- когда и возможно ли вообще выиграть в выше-указанные лотереи ,
- какие в этом случае будут у играющего затраты и выигрыши ,
- и на другие (один из них - при какой минимальной ставке будет экономически целесообразно про-водить игры ? ) .

      Метод имитационного моделирования можно рассматривать , как своеобразный экспериментальный метод исследования . От обычных прямых экспериментальных методов он отличается тем , что при его использовании испытаниям подвергается не сам объект , а реализованная на ЭВМ имитационная модель объекта .Для примера представьте , что вы решили играть в Спортлото или Русское – лото по “ крупному ” . Затраты большие с точки зрения простого человека , а в результате выигрыши оказываются в несколько раз меньше издержек . Каковы будут ваши чувства ? С другой стороны эти же неутешительные результаты можно получить не истратив и копейки , используя имитационную модель .
Вывод, имитационное моделирование применяется в том случае , если затраты на натурные испытания велики или провести их не представляется возможным.
Оперирование с имитационной моделью осуществляется при этом подобно тому , как это делалось бы с исследуемым объектом . Результаты моделирования истолковываются так же , как если бы это были данные натурных испытаний объекта .
     Если исследуемый объект или процесс и его имитационная модель имеют вероятностный характер функционирования , то для нахождения среднего значения какого-либо показателя необходимо осуществить многократное “проигрывание модели ” при фиксированных средних значе-ниях параметров объекта и внешних воздействий , а полученные случайные значения подвергнуть статистической обработке (все это делает за вас программа имитационного моде-лирования , на выходе виден только результат).
     Результаты имитационного моделирования могут быть оформлены в виде графиков или таблиц , в которых каждому варианту значений параметров исследуемого объекта поставлены в соответствие определенные значения показателей , оценивающих функционирование объекта. Однако зависимости между теми же величинами в аналитическом виде с помощью имитационной модели не могут быть получены .
     Несмотря на этот недостаток метод имитационного моделирования представляет более мощный инструмент исследования , чем классический аппарат математического анализа .Это объясняется тем , что имитационным моделированием может быть построена и экспериментально изучена и в том случае , если объект не поддается изучению аналитическими методами .
     Вывод, к методу имитационного моделирования обращаются тогда и только тогда ,когда аналитическое решение задачи исследования данного объекта затруднено или невозможно.
Исходя из вышеизложенных выводов автор разра-ботал имитационную модель , как инструмент исследования лотерейных игр .
     Как следует из определения сущности имитационного моделирования процедура использования этого метода включает 2 этапа :
- построение имитационной модели исследуемого объекта,
- целенаправленное экспериментирование с ней .

     Как было сказано выше метод имитационного моде-лирования - это инструмент с помощью которого исследуются лотерейные игры. На чем же основан он из каких со-ставных частей он состоит .Так же как автомобиль состоит из тысяч разных деталей , так и у конкретной имитационной модели есть “свой двигатель “ – метод статистических испытаний( иначе его называют методом Монте-Карло ) .Большая часть блок–схем , представленных выше , его описывает. Почему же выбран именно этот метод ?

     Выбор был сделан неслучайно . Если в ход функционирования системы вмешиваются случайные факторы, то она представляет собой случайный процесс, а ее показатели - вероятность какого-то события или же математическое ожидание какой- то случайной величины. Как уже было сказано выше при исследовании сложных систем установить анали-тическую связь (например, систему дифференциальных уравнений для вероятностей состояний или алгебраических уравнений для предельных вероятностей состояний) между заданными условиями и исследуемыми параметрами не всегда возможно , главным образом, только в тех случаях, когда случайные процессы, протекающие в рассматриваемой системе, марковские ( по фамилии русского ученого ) или близ-ки к ним , которые должны обладать следующими свойствами:

- стационарности (интенсивность потока событий такого процесса должна быть величина постоян-ная )
- ординарности ( вероятность появления двух и более событий равна 0 , т.е. в каждый момент времени может произойти только одно событие )
- отсутствия последействия ( вероятность появления определенного числа событий за некоторый промежуток времени не зависит от того сколько событий произошло раньше ).

      Если же это условие (процесс не является марковским ) не выполняется , то выйти из этой ситуации можно путем использования метода статистических испытаний .
Идея метода Монте - Карло чрезвычайно проста и состоит в следующем. Вместо того, чтобы описывать случайное явление с помощью аналитических зависимостей, произ-водится “розыгрыш” - моделирование случайного явления с помощью некоторой процедуры, дающей случайный результат. Так же как и в жизни конкретное осуществление процесса складывается каждый раз по иному, так же и в результате “розыгрыша” мы получаем один экземпляр - одну “реализацию” случайного явления. Произведя такой много-кратный “розыгрыш” мы получаем статический материал - множество реализаций случайного явления, - который можно обработать обычными методами математической статистики.
    Нередко такой прием оказывается проще, чем попытки построить аналитическую модель явления и иссле-довать зависимость между параметрами на этой модели. Для сложных систем , в которых участвует большое число элементов (машин, систем, людей, коллективов) и в которых случайные факторы сложным образом взаимодействуют между собой, метод статических испытаний, как правило, оказывается проще аналитического.
   В сущности, методом “розыгрыша” может быть решена любая вероятностная задача; однако оправданным он становится только в случае, когда процедура “розыгрыша” проще, а не сложнее применения аналитических, вычислительных методов.
   Заметим, что методом статических испытаний (Монте - Карло) можно находить не только вероятности событий, но и средние значения (математического ожидания) случайных величин. При этом будет использоваться закон больших чисел (теорема Чебышева). Согласно этой теореме при большом числе независимых опытов среднее арифметическое наблюденных значений случайной величины почти наверняка мало отличается от ее математического ожидания.

Многое другое о имитационном моделировании лотерей вывы узнайте из книги "Миллион в лотерею,мифы и реальность".закажите ее сейчас.