Варьирование параметров в стохастических моделях

Если Вы варьируете параметры детерминированной модели, в которой нет стохастики (то есть, случайных процессов, описанных с помощью вероятностных распределений), то любые два "прогона" с одними и теми же значениями параметров всегда будут выдавать одни и те же результаты. В этом случае достаточно выполнить всего лишь один "прогон" для каждой итерации (то есть, для каждого набора значений параметров).

Если же в Вашей модели есть стохастика, то результаты "прогонов" будут уникальными, и результаты "прогонов", произведенных при одних и тех же значениях параметров, скорее всего, будут отличаться. В этом случае мы не можем производить всего лишь один "прогон", принимать его результат в качестве результата для данной итерации и продолжать выполнение эксперимента дальше с другими значениями параметров. Чтобы получить репрезентативные данные, которым можно доверять, нам нужно провести несколько "прогонов" (называемых в даном контексте репликациями) для одного набора значений параметров и принять в качестве значения выражения на итерации среднее значение результатов всех репликаций.

1. Выберите эксперимент в панели Проекты.
2. Перейдите на страницу Репликации панели Свойства.
3. Установите флажок Использовать репликации. 

Панель свойств эксперимента варьирования параметров. Страница Репликации

Число репликаций, производимых в рамках одной итерации, может быть как фиксированным, так и переменным. В первом случае Вы просто задаете то количество репликаций, при котором Вы считаете, что полученному результату можно будет доверять. В этом случае за одну итерацию всегда будет выполняться строго заданное количество репликаций.

1. Выберите опцию Фиксированное количество репликаций.
2. Задайте количество репликаций в поле Кол-во репликаций за итерацию.

Возможность выполнения переменного количества репликаций позволяет AnyLogic проверять результаты на статистическую значимость.

В этом случае Вы должны задать доверительную вероятность и выражение, которе будет вычисляться AnyLogic в конце каждого "прогона" модели.

Для эксперимента с переменным количеством репликаций в одной итерации задаются минимальное и максимальное количество репликаций. За одну итерацию всегда будет выполнено заданное минимальное количество репликаций. Необходимость выполнения дополнительных репликаций определяется исполняющим модулем. Прекращение выполнения дополнительных репликаций произойдет в одном из следующих случаев:

• Доверительный интервал для всех репликаций в рамках текущей итерации достаточно мал, чтобы попасть в интервал, заданный степенью доверия (то есть, искомое значение заданного выражения для данной итерации несущественно отличается от среднего значения всех репликаций, что свидетельствует о том, что выборка репрезентативна, и найденному к данному моменту значению можно доверять).
• Было выполнено заданное максимальное количество репликаций.

1. Выберите опцию Переменное кол-во репликаций (останов после выполнения минимального кол-ва репликаций, при достижении доверительного интервала).
2. Задайте минимальное количество репликаций в поле Минимальное кол-во репликаций.
3. Задайте максимальное количество репликаций в поле Максимальное кол-во репликаций.
4. В поле Доверительная вероятность задайте значение доверительной вероятности для вычисляемого выражения. Доверительная вероятность показывает, с какой вероятностью случайный ответ попадет в доверительный интервал. Для простоты можно понимать её как точность выборки. Как правило, используется 95%, но в тех случаях, когда высокая точность не нужна, вероятностью можно пожертвовать и понизить её уровень до 90% и даже до 85%. И наоборот, чем большую выборку может себе позволить исследователь, тем выше можно установить точность полученных данных. Доверительный интервал можно понимать как погрешность, задает размах части кривой распределения по обе стороны от выбранной точки, куда могут попадать ответы.
5. В поле Относительный уровень ошибки задайте значение от 0 до 1, определяющее размер доверительного интервала, который нас будет устраивать в качестве условия прекращения выполнения дополнительных репликаций для текущей итерации. Интервал считается как ("текущее среднее значение" - "текущее среднее значение" * относительный уровень ошибки, "текущее среднее значение" + "текущее среднее значение" * относительный уровень ошибки).