- •Моделирование дискретных систем
- •13022012 Лекция 2
- •Модель.
- •20022012 Лекция 3 Математическое моделирование дискретных систем
- •Функция распределения f(X) сама является случайной величиной, распределенной равномерно на отрезке [0,1].
- •27022012 Лекция 4
- •Законы распределения
- •05032012 Лекция 5
- •Числовые характеристики случайных величин
- •12032012 Лекция 6 Системы массового обслуживания
- •Параметры
- •19032012 Лекция 7
- •3) Дисциплина обслуживания (до fifo).
- •Многоканальные смо
- •26032012 Лекция 8
- •2. Характеристики функционирования смо
- •2.1.Характеристики одноканальных смо (ок смо) с однородной нагрузкой
- •Формулы Литлла: Число время
- •02042012 Лекция 9
- •2.1.Характеристики одноканальной смо с неоднородной нагрузкой
- •2.3.Характеристики многоканальной смо с однородной нагрузкой
- •09042012 Лекция 10 Имитационное моделирование смо
Функция распределения – неотрицательная функция F(x)≥0
Функция распределения – неубывающая функция (если x2 x1, то F(x2) F(x1))
На минус бесконечности функция распределения равна нулю, а на плюс бесконечности - единице, то есть F(- )=0, а F(+ )=1
Вероятность попадания случайной величины X в отрезок [x1, x2] равна приращению функции распределения на этом отрезке, то есть Pr{x1 x x2}=F(x2)-F(x1);
Функция распределения f(X) сама является случайной величиной, распределенной равномерно на отрезке [0,1].
27022012 Лекция 4
Плотность распределения
Для вероятностного описания непрерывных случайных величин помимо функции распределения широко используется понятие функции плотности распределения (закон распределения задаётся в виде плотности f(x)). Плотность распределения называется плотностью вероятности или дифференциальной функцией (законом) распределения.
Свойства плотности распределения:
Плотность распределения – неотрицательная функция;
Вероятность попадания случайной величины х в отрезок [х1,х2] Pr{x1≤x≤x2}=
Законы распределения
В теории моделирования дискретных систем чаще всего используются два закона распределения:
Закон распределения Пуассона
Геометрический закон распределения
Распределения Пуассона описывает случайную величину Х, что вероятность того, что она принимает целочисленное значение k, выражается по формуле:
P
(1.4)
k=Pr{X=k}= e-a , k=0, 1, 2, ...,N; где а>0 и называется параметром распределения Пуассона.
Геометрический закон распределения – это распределение дискретной случайной величины Х=k вида:
Pk=Pr{X=k}=(1-)k, k=0, 1, 2, ..., N; где - параметр распределения (0< <1).
Если параметр заменить параметром =1- : Pk= k(1-), k=0, 1, 2, ...,N; где 0<<1.
(Обладает свойством отсутствия последействия, то есть прошлое не влияет на настоящее или будущее)
В случае непрерывных случайных величин широко используемыми законами распределения (ФРНСВ):
Экспоненциальное распределение;
Распределение Эрланга;
Гиперэкспоненциальное распределение;
Гиперэрланговское распределение (Распределение пальмы);
Равномерное распределение.
Экспоненциальное распределение – это распределение непрерывной случайной величины с функцией распределения: F
(1.6)
(t)=1-e-t, t 0; где >0 и называется параметром экспоненциального распределения. Однопараметрический закон, так имеет лишь один параметр .Плотность распределения: f(t)=F/(t)= e-t, t 0.
(единственное непрерывное распределение, которое обладает свойством отсутствия последействия).
Будущее ЭРСВ не зависит от прошлой истории этой величины.
Свойство отсутствия последействия для непрерывных случайных величин на примере телефонных проводов.
t 0 – прерывание разговора
τ –t1 – весь интервал разговора
τ’ – дальнейший непрерывный разговор
Все интервалы распределены, как исходный.
Математическое обоснование:
F’ (t)=Pr{’ t}=Pr{ t+t0|>t0}= = (используем четвертое свойство функции распределения и определение условной вероятности).
чтд
Распределение Эрланга k-го порядка
Называется распределение, описывающее непрерывную случайную величину, представляющую собой сумму k независимых случайных величин, распределенных одинаково по Экспоненциальному закону с параметром .
- параметр экспоненциального распределения
k- число независимых случайных величин
F
(1.8)
k(t)=1-e-t , t 0;f
(1.9)
k(t)= e-t, t 0,где k=1, 2, 3, ..., N
Распределение Эрланга является двухпараметрическим.
Экспоненциальное распределение можно рассматривать как частный случай распределения Эрланга при k=1. При k распределение Эрланга приближается к нормальному распределению.