Stochastische Simulation, Fachbücher

Der Zufall in Gestalt von unvorhersehbaren Risiken und Chancen spielt seit jeher eine grosse Rolle bei vielen Entscheidungen in Wirtschaftsleben, Technik und Wissenschaft. Zufällige Einflussfaktoren müssen deshalb auch in die formalen Modelle aufgenommen werden, mit denen heutzutage komplexe Systeme geplant, gesteuert und optimiert werden. Früher reichte es, oft zufallsbehaftete Grössen durch ihre Mittelwerte zu modellieren. Für die Genauigkeit, die heutzutage von Modellen etwa für Prozesse in Produktion und Logistik verlangt wird, müssen aber auch die zufälligen Einflüsse genauer modelliert werden; es müssen ihre zeitliche Entwicklung und ihre wechselseitigen Abhängigkeiten beschrieben werden. Dies führt typischerweise zu Modellen, die zwar realitätsnah sind, die aber mit den verfügbaren mathematisch-analytischen Methoden oft nicht mehr gelöst werden können. In dieser Situation kann die stochastische Simulation einen Ausweg bieten, indem sie der mathematischen Modellierung sozusagen eine experimentelle Variante zur Seite stellt. Einzige Voraussetzung dafür ist, dass der nicht-zufällige Teil des Modells, also etwa das Prozessgeschehen bei feststehenden zufälligen Einflüssen, berechnet oder auf dem Rechner dargestellt werden kann. Wird dieses Teilmodell dann für wechselnden zufälligen Input beobachtet, so können aus den Beobachtungen Schätzungen für verschiedene Leistungskenngrössen gewonnen werden.