- •СОДЕРЖАНИЕ
- •2. АНАЛИТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
- •2.1. Математические модели.
- •2.2. Типовые схемы моделирования
- •2.3. Непрерывно-детерминированные модели (D-схемы)
- •2.6. Марковский случайный процесс
- •Рис. 2.4. Система АЛУ – память
- •2.7 Непрерывно – стохастические модели (Q – схемы)
- •2.7.1. Системы массового обслуживания. Потоки событий
- •2.7.2. Простейший поток
- •2.7.3. Непрерывные марковские цепи. Уравнения Колмогорова
- •2.7.4.Диаграмма интенсивностей переходов
- •2.7.5 Формула Литтла
- •2.7.7. Замкнутые системы массового обслуживания (СМО с ожиданием ответа)
- •2.7.8. Распределение Эрланга. Метод этапов
- •Рис 2.20. Пример использования метода псевдосостояний
- •2.7.8. Немарковские СМО
- •3. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ
- •3.1. Условия применения имитационного моделирования
- •3.2. Этапы имитационного моделирования
- •3.3. Способы моделирования случайных величин
- •3.4. Равномерно-распределённые случайные числа (РРСЧ).
- •3.4.1. Методы формирования РРСЧ.
- •3.4.2. Проверка качества последовательностей РРСЧ
- •3.5. Формирование случайных величин с заданным законом распределения.
- •3.5.1. Метод обратной функции.
- •3.5.2. Универсальный метод
- •3.5.3. Метод исключения (отбраковки, режекции, Дж. Неймана)
- •3.5.4. Метод композиции (суперпозиции).
- •3.6. Формирование случайных векторов с заданными вероятностными характеристиками
- •3.7. Моделирование случайных событий
- •3. 8. Сетевые модели
- •3.8.1. Сети Петри
- •3.8.2. Е-сети
- •3.8.3. Сетевая модель взаимодействующих параллельных процессов в операционной системе.
- •3.9. Управление модельным временем
- •3.10. Планирование машинных экспериментов
- •3.11. Обработка экспериментальных данных
- •3.11.1. Экспериментальные оценки
- •3.11.2. Оценки для математического ожидания и дисперсии
- •3.11.2. Доверительные интервал и вероятность
- •3.11.3. Точность. Определение числа реализаций
- •ЛИТЕРАТУРА
- •Основная литература
Одним из свойств этой функции является то, что
Ф*(-x) =1 -Ф*(x) .
Теперь определим вероятность попадания случайной величиныm~ в доверительный интервал, то есть решим вопрос о том, с какой вероятностью полученная оценка m~ отличается от действительного значенияm н более, чем на ε (рис. ).
m-ε |
~ |
m |
m+ε |
m |
|||
° |
° |
° |
° |
|
ε |
|
ε |
Рис. Попадание оценки в доверительный интервал.
Так как оценка m~ имеет нормальное распределение, то
|
|
~ |
|
|
|
|
|
|
|
|
|
|
|
* |
|
|
|
e |
* |
|
|
e |
|
e |
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
P( |
|
m - m |
< e ) = F (m + e ) |
- F (m - e ) = Ф |
|
( |
|
|
|
) - Ф |
|
( |
- |
|
) = 2Ф * ( |
|
) - 1 . |
|
||||||||||||
|
|
s |
|
s |
s |
|
||||||||||||||||||||||||
|
|
Но это доверительная вероятность: |
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
e |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
b = 2Ф * ( |
) - 1 . |
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
* 1 + b |
|
|
|
|
|
|
s |
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
e = s argФ |
) = s tb , |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
Отсюда |
|
( |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
* 1 + b |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
* |
|
|
|
|||
|
|
|
tb = argФ |
|
|
argФ |
* |
(x) − |
|
|
|
|
|
|
|
|
|
|
|
Ф |
(x) , т.е. такое |
|||||||||
|
|
где |
( |
|
|
) , |
|
|
функция, |
обратная |
|
|||||||||||||||||||
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
функцияФ*(x) равна x. |
|
||||||||
значение |
аргумента, при |
котором нормальная |
|
Для |
||||||||||||||||||||||||||
нормального |
закона |
|
|
|
распределения |
|
|
|
|
разработаны |
специальные |
,таблицы |
||||||||||||||||||
используя которые, можно для каждого β выбрать значение tβ. |
|
|
|
|
|
|||||||||||||||||||||||||
|
|
Окончательно: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
e= tbs = tb D .
3.11.3.Точность. Определение числа реализаций
Выбор |
количества |
реализаций |
является |
задачей |
тактиче |
|||
планирования эксперимента и зависит от того, какие требования по точности |
||||||||
предъявляются к результатам моделирования. |
|
|
|
|
||||
Пусть целью моделирования будет вычисление вероятности появления |
||||||||
события А. |
В каждой изN реализаций |
событие А |
может |
наступить |
или не |
|||
наступить. |
Иначе |
говоря, количество |
ξ наступления |
событий |
в |
данной |
142
реализации является случайной величиной, принимающей значения x1 =1 c вероятностью р и значение x2 =0 с вероятностью 1-р.
Математическое ожиданиеξ:
M [ x ] = x 1 p + x 2 ( 1 - p ) = p ,
дисперсия дляξ:
|
D [ x ] = ( x - M [ x ])2 p + ( x |
2 |
- M [ x ]) 2 ( 1 - p ) = p( 1 - p ) . |
|||||||
|
|
1 |
|
|
|
|
|
|
|
|
В качестве оценки для вероятностипринимается частотаm/N |
||||||||||
наступления события А в N реализациях. |
|
|||||||||
Частоту можно представить в виде: |
|
|||||||||
|
|
|
m |
|
1 N |
|
|
|
||
|
|
|
|
|
= |
|
åxi , |
|
|
|
|
|
|
N |
|
|
|
|
|||
|
|
|
|
N i=1 |
|
|
|
|||
где xi - количество наступления события А в i-й реализации. |
||||||||||
В |
силу |
центральной |
предельной теоремы(так как m/N представляет |
|||||||
собой |
сумму |
случайных |
|
величин) частота m/N |
при достаточно больших |
значениях N будет иметь распределение близкое к нормальному. Найдем характеристики для частоты.
Можно представить частоту в следующем виде:
m= N xi
å.
N i =1 N
Обозначим: |
|
xi |
|
= a . Тогда: |
|
|
|||||||||||||
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
N |
|
i |
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
p |
|
|
|
|
M [a ] = |
1 |
|
p + |
0 |
|
(1 - p) = |
; |
|
|
||||||||||
|
|
|
|
|
|||||||||||||||
|
|
i |
|
|
N |
|
|
N |
|
|
|
|
|
N |
|
|
|||
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
||||||
M [ |
] = M [ai ] × N = p; |
|
|
||||||||||||||||
N |
p(1 - p) |
|
|||||||||||||||||
|
|
|
1 |
|
|
|
|
|
1 |
|
|
|
|
|
|||||
D[a ] = |
(1 - p)2 p + |
|
(0 - p)2 (1 - p) = |
; |
|||||||||||||||
|
|
|
|
||||||||||||||||
|
|
i |
|
N 2 |
|
|
|
|
|
N 2 |
N 2 |
||||||||
|
|
|
|
|
|
|
|
|
|
||||||||||
D[ |
m |
] = ND[a ] = |
p(1 - p) |
. |
|
|
|||||||||||||
|
|
|
|
||||||||||||||||
|
N |
|
|
|
|
|
i |
|
N |
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
Для каждого значения достоверностиβ из таблиц нормального распределения можно выбрать такую величину tβ, что точность ε будет равна:
e = t b |
D[ |
m |
] . |
|
|||
|
|
N |
Подставляя значение дисперсии, получим:
e = tb |
p(1 - p) |
|
N |
||
|
143
Отсюда можно получить количество реализацийN, необходимое для
получения оценки m/N с точностью ε и достоверностью β: |
|
|
|
||
2 |
p(1 - p) |
|
|
|
|
N = tb |
|
. |
|
|
|
e 2 |
|
|
|
||
|
|
|
|
|
|
Но р заранее не известно. Поэтому поступают так. Берут N0 |
= 50 – 100, |
||||
определяют по результатам N0 реализаций m/N0 , а затем, принимая |
p » |
m |
, и |
||
|
|||||
|
|
|
|
N0 |
окончательно назначают |
значение N и проводят остальные N-N0 испытаний. |
||||||||||||||
Для случая, когда надо получить оценку математического ожидания: |
|||||||||||||||
|
|
|
|
|
|
|
~ |
|
|
|
|
|
~ |
|
|
|
|
= s ~t |
|
= t |
|
D |
|
|
|
tb ×s |
|||||
e |
b |
b |
b |
|
= |
|
|
|
|
|
. |
||||
|
|
|
|
|
|
||||||||||
|
|
m |
|
N |
|
|
|
|
|
N |
|||||
Отсюда: |
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
~ |
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
2 |
|
D |
|
|
|
||
|
|
|
|
|
|
N ³ tb |
|
|
|
|
. |
|
|
||
|
|
|
|
|
|
eb2 |
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||
Для оценки дисперсии: |
|
|
|
|
|
|
|
|
|
|
|
eb = tb ×s D = tb |
|
2 ~ |
|||
|
|
|
D |
||
~ |
|
|
|
N -1 |
|
Отсюда: |
|
|
|
||
~ |
2 |
|
|
|
|
2 |
|
|
|
||
D |
|
|
|
|
|
N ³ 2tb |
|
|
|
. |
|
e 2 |
|
|
|||
|
|
|
|
144