- •1. Цель, суть и сферы применения моделирования.
- •2. Определения модели и моделирования; этапы моделирования.
- •3. Суть и роль общепринятых методологических подходов в познавательной деятельности и моделировании.
- •4. Классич. И системн. Подходы в сравнении их познавательных установок
- •5. Понятие системы и внешней среды; "внутренние" и "внешние" системы.
- •6. Структурный и функциональный подходы в моделировании; иерархия уровней моделирования
- •7. Отношение "моделирования" в классическом и системном подходах; основания для перехода к моделированию на основе системного подхода.
- •9. Классификация моделей и моделирования по форме представления объекта.
- •10. Реальные модели; их возможности
- •11. Наглядные модели; их возможности.
- •12. Символические модели; их возможности
- •13. Математические модели, их возможности.
- •14. Имитационное моделирование.
- •15. Кибернетические модели; их возможности
- •16. Организация цифрового статистического моделирования; метод статистических испытаний (Монте-Карло).
- •17. Понятие моделирующего алгоритма.
- •18. Классификация моделей по полноте описания; примеры
- •19. Случайные события; их описание и графическое представление
- •20. Случайные величины и их графическое представление
- •21. Моделирование случайных событий
- •22. Моделирование непрерывных случайных величин методом обратной функции
- •23. Универсальный способ формирования непрерывной случайной величины.
- •24. Описание дискретных случайных величин (полная функция, приближ числ хар-ки)
- •25. Моделирование дискретных случайных величин методом обратной функции
- •26. Способы формирования базовых случайных величин (бсв); их возможности
- •27,28. Свойство конгруэнтности (сравнимости) целочисленных величин и его использование в генераторах бсв
- •29. Мультипликативная и мультипликативно-аддитивная процедура генерации бсв.
- •30. Проверка бсв; плотность распределения и математическое ожидание равномерного распределения.
- •32. Проверка законов распределения псв; критерий Пирсона.
32. Проверка законов распределения псв; критерий Пирсона.
Пусть имеется теор. закон распределения с.в. Имеется некоторое мн-во статистических данных, которые подчиняются некоторому собственному закону распред-я. Фактические данные могут отличаться от теории в связи с тем, что:
а) теор. кривая не соотв. фактическому распределению, т.е. гипотеза не верна;
б) случайные факторы.
При условии, что гипотеза выбрана правильно, мы должны убедиться, что отклонения полученной кривой от теор. связаны со случ. факторами. Для этого определяем вероятность того, что зафиксированное случайное расхождение не больше допустимого и объясняется случ. факторами.
Для опред-я расхождения теор. кривой с практической разбиваем весь диапазон на интервалы, при этом чем больше выборка тем точнее. Подсчитываем число попаданий в каждый интервал Ni, и статистическую вероятность Ni/N. Сама мера или степень расхождения является с.в. и подчинена своему з-ну распред-я, зависящему от вида теор. кривой и случайных факторов.
Для проверки закона распределения используют критерий Пирсона.
Идея м-да сост. в контроле отклонения гистограммы эксперим. данных от теор.
Распред-е χ2 зависит не только от кол-ва интервалов, но и от числа степеней свободы r, которые определяются во-первых числом интервалов, а во-вторых числом независимых условий и связей: r=k-s, s определяется кол-вом ограничений, накладываемых на фактич. распред-е. По спец. таблицам определяем вер-ть того, что факт. расхождение будет не меньше полученного в связи с чисто случайными факторами.