Stochastische Simulation

Der Zufall in Gestalt von unvorhersehbaren Risiken und Chancen spielt seit jeher eine groe Rolle bei vielen Entscheidungen in Wirtschaftsleben, Technik und Wissenschaft. Zufllige E- ?ussfaktoren mssen deshalb auch in die formalen Modelle aufgenommen werden, mit denen heutzutage komplexe Systeme geplant, gesteuert und optimiert werden. Frher reichte es - bei oft, zufallsbehaftete Gren durch ihre Mittelwerte zu modellieren. Fr die Genauigkeit, die heutzutage von Modellen etwa fr Prozesse in Produktion und Logistik verlangt wird, mssen aber auch die zuflligen Ein?sse genauer modelliert werden, es mssen ihre zeitliche Entwi- lung und ihre wechselseitigen Abhngigkeiten beschrieben werden. Dies fhrt typischerweise auf Modelle, die zwar realittsnah sind, die aber mit den verfgbaren mathematisch-analytischen Methoden oft nicht mehr gelst werden knnen. In dieser Situation kann die stochastische Simulation einen Ausweg bieten, indem sie der mathematischen Modellierung sozusagen eine experimentelle Variante zur Seite stellt. Einzige Voraussetzung dafr ist, dass der nicht-zufllige Teil des Modells, also etwa das Prozessgesc- hen bei feststehenden zuflligen Ein?ssen, berechnet oder auf dem Rechner dargestellt werden kann. Wird dieses Teilmodell dann fr wechselnden zuflligen Input beobachtet, so knnen aus den Beobachtungen Schtzungen fr verschiedene Leistungskenngren gewonnen werden.