- •Введение Понятие модели. Имитационная модель. Основные характеристики сложной системы.
- •1. Классификация моделей
- •2. Структура моделей
- •3. Схема взаимодействия компонентов системы между собой
- •4. Последовательные этапы процесса имитации
- •5. Представление исходных данных для имитации
- •6. Моделирующий алгоритм
- •7. Принципы построения моделирующих алгоритмов для сложных систем
- •8. Организация статистического моделирования систем на эвм
- •8.1. Общая характеристика метода статистического моделирования (метод Монте-Карло)
- •8.2. Алгоритм метода статистических испытаний
- •8.3. Псевдослучайные числа и процедура их генерации
- •8.4. Моделирование испытаний в схеме случайных событий
- •8.5. Формирование возможных значений св
- •8.6. Формирование реализаций случайных векторов
- •8.7 Определение необходимого числа реализаций
- •8.8. Особенности фиксации и статистической
- •8.9. Случайный процесс
- •8.10. Особенности использования критериев согласия в методах регрессионного и корреляционного анализа при обработке результатов моделирования и их интерпретации
- •8.10.1. Критерий Пирсона ( критерий 2 )
- •8.10.2. Критерий Колмогорова
- •8.10.3. Критерий Смирнова
- •8.10.4. Критерий Стьюдента
- •9. Динамическое моделирование
- •9.1 Основные теоретические положения
- •9.1.1. Основные этапы построения динамической модели
- •9.1.2. Структура динамической модели
- •9.1.3. Математическое описание динамической модели
- •9.1.4. Запаздывания
- •9.1.5. Процесс принятия решения
- •9.2. Пример анализа системы методом динамического моделирования
- •10. Регрессионный и корреляционный анализ
- •10.1. Моделирование систем массового обслуживания (смо)
- •10.2. Описание q -схем с использованием марковских случайных процессов (сп)
- •10.3. Уравнение Эрланга и формула Эрланга
- •10.4. Правила составления ду
- •10.5. Моделирование смо с помощью метода статистических испытаний
- •10.6. Формирование входного потока ( 3 -ий блок )
- •10.7. Подалгоритм выбора канала
- •10.8. Подалгоритм выбора заявки из очереди на обслуживание
- •10.9. Подалгоритм моделирования сбоев
- •10.10. Агрегаты, основные понятия
- •10.11. Процесс функционирования агрегата
- •10.12. Представление смо в виде агрегата
- •11. Регрессионный и корреляционный анализ
- •11.1. Регрессионный анализ
- •11.2. Корреляционный анализ
8.4. Моделирование испытаний в схеме случайных событий
1) Моделирование случайных воздействий:
Простейшими случайными объектами при статистическом моделировании систем являются случайные события. Пусть СЧ Xi - это возможные значения случайной величины , равномерно распределенной на интервале [0,1]. Необходимо реализовать случайное событие А, которое наступает с заданной вероятностью P. Определим А как событие, состоящее в том, что выбранное значение Xi случайной величины удовлетворяет неравенству Xi P, тогда вероятность наступления события А определяется как P(A):
P
P(A) = dx = P
0
А вероятность того, что событие А не наступит: P(A ) = 1 - P(A)
Пример:
Ротказ. = 0,3; Рнорм. = 0,7
ДСЧ с норм. з-ном
распред-я
нет
Xi 0,3
да работа
отказ
2) Группа событий (метод розыгрыша по жребию):
Пусть А1, Аs- полная группа событий, Р1, Рs - вероятность наступления этих событий.
Определим Am как событие, состоящее в том, что выбранное значение Xi cлучайной величины удовлетворяет неравенству lm-1 Xi lm,
r lm
где lr = Pi. Тогда P(Am) = dx = Pm
i=1 lm-1
3) Моделирование испытаний, состоящих из двух независимых простых событий:
P(A), P(B) - вероятности наступления событий А и В соответственно.
P(AB) = P(A)P(B)
P( AB) = P(A)P(B) = P(A)[1 -P(B)]
P(AB) = P(A)P(B) = [1 - P(A)]P(B)
P(AB) = P(A)P(B) = [1- P(A)][1- P(B)]
4) Моделирование сложного события, состоящего из зависимых событий:
P(A), P(B)
P(B/A)
P(B/A) - ?
Применим формулу Байеса:
P(B) = P(A)P(B/A) + P(A)P(B/A) (8.3)
P(B/A) = [P(B) - P(A)P(B/A)] / P(A)
Исход моделируется также, как и при независимых испытаниях (2 подхода).
8.5. Формирование возможных значений св
с заданным законом распределения
I. Точный универсальный (прямой) метод:
Теорема:
Если СВ имеет функцию плотности распределения f(y), то распределение СВ
= f(y)dy (8.4) имеет равномерный закон распределения в интервале [0,1].
-
Чтобы получить число, принадлежащее совокупности СЧ {yi}, имеющее f(y), необходимо разрешить относительно yi уравнение:
yi
f(y)dy = xj (8.5)
-
Пример: необходимо получить последовательность СЧ, имеющих экспоненциальный закон распределения f(y) = e-y
yi yi
f(y)dy = xj = e-ydy = -e-yi + 1 = xj
0 0
ln (1 - xj) = -yi , yi = -1/ ln xj (8.6)
Достоинства метода: он дает самые точные результаты.
Недостатки метода: он используется тогда, когда:
- возможно взять
- возможно решить уравнение относительно yi
II. На базе центральной предельной теоремы теории вероятности (приближенный неуниверсальный метод):
1) получение последовательности СЧ с нормальным законом распределения:
Пусть требуется получить последовательность СЧ {yi}, имеющих нормальное распределение с математич. ожиданием а, среднеквадратич. отклонением и функцией плотности распределения f(y):
f(y) = 1/2 exp[ -(y-a)2/22] (8.7)
Теорема:
Если независимые, одинаково распределенные СВ X1, Xn имеют математич. ожидание а1 и среднеквадратичное отклонение 1, то сумма этих чисел асимптотически стремится к нормальному распределению с а = а1n (11.6)
и = 1n (8.8).
При моделировании в качестве базового распределения используется равномерное на интервале [0,1]:
a = 1/2n (8.9) ; = 1/23n (8.10)
Пример:
Получить последовательность СЧ с нормальным законом распределения,
а = 5, = 1.
a =1/2n , n = 16 ; = 1/23n , n =12
2) получение последовательности СЧ с пуассоновским законом распределения:
Теорема:
Если Р - вероятность наступления события А при одном испытании, то вероятность наступления m событий при n независимых испытаниях, когда
n , P 0, nP = a (8.11) асимптотически равна P(m,a):
am
P(m,a) = e-a (8.12)
m!
и носит пуассоновский закон распределения.
Алгоритм:
P = 0,1 - 0,2
Из (8.11) определяется n - количество испытаний
n
ДСЧ с равномер. m = k
з-ном распред-я
Xi
да
Xi P k = k +1
нет
III. Методы получения СЧ с нормальным законом распределения:
1) метод Бокса-Маллера:
yn = (-2 ln Un)1/2 cos 2Un+1 (8.13)
yn+1 = (-2 ln Un)1/2 sin Un+1 (8.14)
Числа Un и Un+1 равномерны на [0,1], yn и yn+1 - это нормальные числа с математич. ожиданием = 0 и = 1.
Тогда числа с математич. ожиданием и :
xn = + yn
xn+1 = + yn+1 (8.15)
IV. Метод, основанный на аппроксимации (приближенный универсальный):
Пусть требуется получить {yi} с f(y), возможные значения которой лежат в интервале (a, b).
f(y)
f(y)
a ak ak+1 b y
Представим f(y) в виде кусочно постоянной функции, т.е. разобьем (a, b) на m интервалов таким образом, чтобы вероятность попадания СВ в любой интервал (ak , ak+1) была одинаковой и постоянной.
yi = ak + yik
ak+1
f(y)dy = 1/m (8.16)
ak
Для того, чтобы найти ak, необходимо решить (8.16) относительно ak+1. (8.16) решается до процесса моделирования.
f(x) = 1/(b-a)
yik
xj = 1/(ak+1 - ak) dy , yik = xj(ak+1 - ak)
0
yi = ak + xj(ak+1 - ak) (8.17)
Алгоритм формирования чисел:
а) до процесса моделирования формируется таблица значений ak;
б) в процессе имитации формируется СЧ xj с равномерным законом распределения и в соответствии со значением xj выбирается интервал ak, ak+1;
в) формируется следующее СЧ xj+1 в интервале [0,1] с равномерным законом распределения и в соответствии с (8.17) получаем yi.