produzierten Einheiten in einer Stunde in einer kleinen Fabrik betrachtet. Der zugehörige Prozess wird mit N1, N2, ... bezeichnet. Welch’s Methode basiert auf n unabhängigen Simulationsläufen der Länge m und gliedert sich in die folgenden 4 Schritte:
1. Mache n unabhängige Simulationsläufe (n ≥ 5) der Länge m, wobei m groß sein soll (im Beispiel n = 10, m = 160). Es ergibt sich der Simulationsausgabe im ersten Teil der Abbildung 2. Im Beispiel ersetzt man Y durch N.
2. Es sei Y i = 1/n * Summe_{j=1}^{n} Yji (Siehe 2. Teil von Abbildung 2.) für i = 1, 2, ..., m. Der gemittelte Prozess Y 1, Y 2, ... hat Erwartungswerte E(Y i) = E(Yi) (Siehe Abbildung 3.) und Varianzen Var(Y i) = 1/n * Var(Yi), d.h. die Varianz ist nurnoch 1/n Mal so groß.
3. Um bei dem gemittelten Prozess die starken Schwankungen zu glätten, wird der Moving-Average Prozess zur Ordnung w (MA[w]) mit w ≤ floor(m/4) berechnet. Die Ordnung w gibt an, wie viele Werte vor und nach dem betrachteten Beobachtungswert den Durchschnitt zu diesem Zeitpunkt bestimmen.
4. Zeichne Y 1(w), Y 2(w), ..., Y m-w(w) und wähle l+1 als den Wert, ab dem der MA[w]-Prozess stationär ist. Normalerweise ist l sehr deutlich aus der Zeitreihe abzulesen, im Beispiel wählten Law und Kelton l = 24. Man wählt l besser zu groß als zu klein, um das Risiko eines Fehlers möglichst klein zu halten.
Zusammenfassung der Kapitel
1 Einleitung: Einführung in die Bedeutung der Simulationsanalyse und Definition des Ziels, statistische Methoden zur Bestimmung der Simulationslänge zu präsentieren.
2 Einführung in die Discrete-Event Simulation: Erläuterung der Grundlagen der Discrete-Event Simulation und der stochastischen Prozesse, insbesondere des transienten und stationären Verhaltens.
3 Übersicht über die verschiedenen Simulationstypen: Klassifizierung der Simulationsmodelle in Terminating und Nonterminating Simulations.
4 Statistische Analyse der Terminating Simulations: Vorstellung von Methoden zur Schätzung von Mittelwerten und zur Bestimmung der Simulationslänge bei endlichen Simulationen.
5 Statistische Analyse der Nonterminating Simulations: Detaillierte Betrachtung der Analyse stationärer Parameter und Methoden zur Bestimmung der Transient Phase sowie verschiedene Prozeduren zur Analyse der Simulationsdaten.
6 Zusammenfassung und Ausblick: Resümee der Arbeit und Identifikation zukünftiger Forschungsfelder im Bereich der Simulationsanalyse.
Schlüsselwörter
Discrete-Event Simulation, Simulationslänge, Terminating Simulation, Nonterminating Simulation, Warmup Problem, Transient Phase, Konfidenzintervall, Fixed-Sample-Size Prozedur, Sequentielle Prozedur, statistische Analyse, Parameterschätzung, Batch Means Methode, Replication/Deletion.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit der statistischen Analyse der Ausgabedaten einer Simulation und der damit verbundenen Bestimmung der notwendigen Simulationslänge, um valide Ergebnisse zu erhalten.
Welches sind die zentralen Themenfelder?
Zentrale Themen sind die Unterscheidung zwischen terminierenden und nicht-terminierenden Systemen, das Problem der Anlaufphase (Warmup) bei stationären Prozessen und die Anwendung verschiedener statistischer Test- und Schätzverfahren.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist es, Methoden vorzustellen, mit denen Simulationsmodelle so analysiert und ihre Länge so gesteuert werden kann, dass untersuchte Parameter mit einer definierten Genauigkeit und statistischen Sicherheit geschätzt werden.
Welche wissenschaftlichen Methoden werden verwendet?
Es werden mathematisch-statistische Verfahren der Simulationsanalyse herangezogen, darunter klassische Schätztheorie, Regressionsanalysen, gleitende Durchschnitte (Moving Averages) und verschiedene sequentielle Prozeduren nach Law und Kelton.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die statistische Analyse von terminierenden Systemen und die komplexere Analyse von nicht-terminierenden Systemen, inklusive der Identifikation der stationären Phase und der Vorstellung von Fixed-Sample-Size- sowie sequentiellen Prozeduren.
Welche Schlüsselwörter charakterisieren die Arbeit?
Simulation, Warmup-Problem, Konfidenzintervalle, Batch-Means-Methode und statistische Genauigkeit.
Warum ist das "Warmup Problem" für Simulationen so bedeutend?
Da Simulationen häufig in einem "leeren" Zustand starten, beeinflussen diese Anfangsbedingungen die ersten Ergebnisse, was zu verzerrten Schätzern führen kann, sofern die transiente Phase nicht korrekt identifiziert und eliminiert wird.
Wann sollte man eine sequentielle Prozedur gegenüber einer Fixed-Sample-Size Prozedur bevorzugen?
Eine sequentielle Prozedur ist dann vorzuziehen, wenn eine hohe Präzision der Konfidenzintervalle gefordert ist, da diese Verfahren die Simulationslänge iterativ an das gewünschte Fehlerniveau anpassen, anstatt mit einer vorab festgelegten, eventuell unzureichenden Anzahl an Läufen zu arbeiten.
- Quote paper
- Dipl.-Wi.-Ing. Philipp Koziol (Author), 2004, Statistische Methoden zur Bestimmung der Simulationslänge, Munich, GRIN Verlag, https://www.grin.com/document/26584
