Имитационное моделирование в среде ms excel

Корень вопроса состоит в том, что статистические процедуры требуют неразрывных массивов исходных данных. Статистические модели не могут быть рассчитаны при наличии разрывов.

Другое дело имитационная модель, которая самодостаточно существует как массив модельных значений, рассчитанный на каждый момент времени. Наблюдаемые данные служат лишь основой настройки модельных параметров. Для этой процедуры достаточно, чтобы наблюдения проводились не во все, а хотя бы в некоторые моменты времени, они-то и сыграют роль опорных точек. В принципе настроить модель можно и по единственной опорной точке, единственному реальному значению. В этом случае, правда, возникает проблема проверки статистической адекватности модели, поскольку по единственному значению нельзя провести дисперсионный анализ. С технической позиции неучет пробелов в исходных данных означает лишь, что в этой точке разность между модельными и реальными данными (ф) не рассчитывается. Роль функции невязки играет сумма таких разностей в остальных, "полноценных", точках.

В качестве примера рассмотрим модель роста кольчатой нерпы (данные любезно предоставлены О. В. Сергеевой). Одна особь нерпы выращивалась в бассейне института Северных морей (г. Мурманск). Условия освещенности, температуры и прочие соответствовали природным. Кроме этого, нерпу тренировали с возрастающей интенсивностью. Во время этого опыта регистрировали массу рыбы (пищи), скормленной за день (Мп),  и один раз в неделю – массу самой нерпы, жившей в неволе (Мн). Цель моделирования состояла в том, чтобы описать динамику весового роста в связи с условиями кормления, а также дать рекомендации по выкармливанию нерп.

Общеизвестно, что из всего объема съеденной пищи лишь часть усваивается и идет на поддержание жизнедеятельности, активность и на весовой рост. Модель весового роста содержит коэффициент  ассимилированной пищи, обеспечившей прирост массы тела (a):

dМн = a · Мпi,

Мнi' = Мнi-1' + dМн,

где i – день наблюдения,

Мпi – масса скормленной рыбы,

dМн – ежедневный прирост массы особи, зависящий от объема съеденной пищи.

Предварительный анализ данных показал, что с течением времени доля пищи, идущей на рост (a), постепенно возрастает независимо от характера кормления. Это заставило усложнить модель и отразить в ней изменения коэффициента ассимиляции. По сути, это новая скрытая переменная, лучше сказать, переменный параметр. Уравнение принимает вид:

ai = ai-1 + b · ai-1,

где b – коэффициент ежедневного увеличения коэффициента ассимиляции пищи. Полная модель теперь выглядит так:

ai</s