- •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.
17. Понятие моделирующего алгоритма.
Для моделирования сложные реальные системы разбивают на на элементарные процессы в пространстве и времени, которые связаны между собой, достаточно точно отображают реальные хар-ки объекта и просты для построения..
Совокупность связей между элементарными процессами, отображающими реальный процесс, представляется с помощью моделирующего алгоритма. Описание взаимных и логических связей между элементарными процессами и является моделирующим алгоритмом.
18. Классификация моделей по полноте описания; примеры
Различают: полные (отражают все ф-ции объекта и адекватно), неполные (отображают некоторые ф-ции объекта неадекватно) и приближенные (не все ф-ции и не все адекватно). Пример: Самолет
1) Полная – Испытательная модель: взлетает, садится, летает, заводится
2) Неполная – Планер в эродинамической трубе: Не летает, не заводится, отображает воздействие воздушных потоков.
3) Приближенная – Макет выполненный в уменьшенном масштабе.
19. Случайные события; их описание и графическое представление
Случайное событие - подмножествомножества исходовслучайного эксперимента; при многократном повторении случайного экспериментачастота наступления событияслужит оценкой еговероятности. Вероятностные закономерности проявляются только в массовых явлениях, т.е. когда один и тот же объект изменяет свое состояние многократно или когда множество одинаковых объектов однократно изменяют свое состояние одинаковым образом. Массовые явления и процессы характерны неоднократным повторением при постоянных условиях некоторых событий.
Событием в теории вероятностей называется явление, происходящее при реализации какого-либо комплекса условий, который может быть воспроизведен сколь угодно большое число раз. Массовые явления всегда являются результатом большого, иногда бесконечно большого числа испытаний.
Испытание – это воспроизведение комплекса условий какого – либо события.
Событие, которое всегда происходит в результате испытаний, называется достоверным.
Событие, которое никогда не происходит в результате испытаний, называется невозможным.
Событие, которое иногда происходит в результате испытаний, называется случайным.
Например: выпадение «орла» или «решки» при подбрасывании монеты является событием; само подбрасывание – это испытание; падение монеты – достоверное событие; ее вылет в космос – невозможное событие; выпадение «орла» (или «решки») – случайное событие.
Невозможные и достоверные события детерминированы (предопределены) их причинами. Случайные события обусловлены игнорированием слабых (несущественных) связей или незнанием связей сильных. Т.о., по крайней мере в макромире, случайность является результатом незнания всех причин явления.
Пусть событие А происходит с вероятностью р(А). Соответственно противоположное событие А формируется с вероятностью 1-р(А). Появление любого из этих событий – достоверное событие, т.е. вероятность появления любого – равна 1.
На оси абсцисс получаем пороговое значение с.в., а заштрихованная площадь соответственно есть ее значение.
Процедура генерации: если xi<xпор, то событие А, иначе неА, и формируем следующее xi+1, сравниваем с xпор. Аналогично формируем несколько случайных событий с заданными вероятностями: р(А1), р(А2) …. Для этого весь прямоугольник разбивается на несколько частей в соответствии с вероятностями. Если xi<x<xi+1 тогда Аi.
Если результаты случайных событий поддаются количественной оценке, то их характеризуют при помощи случайных величин.
Случайная величина – это переменная, принимающая в результате испытаний то или иное числовое значение.