- •Имитационное моделирование экономических процессов
- •Кемерово 2008
- •Содержание
- •2. Требования к уровню освоения дисциплины.
- •3. Объем дисциплины
- •3.1. Объем дисциплины и виды учебной работы
- •3.2. Распределение часов по темам и видам учебной работы Заочная сокращенная подготовка
- •4. Содержание курса Тема 1. Понятия модели и моделирования
- •Тема 2. Основные принципы имитационного моделирования. Датчики случайных величин.
- •Тема 3. Этапы построения имитационной модели. Оценка адекватности модели
- •Тема 4. Технология создания имитационной модели и работы с ней в среде Excel.
- •Тема 5: Анализ данных, получаемых в имитационном моделировании
- •Тема 6: Классификация имитационных моделей экономических систем. Модели фирм.
- •Тема 7. Основы теории массового обслуживания.
- •5.Темы дискуссий
- •6. Лабораторные работы
- •Лабораторная работа № 1
- •Лабораторная работа №2
- •Лабораторная работа №3
- •. . . .
- •7. Задания для контрольной работы
- •7.1. Задание 1. Модель медицинского страхования компании
- •7.2. Задание 2. Имитационное моделирование одноканальной модели системы массового обслуживания.
- •7.3. Задание 3. Модель управления запасами
- •8. Экзаменационные вопросы
- •650992, Г. Кемерово, пр. Кузнецкий, 39. Тел. 25-75-00.
Тема 7. Основы теории массового обслуживания.
Понятие системы массового обслуживания. Классификация систем массового обслуживания. Понятие о марковском процессе. Основные параметры имитационной модели системы массового обслуживания. Поток событий в системе массового обслуживания. Одноканальная однофазовая модель системы массового обслуживания. Одноканальная многофазовая модель системы массового обслуживания. Многоканальная модель системы массового обслуживания. Модель управления запасами.
5.Темы дискуссий
Достоинства и недостатки имитационного моделирования.
Адекватность имитационной модели.
Проблемы практического использования имитационных моделей.
Моделирование бизнес-процессов.
Области применения методов имитационного моделирования.
6. Лабораторные работы
№№ и названия тем |
Цель и содержание лабораторной работы |
Результаты лабораторной работы (приобретаемые умения) |
Лабораторная работа №1. Программная реализация датчиков случайных величин с различными законами распределения. | ||
Тема 2. Основные принципы имитационного моделирования. Датчики случайных величин.
|
Получение последовательности квазиравномерной случайной величины |
Умение программировать получение последовательности случайных чисел различных распределений |
Лабораторная работа №2. Реализация датчиков случайных величин в табличном процессоре Excel. | ||
Тема 2. Основные принципы имитационного моделирования. Датчики случайных величин.
|
Получение последовательности квазиравномерной случайной величины |
Умение получать последовательности случайных чисел различных распределений с помощью Excel |
Лабораторная работа №3. Технология создания имитационной модели и работа с ней в среде Excel. | ||
Тема 4. Технология создания имитационной модели и работы с ней в среде Excel. |
Технология создания имитационной модели и работы с ней в среде Excel. |
Умение реализовать имитационную модель в табличном процессоре. |
Лабораторная работа № 1
Тема. Генератор случайных чисел
Теоретическое обоснование. Непрерывная случайная величина ξ имеет равномерное распределение в интервале (a,b), если её функции плотности f(x) и распределения F(x) имеют вид:
или графически
В этом случае числовые характеристики случайной величины ξ, принимающей значения x – математическое ожидание, дисперсия и среднее квадратичное отклонение соответственно будут:
Если границы интервала a=0, b=1 то функции плотности и распределения имеют вид
а математическое ожидание M|ζ| = 1/2 и дисперсия D|ζ| = 1/12.
Это распределение нужно получить на компьютере. Но получить его на цифровой ЭВМ невозможно, так как машина оперирует с n-разрядными числами. Поэтому на ЭВМ вместо непрерывной совокупности равномерных случайных чисел интервала (0, 1) используют дискретную последовательность 2n случайных чисел того же интервала. Закон распределения такой дискретной последовательности называют квазиравномерным распределением.
Математическое ожидание и дисперсия квазиравномерной случайной величины имеют вид
Дисперсия отличается от дисперсии равномерно распределенной случайной величины только множителем (2n+1)/(2n-1), который для больших значений n близок к единице.
На ЭВМ невозможно получить идеальную последовательность случайных чисел хотя бы потому, что на ней можно оперировать только с конечным множеством чисел. Кроме того, для получения значений х случайной величины ζ используются формулы (алгоритмы). Поэтому такие последовательности, являющиеся по своей сути детерминированными, называются псевдослучайными.
Полученные с помощью генератора псевдослучайные последовательности чисел должны состоять из квазиравномерно распределенных чисел, содержать статистически независимые числа, быть воспроизводимыми, иметь неповторяющиеся числа, получаться с минимальными затратами машинного времени, занимать минимальный объем машинной памяти.
Цель работы: получение последовательности квазиравномерной случайной величины и проверка её на равномерность (создание генератора непрерывных случайных равномерно распределенных величин, принимающих любые значения на интервале между двумя точками а и b (a<b) с равной вероятностью.)
Задание 1. Написать программу, которая:
получает последовательности из n чисел, равномерно распределенных на интервале (a, b) с помощью специальной функции (random());
проверяет эти последовательности на равномерность.
Проанализировать влияние на качество получаемой последовательности метода её получения и величины n.
Формула, используемая для создания генератора случайных чисел равномерно распределенных на интервале (a, b), использующая функцию random()), имеет следующий вид:
a + ( b -а)* random()).
Проверка качества последовательностей псевдослучайных чисел {xi} на равномерность может быть выполнена с помощью гистограмм. Интервал (0, 1) разбивается на т равных частей (подынтервалов), тогда при генерации последовательности {xi} каждое из чисел хj с вероятностью pj= 1/m, j= 1,2,…,m, попадает в один из подынтервалов.
Таким образом, гистограмма наглядно представляет распределение значений рассматриваемой величины. Допустим, имеется n измерений некоторой величины х1, х2, ..., хn. Для построения гистограммы выполним следующие действия.
Определим размах выборки х1, х2, ..., хn , т.е. R = xmax - xmin
Интервал R делим на m равных участков (допустим ), желательно, чтобы 5<= m<=20; тогда ширина одного участка s = r/m.
Определяем количество значений xi , попавших в каждый из m участков. Для этого используем формулу для номера участка, в который попадает значение xi: k:=[(x[i]-xmin)/s]+1, где k - номер участка в который попадает значение x[i], s - ширина одного участка, учтем, что применение этой формулы для xmax дает k= m + 1.
Строим m столбцов равной ширины, высота столбцов пропорциональна количеству значений xi , попавших в соответствующий участок интервала.
В результате вместо n чисел получим m чисел (m<<n).
Задание 2. Реализовать требования задания 1 для равномерно распределенных дискретных случайных величин, для симметричного треугольного и нормального распределений.
Формулы для создания генераторов случайных целых чисел:
типа а, а+1, а+2,..., а+n-1, выдаваемых с равной вероятностью, будет иметь следующий вид:
ЦЕЛОЕ(n*СЛЧИСЛ)+а;
для симметричного треугольного распределения a + ( b - а)*(СЛЧИСЛ+СЛЧИСЛ)/2;
для нормального распределений имеющего среднее значение μ, (соответствующее максимальной вероятности) и среднеквадратическое отклонение σ, (определяющее ширину или размах распределения) числа an можно получить с помощью алгоритма:
a :=0.0;
for i=0 to 12 do a := a + random()
an:= μ + (a-6.0)* σ);
псевдослучайную последовательность, распределенную по экспоненциальному закону можно получить с помощью алгоритма:
r := log(random());
me := μ *(-r);