книги из ГПНТБ / Каретников, В. Н. Основы вычислительной техники учебное пособие
.pdfЬг= ± ( f 3- A ) i b 3-,
Hi= ~2~( /о |
fn) ~ a 3i |
/о --- / з + / о —/ я ) » |
|
где |
|
/,,= Д О ) ; Л = /Ш ; |
/ ' - - / ( т г ) ' - |
/ и - / |
11-2г. |
12 |
|
Для вычисления Ь2 разделим период 2я не на 12 час |
|
тей, как для вычисления других коэффициентов, а на |
8 равных частей, допуская, что соответствующие зна
чения
f \ = J \ 8 |
2г.-3 |
2к-5 |
f s = f |
/» “ / |
можно снять с графика, тогда
b-2= |
/з + Л ~ /г )- |
Пр име р . Найти приближенную формулу для три гонометрического ряда, представляющего эксперимен тальные данные, приведенные в табл. 5.
|
|
|
|
|
Т а б л и ц а 5 |
/о |
Л |
/г |
h |
и |
h |
2,714 |
3,042 |
2,134 |
1,273 |
0,788 |
0,495 |
/б |
и |
h |
и |
/ю |
fn |
0,370 |
0,540 |
0,191 |
—0,357 |
—0,437 |
0,767 |
Пользуясь приведенными выше формулами, находим
а° = |
=0,960 ; |
60
«3=0,271; Ьз—0,100; =0,915; а, = 0,901; а2 = 0,542.
Построив график функции f(x) и сняв с него орди
наты fu fa, |
f5, f7, получим 462 = / i—/з+ fs—/7 = 2,36, отку |
да &2= 0,59 |
(приближенно). |
Таким образом, приближенная формула для иско мого ряда Фурье будет
/(.v)—0,96+0,90cosx-f-0,54cos2x+0,27cos3.v-f -f 0,92sinx-f-0.59sin2x+0,10sin3x.
Гармонический анализ и синтез можно производить посредством приборов (гармонических анализаторов и синтезаторов).
Понятие о теории корреляции
Нередко наблюдаются случайные величины, между которыми имеется некоторая зависимость. Например, прочность бетона как-то зависит от количества воды, вводимой в бетонную смесь. Однако прочность зависит также от соотношения между количествами цемента и заполнителей, так что при данном количестве воды воз можно различное значение прочности. Зависимость та кого рода не функциональная, поскольку каждому зна чению аргумента соответствует некоторое распределе ние другой переменной; эга зависимость статистическая.
В табл. 6 приведены численные результаты наблю дений над двумя переменными, даны значения обеих переменных и числа появлений соответствующих пар значений.
Т а б л и ц а 6
У |
|
X2 |
|
X |
|
|
П(У}) |
|
Х\ |
. . . |
XI |
. . . |
«А |
||||
|
|
|||||||
У\ |
«и |
«21 . . . |
«а |
. . . |
«А1 |
п(У1 ) |
||
Уч |
«12 |
«22 . . . |
«12 |
• • • |
«А2 |
n(yz> |
||
УJ |
пм |
,П] . . . |
«;; |
. . . |
«А/ |
nfyj) |
||
У1 |
пи |
Пи . . . |
«а |
. . . |
«А/ |
П(У1> |
||
|
П(Х\) |
П(х2) . . . |
n(Xi) |
. . . |
п(хк) |
|
61
По этой таблице могут быть определены различные числовые характеристики, используемые в формулах и уравнениях теории корреляции. Например, полные сред ние значения обеих переменных отыскиваются по фор мулам
1 k |
1 ^ |
л:0= — 2 Xitiixt)] |
у0= — 2 >уг(у;). |
п г=1 |
j=l |
Непосредственное изучение статистической таблицы может дать лишь поверхностное представление о зави симости между обеими переменными (даже в пределах наблюдаемой выборки). Лучшее представление может дать сопоставление средних значений одной величины со всеми значениями другой. Такая зависимость назы вается корреляционной. О структуре этой зависимости первоначально судят по отображению статистической таблицы на чертеже.
Нередко оказывается, что построенные точки группи руются вдоль некоторой прямой, так что искомую связь предполагают линейной. Тогда ищут функцию в форме у = ах-\-Ь и подбирают коэффициенты по способу наи
меньших квадратов, причем оказывается, что искомая прямая проходит через точку (х0,уо)- Линейное урав нение приводят к виду у—Уо — р(х—х0), называемому уравнением регрессии у на х. Здесь
Р=h2j (■ *i-*o)(y/-yo)V /w2
и вычисляется по статистической таблице.
Полезно (даже, если по физическому смыслу пере менные неравноправны) составить также уравнение регрессии х на у. взаимное расположение обеих пря
мых дает довольно ясное представление о тесноте ли нейной зависимости. Для уточнения тесноты связи об разуют выражение, симметричное относительно обеих переменных, и называют коэффициентом корреляции:
2 (Xi—x0)(yi—y0)nij
Г— — ---------------------- .
При г—0 линейной корреляции нет (прямые парал лельны координатным осям); при |г | = 1 имеется функ циональная зависимость (прямые совпадают); при 0 < И < 1 есть линейная корреляционная зависимость;
62
с увеличением |г| теснота |
связи возрастает. |
При |
|г|=0,4 считают линейную |
связь слабой и ищут |
дру |
гую связь, о структуре которой заключают но располо жению точек, отображающих статистическую таблицу. И в этом случае подбирают коэффициенты намеченной связи по способу наименьших квадратов и проверяют тесноту связи по корреляционному отношению, полу чаемому из той же статистической таблицы.
2. Метод Монте-Карло (метод статистических испытаний)
Метод Монте-Карло — это численный метод решения математических задач при помощи моделирования слу чайных величин.
Хотя теоретическая основа метода была известна уже давно, однако до появления электронных вычисли тельных машин (ЭВМ), позволивших быстро моделиро вать случайные величины, этот метод не находил при менения. Датой его открытия считается 1949 год, когда вышла в свет статья американских математиков Дж. Неймана и С. Улама «The Monte Carlo method».
Как видим, эта дата соответствует периоду появления ЭВМ. Применение ЭВМ сделало метод Монте-Карло весьма универсальным численным методом.
Название метода происходит от названия города Монте-Карло д княжестве Монако, знаменитого своим игорным домом, так как простейшим механическим при бором получения случайных величин является рулетка.
Задачи, решаемые методом Монте-Карло
1)Метод Монте-Карло позволяет моделировать лю бой процесс, на протекание которого влияют случайные факторы.
2)Он позволяет решать многие математические за дачи, не связанные с какими-либо случайностями, путем искусственного создания их вероятностных моделей.
Пусть необходимо вычислить площадь плоской фи гуры S (рис. 11). Заключим эту фигуру в единичный квадрат. Нанесем в квадрате N случайных точек (их нужно «выработать»). При этом N' точек попадет
внутрь фигуры S. Очевидно, что площадь 5 приближен-
63
но будет равна |
N'/N. Чем больше будет М, тем выше |
|
будет точность |
этой оценки. Например, |
при N = 60 |
N' = 42. Тогда S = 0,70. «Выработать» случайные точки |
||
для единичного |
квадрата можно в простейшем случае |
|
следующим образом. Написать на двадцати |
отдельных |
бумажках цифры 0,1; 0,2;...; 0,9; 1,0; 0,1; 0,2;...; 0,9; 1,0;
положить эти бумажки в закрытый ящик, перемешать
их и извлекать по две, каждый раз возвращая их назад и снова перемешивая все бумажки. Каждая такая опе рация дает два числа — координаты случайной точки в единичном квадрате. Точность вычисления S зависит от
количества проделанных операций.
Получение случайных величин
Различают три способа получения случайных вели чин: таблицы случайных чисел, генераторы случайных чисел и метод псевдослучайных чисел.
Таблицы случайных чисел составляются с помощью
специальных рулеток, оборудованных электронными устройствами (а не ящика). Простейшая схема такой
64
рулетки показана на рис. 12 (вращающийся диск резко
останавливается и выбирается та цифра, на которую указывает неподвижная стрелка).
Самая большая из опубликованных таблиц случай ных чисел содержит 1000000 цифр (США, 1955 г.). Та кие таблицы должны вводиться в ЗУ ЭВМ, что требует увеличения памяти машины.
Генераторы случайных чисел. Рулетка — механиче ский прибор, обладающий медленным действием, по этому его нельзя присоединить к ЭВМ для выработки
/ |
\ |
0 9 |
/ \ |
|
||
|
1\ |
|
/ |
|
4 Д |
\ |
г м |
/ |
|
|
|
7 |
— |
|
\ |
\ |
5 |
/ |
||
\ |
/ |
i |
s |
|
/ |
|
|
|
|
|
Рис. 12. Схема рулетки
случайных чисел по мере надобности. Поэтому в качест ве генераторов случайных величин, работающих в комп лексе с ЭВМ, используют, например, шумы в электрон ных лампах: если за некоторый фиксированный про межуток времени At уровень шума превысил заданный
порог четное число раз, то записывается нуль, а если нечетное число раз,— то записывается единица. Всего предполагается т таких генераторов, работающих па
раллельно и засылающих нули и единицы во все двоич ные разряды специальной ячейки, так что в результате каждого такта получаем случайное число, записанное в m-разрядной двоичной дроби 0, а\ а2... ат, где каждая
из величин а , является случайной величиной. Существуют и более совершенные конструкции гене
раторов, однако все они обладают тем недостатком; что
5 2521 |
65 |
при их применении трудно проверить «качество» выра батываемых чисел, поэтому приходится делать периоди ческие проверки, а расчеты на ЭВМ с целью контроля производить дважды.
Псевдослучайные числа. При расчетах на ЭВМ наи более удобно использовать метод псевдослучайных чи сел. Числа, получаемые по какой-либо формуле и ими тирующие значения случайной величины, называются псевдослучайными числами. Единственным требованием к псевдослучайным числам является их удовлетворение принятой системе тестов: не противоречат ли те или иные свойства получаемой суммы чисел гипотезе о том, что эти числа — значения случайной величины.
Рассмотрим пример простейшего теста. Пусть имеет ся таблица цифр, содержащая нулей п0, единиц — п\, двоек — « 2 и т. д. до девяток. Чтобы считать числа таб
лицы случайными величинами, теория вероятностей накладывает требование на сумму
11 (л,-0,1 Л 02,
I- о
которая не должна быть слишком большой или слиш ком маленькой.
Псевдослучайные числа по мере надобности быстро вырабатываются по принятому алгоритму самой маши ной, что не требует значительного увеличения времени счета и памяти машины. Существует много алгоритмов выработки таких чисел.
Так, например, Дж. Нейман предложил метод сере дины квадратов. Задается любое ^-значное число. По
следующие |
псевдослучайные числа |
получаются так: |
X возводят |
в квадрат, получается 2Х- |
или 2Х— 1-знач- |
пое число (в последнем случае впереди приписывается нуль), из которого выбираются X средних цифр, затем
образовавшееся число возводят в квадрат и т. д. Другие алгоритмы основаны на особенностях конк
ретных ЭВМ.
Особенности метода Монте-Карло
Большинство расчетов но методу Монте-Карло в на стоящее время осуществляется с использованием псев дослучайных чисел на ЭВМ. При этом нужно иметь в виду две особенности метода Монте-Карло.
6 6
Первая особенность — простая структура вычисли тельного алгоритма. Как правило, составляется про грамма для осуществления одного случайного испыта ния. Так, в приведенном выше примере определения площади 5 надо выбрать случайную точку в квадрате и проверить, принадлежит ли она S. Затем это испыта ние повторяется N раз, причем каждый опыт не зави
сит от всех остальных и результаты всех опытов осредняются. Поэтому имеется второе название метода Монте-Карло — «метод статистических испытаний».
Второй особенностью метода является то, что ошиб
ка вычислений пропорциональна y o / N , |
где D — некото |
рая постоянная, a N — число испытаний. |
Таким образом, |
чтобы уменьшить ошибку в 10 раз, нужно увеличить N (то есть объем работы) в 100 раз. Поэтому применение
метода Монте-Карло считается наиболее эффективным
в тех задачах, где требуемая точность результата неве лика (5—10%).
Постоянная D зависит от удачности выбора вариан
та метода Монте-Карло, т. е. от способа расчета. Оче видно, нужно стремиться к снижению величины D.
Примеры применения метода Монте-Карло
Расчеты систем массового обслуживания необходи
мы при планировании предприятий и строек: вместо дорогостоящего" (а иногда просто невозможного) экспе римента в натуре они позволяют экспериментировать на ЭВМ путем моделирования разных вариантов органи зации работы при использовании оборудования.
Рассмотрим расчет одной из самых простых систем массового обслуживания на примере отсыпки земляной плотины самосвалами. Пусть к отсыпаемой бровке пло тины имеется п подъездных путей, по которым самосва
лы могут продвигаться только задним ходом (рис. 13). К точке а подъезжают самосвалы, причем моменты их
прибытия случайные. Каждый самосвал поступает к ли нии № 1. Если в момент поступления k-ro самосвала
(Т к) линия |
№ 1 |
свободна, то он разгружается |
на ней |
в течение i3 |
мин |
(t3— время занятости линии). |
Если в |
момент Тк линия № 1 занята, то машина идет на линию № 2 и так далее... Наконец, если все п линий в момент Tk заняты, то машина простаивает. Требуется опреде
5* |
67 |
лить, сколько (в среднем) машин может обслужить принятая система подъездных путей за время Т и ка
ковы возможные простои.
Первый вопрос, возникающий при рассмотрении такой задачи, состоит в том, что представляет собой поток поступающих автомашин. Этот вопрос решается опытным путем.
Пусть установлено, что промежуток времени т меж ду поступлением двух последовательных машин есть случайная величина, которая связана с искусственно
«вырабатываемыми» случайными (или псевдослучайны ми) величинами v соотношением
x = /(v ). |
(1 ) |
Так, например, при экспоненциальном распределе нии случайной величины т при плотности распределения а будем иметь
т = — Inv.
а
Схема дальнейшего расчета выглядит следующим образом. Предположим, что к машин уже принято.
Разыграем момент поступления /с+ 1-й машины. Для этого выбираем (машина «вырабатывает») очередное значение v и по формуле ( 1) вычисляем очередное зна чение х = х к . Момент поступления 6+ 1-й машины най
дем из выражения
Тки — Т к + т к. |
( 2) |
6 8
Свободна ли в этот момент первая линия? Для уста новления этого нужно проверить условие
где через t\ |
|
t\ < Т к :1 , |
|
|
|
|
|
(3) |
|
обозначено |
суммарное время |
занятости |
|||||||
первой линии до прихода /г + 1-й машины. |
значит, |
что к |
|||||||
Если условие (3) |
выполнено, |
то |
это |
||||||
моменту Т,с ' I линия |
уже |
освободилась |
и может |
при |
|||||
нять £+1-ю |
машину. |
При этом |
в программе |
следует |
|||||
заменить t\ |
на 7 Y i+ + , |
добавить |
единицу |
в |
счетчик |
принятых машин и переходить к /е+2-й машине. Если условие (3) не выполнено, то это значит, что первая линия в момент Ткл\ занята. Тогда нужно проверить,
свободна ли вторая линия из условия
где /2— суммарное |
*2< |
Т к ,, , |
(4) |
||
время занятости второй |
линии до |
||||
прихода £ + 1-й машины. |
|
|
|||
Если |
условие |
(4) |
выполнено, то в программе необ |
||
ходимо |
заменить |
/2 |
на |
7 + ц + / 3. добавить |
единицу в |
счетчик принятых машин и перейти к следующей ма шине. Если же условие (4) не выполнено, то следует перейти к проверке условия + < Тк ,\ и т. д.
Может оказаться, что при всех i от 1 до п £ ,> 7+ . i ,
т. е. все линии в момент 7Y, i заняты. Тогда надо доба вить единицу в счетчик отказов и потом рассматривать
следующую заявку. |
проверять еще |
|
Каждый раз, |
вычислив TKli, надо |
|
условие окончания опыта: |
(5) |
|
Когда условие |
Т к i 1 1> Т кон . |
|
(5) окажется выполненным, опыт за |
канчивается, в счетчике принятых машин и в счетчике
отказов будут |
стоять числа |
maun(j) |
и |
пг отк (/) (здесь |
|
индекс обозначает номер опыта). |
|
(с |
использованием |
||
Такой опыт |
повторяется |
N раз |
|||
различных v). |
Результаты |
всех |
опытов осредняются: |
||
|
1 |
n |
|
|
|
|
^Дцып. ср ■=- д [ “ ^ |
ни:;(?)5 |
|
1 N
Мотк. ср ==^ “дГ ^ ^ о т к ( 0 -
Метод Монте-Карло позволяет рассчитывать более сложные системы. Так, величина t3 может быть не
постоянной, а случайной и различной для различных линий (неодинаковое оборудование, различная длина
69