دانلود پروژه شبیه سازی فرآیندهای GI/GI/1 خطر بیمه با توزیع های زیرمجموعه

گروه متلب پروژه پروژه شبیه سازی فرآیندهای GI/GI/1 خطر بیمه با توزیع های زیرمجموعه را که توسط اساتید این مجموعه تهیه شده است با قیمتی بسیار مناسب برای فروش قرار داده است که همراه با محتوای آموزشی در فایل ورد می باشد.

توضیحات پروژه :

این مقاله به برآورد احتمال دم کوچک می پردازد از زمان انتظار حالت پایدار در صف GI / GI / 1 با زمان سرویس دهی سنگین (فوق العاده). مشکل ارزیابی تخریب افق بی نهایت در بیمه – سایپرز ، باشگاه دانش فرآیندهای خطر با ادعاهای دم سنگین می توانند تغییر شکل دهند در همان چارچوب کاملاً مشهور است که شبیه سازی ساده لوحانه است برای تخمین احتمالات کوچک بی اثر است و تکنیک های ویژه شبیه سازی سریع مانند نمونه برداری با اهمیت ، تقسیم چند سطحی و غیره ، باید مورد استفاده قرار گیرد. شبیه سازی سریع قبلی تکنیک های صف با سرویس فوق العاده زمانها به سیستمهای صف بندی M / GI / 1 محدود شده اند. رویکرد کلی استفاده از تحول Pollaczek-Khintchine است برای تبدیل مسئله به مسئله تخمین توزیع دم یک مقدار هندسی مستقل متغیرهای تصادفی فرعی. با این حال ، هیچ مفید تحول زمانی ایجاد می شود که فرد از ورود پواسون خارج شود به توزیع های کلی زمان گسسته. ما توصیف می کنیم رویکردی که مبتنی بر شبیه سازی مستقیم تصادفی است پیاده روی مرتبط با روند زمان انتظار GI / GI / 1 صف ، با استفاده از تغییر اندازه گیری به نام sub exponential تأخیر پیچ خوردن ایده مهم نمونه برداری اخیراً توسعه یافته و مفید در زمینه M / GI / 1 سنگین شبیه سازی میشود.

توضیحات مجری :

برای اجرای درست کد به موارد زیر دقت کنید:
اسکریپت اصلی برای اجرا Main_code.m هست
کد بر روی متلب ورژن 2017 طراحی و بر روی ورژن های 2013 به بالاتر به درستی کار خواهد کرد.
برای سرعت بخشیدن به کد حداکثر استفاده از محاسبات برداری و بهبود اون انجام شده بطوریکه میشه 50 تکرار و 400 هزار نمونه رو در 3 دقیقه پردازش و نتیجه رو مشاهد کرد.
بقیه قسمت توابع مورد استفاده در محاسبات و نمونه گیری هستند مقاله رو کامل خونده باشید دقیقا متوجه کارکرد هر قسمت خواهید شد
برنامه فعلی بصورت جامع و کلی هست و حتی در صورتی که بخواهید می توانید به برنامه اجازه محاسبه اتوماتیک وزن w_u رو هم بدید
 برنامه روی 50 تکرار مستقل و هر تکرار شامل 400 هزار نمونه برای مونته کارلو هست. که برای قسمت راه رفتن تصادفی مورد استفاده قرار میگیرد
حداقل تعداد یا طول نمونه برای تولید k اینفیموم یا همون پیدا کردن حداقل تعداد ممکن بصورت اتوماتیک انجام میشود
فرآیند پیدا کردن اون به این صورت هست که 100 بار بصورت مستقل طول دنباله ای که Mn بزرگتر مساوی U میشه در اون محاسبه و کمترین طول که میشه اینفیموم استخراج میشود