- •Классификация моделей.
- •Структура моделей.
- •II. Ко входному контакту элемента подключается не более, чем один элементарный канал. Выходные контакты могут иметь сколько угодно элементарных каналов.
- •Последовательные этапы процесса имитации.
- •II (4 этап):
- •6 Этап (трансляция модели):
- •7 Этап ( оценка адекватности):
- •Представление исходных данных для имитации.
- •2) Принцип особых состояний:
- •Алгоритм метода статистических испытаний.
- •Псевдослучайные числа и процедура их генерации.
- •Моделирование испытаний в схеме случайных событий.
- •Формирование реализаций случайных векторов.
- •I. Пусть цель моделирования - вычислить вероятность р некоторого события а:
- •Случайный процесс.
- •Критерий Колмогорова.
- •I. Входной поток(w):
- •1. Простейший поток (стационарный пуассоновский):
- •Уравнение Эрланга и формула Эрланга.
- •Правила составления ду.
- •Моделирование смо с помощью метода статистических испытаний.
- •Формирование входного потока ( 3 -ий блок ).
- •Подалгоритм выбора канала.
- •Агрегаты. Основные понятия.
- •Процесс функционирования агрегата.
- •Представление смо в виде агрегата.
- •Корреляционный анализ.
Случайный процесс.
При оценке случайного процесса используется оценка мат.ожидания и оценка корреляционного момента.
Весь интервал моделирования разбивается на n интервалов с Dt = const, и дальше идет накапливание значений процесса yj = jDt (14.8)
N
`y(tj) = 1/N å yi(tj) (14.9)
i=1
Тогда корреляционный момент определяется следующим образом:
N N N
`B(U,Z) = 1/(N - 1) å yi(U) yi(Z) - 1/[N(N - 1)] å yi(U) å yi(Z) (14.10)
i=1 i=1 i=1
где U и Z могут пробегать все значения t на интервале моделирования.
Стационарные случайные процессы, обладающие эргодическим свойством:
Для этих процессов характерно, что среднее по времени равно среднему по множеству. Тогда для оценки искомых величин выбирается одна длинная реализация процесса Y(t).
Оценка мат.ожидания:
T/Dt
`y = Dt/T åy(tj) (14.11)
j=1
Корреляционный момент:
(T-t)/Dt
B(t) = Dt/(T -t) åy(tj)y(tj + t) - `y2 (14.12)
j=1
Особенности использования критериев согласия в методах
регрессионного и корреляционного анализа при
обработке результатов моделирования и их интерпретации.
При обработке результатов моделирования наиболее часто возникают следующие задачи:
1) определение эмпирического закона распределения СВ;
2) проверка однородности распределения;
3) сравнение средних значений и дисперсий переменных, полученных в результате моделирования.
Эти задачи с точки зрения статистики являются типовыми задачами на проверку статистических гипотез. Для их решения используются критерии Колмогорова, Пирсона, Смирнова, Стьюдента (t - критерий), Фишера (f - критерий).
Критерий Пирсона ( критерий c2 ).
Схема применения критерия c2 к оценке согласованности теоретического и статистического распределений сводится к следующему:
1. Определяется мера расхождения c2 по формуле
k
U = c2 = å [(mi - Npi)2] / Npi
i=1
где U - мера расхождения, k - количество разрядов, mi - количество значений СВ, попавших в заданный разряд, N - объем выборки, Pi - вероятность попадания СВ на заданный интервал.
2. Определяется число степеней свободы r :
r = k - s
где r - число степеней свободы, k - количество разрядов, s - число связей, накладываемых на исходное распределение.
Примерами таких связей могут быть:
k
а) å `Pi = 1 , если мы требуем только того, чтобы сумма частот была равна
i=1 единице ( это требование накладывается во всех случаях );
k
б) å xi`Pi = mx , если мы подбираем теоретическое распределение с тем
i=1 условием, чтобы совпадали теоретическое и статистическое средние значения;
k
в) å (xi - `mx)2`Pi = Dx , если мы требуем, кроме того, совпадения
i=1 теоретической и статистической дисперсий.
3. По r и c2 с помощью таблицы определяется вероятность того, что величина, имеющая распределение c2 с r степенями свободы, превзойдет данное значение c2 . Если эта вероятность весьма мала, гипотеза отбрасывается как неправдоподобная. Если эта вероятность относительно велика, гипотезу можно признать не противоречащей опытным данным.