- •1. Случайные величины
- •2. Законы распределения и числовые характеристики дискретных случайных величин
- •1. Дискретная случайная величина, закон и функция распределения
- •2. Числовые характеристики дискретных случайных величин
- •3. Законы распределения и числовые характеристики непрерывных случайных величин Числовые характеристики непрерывных св
- •4. Случайные события. Потоки событий.
- •5. Центральная предельная теорема теории вероятностей.
- •6. Статистические оценки параметров распределения.
- •7. Определение требуемого объема выборки.
- •8. Понятие модели.
- •10. Общая характеристика и этапы имитационного моделирования.
- •11. Имитационные модели экономических систем.
- •13. Основные понятия теории массового обслуживания.
- •14. Система обозначения смо.
- •15. Основные характеристики эффективности смо. Показатели эффективности работы смо.
- •16. Общая характеристика метода статистического моделирования.
- •17. Датчики случайных чисел с равномерным распределением.
- •18. Моделирование простого события.
- •19. Моделирование полной группы несовместных событий и дискретной случайной величины.
- •20. Моделирование непрерывных случайных величин. Метод обратной функции. Моделирование случайных величин с показательным и равномерным распределением. Метод обратной функции.
- •8.2. Моделирование св с показательным распределением.
- •8.3. Моделирование св с равномерным распределением.
- •21. Моделирование случайных величин с нормальным распределением.
- •22. Моделирование случайных величин с произвольным распределением.
- •23. Общие сведения о gpss.
- •24. Работа в системе gpss (текстовый файл, трансляция, запуск процесса моделирования, работа с «окнами», вывод графика).
- •25. Типы операторов в gpss.
- •26. Блоки, связанные с транзактами (generate, terminate). Сегмент модели. Продолжительность прогона. Сегмент таймера.
- •27. Блоки, связанные с транзактами (assign, mark, priority, advance).
- •Assign (присвоить)
- •Mark (отметить)
- •Priority (назначить приоритет)
- •Advance (задержать)
- •28. Блоки и команды, связанные с аппаратными объектами (seize, release, enter, leave, storage, logic). Seize (занять устройство)
- •Release (освободить устройство)
- •Enter (войти в память)
- •Leave (выйти из памяти)
- •Storage (память)
- •Logic (установить логический ключ)
- •29. Блоки и команды для сбора статистических данных (queue, depart, qtable, table, tabulate).
- •Queue (встать в очередь)
- •Depart (покинуть очередь)
- •Qtable (q-таблица)
- •Table (таблица)
- •Tabulate (занести в таблицу)
- •30. Блоки, изменяющие маршруты транзактов (transfer, test, gate). Transfer (передать)
- •Test (проверить)
- •Gate (впустить)
- •31. Блоки и команды для хранения величин (savevalue, initial, msavevalue, matrix). Ячейки (ячейки сохраняемых величин).
- •Матрицы.
- •Savevalue (сохранить величину)
- •Msavevalue(сохранить значение элемента матрицы)
- •32. Блоки формирования и обработки семейств транзактов (split, assemble, gather). Split (расщепить)
- •Assemble (соединить)
- •Gather (собирать)
- •33. Переменные в gpss.
- •Арифметические, условные и логические операторы.
- •Переменные пользователя.
- •Генераторы случайных чисел.
- •Встроенные вероятностные распределения.
- •34. Функции в gpss
- •35. Интерпретация стандартного отчета.
- •1. Заголовок.
- •2. Общая информация о результатах моделирования.
- •3. Информация об именах.
- •4. Информация о блоках.
- •5. Информация об устройствах.
- •6. Информация об очередях.
- •7. Информация о памятях (многоканальных устройствах).
- •8. Информация о таблицах.
- •9. Информация о сохраняемых величинах (ячейках).
- •10. Информация о матрицах.
1. Случайные величины
Случайной величиной (СВ) называется величина, которая в результате опыта может принять некоторое неизвестное заранее значение. Различают дискретные и непрерывные СВ.
Дискретная СВ принимает конечное или счетное множество возможных значений (элементы множества, которые можно посчитать, пронумеровать).
Непрерывная СВ может принимать любые значения из некоторого промежутка (интервала).
СВ задаётся с помощью функций распределения, представляющей собой вероятность того, что СВ X в результате испытания примет значения меньше x.
Если непрерывна и дифференцируема, то непрерывную СВ можно задать с помощью плотности распределения вероятностей , которая является производной от функции распределения . Т.о.:
Свойства функции распределения:
1. Значения функции при изменении ( лежат в промежутке [0;1].
2. Функция есть неубывающая функция.
3. Имеют место равенства:
4. Вероятность попадания СВXв произвольный интервал (a; b) равна
Из свойств функции распределения вытекают свойства плотности распределения вероятности:
1. Плотность распределения вероятностей неотрицательна
2. Интеграл от плотности распределения по всей оси Ox равен 1
Т.о. площадь фигуры под графиком плотности равна 1.
3. Вероятность попадания СВX в произвольный интервал (a; b) равна интегралу от плотности распределения в пределах от (a; b)
2. Законы распределения и числовые характеристики дискретных случайных величин
1. Дискретная случайная величина, закон и функция распределения
Дискретной называют случайную величину, значения которой изменяются не плавно, а скачками, т.е. могут принимать только некоторые заранее определённые значения. Например, денежный выигрыш в какой-нибудь лотерее, или количество очков при бросании игральной кости, или число появления события при нескольких испытаниях. Число возможных значений дискретной случайной величины может быть конечным или бесконечным (счётным множеством)
Для сравнения - непрерывная случайная величина может принимать любые значения из некоторого числового промежутка: например, температура воздуха в определённый день, вес ребёнка в каком-либо возрасте, и т.д.
Закон распределения дискретной случайной величины представляет собой перечень всех её возможных значений и соответствующих вероятностей. Сумма всех вероятностей Σpi = 1. Закон распределения также может быть задан аналитически (формулой) и графически (многоугольником распределения, соединяющим точки (xi; pi)
Функция распределения случайной величины - это вероятность того, что случайная величина (назовём её ξ) примет значение меньшее, чем конкретное числовое значение x:
F(X) = P(ξ < X).
Для дискретной случайной величины функция распределения вычисляется для каждого значения как сумма вероятностей, соответствующих всем предшествующим значениям случайной величины. Ниже будет приведён пример, разъясняющий смысл сказанного.
2. Числовые характеристики дискретных случайных величин
Математическое ожидание дискретной случайной величины есть сумма произведений всех её возможных значений на их вероятности:
M(X) = x1p1 + x2p2 + ... + xnpn
Свойства математического ожидания.
1) Математическое ожидание постоянной величины равно самой величине:
М(С) = С
2) Постоянный множитель можно выносить за знак математического ожидания:
М(СХ) = С·М(Х)
3) Математическое ожидание суммы случайных величин равно сумме математических ожиданий слагаемых:
М(Х1 + Х2 + …+ Хn) = М(Х1) + М(Х2) + ... + М(Хn)
4) Математическое ожидание произведения взаимно независимых случайных величин равно произведению математических ожиданий сомножителей:
М(Х1 · Х2 · ... · Хn) = М(Х1) · М(Х2) · ... · М(Хn)
Дисперсия дискретной случайной величины есть математическое ожидание квадрата отклонения случайной величины от её математического ожидания:
D(X) = (x1 - M(X))2p1 + (x2 - M(X))2p2 + ... + (xn- M(X))2pn = x21p1 + x22p2 + ... + x2npn - [M(X)]2
Свойства дисперсии.
1) Дисперсия постоянной величины равна нулю: D(С) = 0
2) Постоянный множитель можно выносить за знак дисперсии, предварительно возведя его в квадрат: D(СХ) = С2 · D(Х)
3) Дисперсия суммы (разности) независимых случайных величин равна сумме дисперсий слагаемых: D(Х1 ± Х2 ± ... ± Хn) = D(Х1) + D(Х2) + ... + D(Хn)
Среднее квадратическое отклонение дискретной случайной величины, оно же стандартное отклонение или среднее квадратичное отклонение есть корень квадратный из дисперсии:
σ(X) = √D(X)
Мода дискретной случайной величины Mo(X) - это значение случайной величины, имеющее наибольшую вероятность. На многоугольнике распределения мода - это абсцисса самой высокой точки. Бывает, что распределение имеет не одну моду.
Коэффициент вариации случайной величины - это относительная мера вариации.
V(X) = |σ(X)/M(X)| · 100%
Асимметрия (коэффициент асимметрии) случайной величины (и дискретной, и непрерывной) As(X) - величина, характеризующая степень асимметрии распределения относительно математического ожидания. Коэффициент асимметрии дискретной случайной величины вычисляется по формуле:
As(X) = [(x1-M(X))3p1 + (x2-M(X))3p2 + ... + (xn-M(X))3pn]/σ3
Если коэффициент асимметрии отрицателен, то либо большая часть значений случайной величины, либо мода находятся левее математического ожидания, и наоборот, если As(X)>0, то правее.
Эксцесс (коэффициент эксцесса) случайной величины (и дискретной, и непрерывной) Ex(X) - величина, характеризующая степень островершинности или плосковершинности распределения, т.е. степень так называемого «выпада». Коэффициент эксцесса дискретной случайной величины вычисляется по формуле:
Ex(X) = [(x1-M(X))4p1 + (x2-M(X))4p2 + ... + (xn-M(X))4pn]/σ4 – 3