- •1 Понятие модели и моделирования.
- •5 Функция распределения вероятностей (ф.Р.В.), плотность распределения вероятностей (п.Р.В.) и моменты базовой случайной величины (бсв).
- •6 Показатели качества программных датчиков бсв и методы их улучшения
- •7 Необходимые и достаточное условия статистической независимости случайных величин (с. В.). Соотношение статистической зависимости с. В. И зависимости функциональной.
- •9 Методы построения датчиков дискретных с. В. На основе датчика бсв.
- •10 Методы построения датчиков непрерывных с. В. На основе датчика бсв.
- •18 Расчёт надёжности методом статистического эксперимента
- •25 Преимущества и недостатки аналитического и статистического методов моделирования.
- •26 Методы понижения дисперсии.
- •29 Четыре парадигмы имитационного моделирования.
1 Понятие модели и моделирования.
Имитационное моделирование (ИМ) применяется для исследования и проектирования таких сложных систем и процессов, как предприятия, информационные сети, мировые динамики в экономике или экологии и т.д.
Имитационная модель системы – это программа, в которой определяются все наиболее существенные элементы и связи в системе и задаются начальные значения параметров, соответствующие некоторому «нулевому» моменту времени, а все последующие изменения, происходящие в системе по закону причин и следствий, вычисляются на ЭВМ автоматически при выполнении программы.
Такой метод моделирования не требует составления уравнений и, тем более, не требует их решения. При этом он позволяет отображать и исследовать поведение системы с любой детальностью и точностью.
Выполнение имитационной модели называется имитационным экспериментом (ИЭ). В ходе ИЭ компьютер имитирует функционирование системы и вычисляет все необходимые характеристики свойств, проявляемых системой.
ИЭ подобен натурному эксперименту. Однако он позволяет, в отличие от натурного метода, экспериментировать с системами, которых еще или уже нет, позволяет предсказывать поведение существующих систем в будущем, изучать их поведение в чрезвычайных условиях. Он дешевле и быстрее натурных экспериментов.
5 Функция распределения вероятностей (ф.Р.В.), плотность распределения вероятностей (п.Р.В.) и моменты базовой случайной величины (бсв).
Ф. р. в. — вероятностьтого, что случайная величина X примет значение, меньшее, чем х, где х — произвольное действительное число:
F(x) — неубывающая функция; 0≤F(x) ≤ 1.
Ф. р. в.полностью задает случайную величину. Если X — дискретная случайная величина, принимающая значениях1, x2... с вероятностями p1,p2,..., то ее функция распределения будет:F(x) = ∑рk; она разрывна и возрастает скачками в точкаххk.Если X — непрерывная случайная величина, то у нее существуетплатность распределения вероятностей f(x)и Ф. р. в. Будет:
Плотностью распределения вероятностей непрерывной случайной величины Х называется функция f(x)– первая производная от функции распределенияF(x).Плотность распределения также называют дифференциальной функцией. Для описания дискретной случайной величины плотность распределения неприемлема. Смысл плотности распределения состоит в том, что она показывает как часто появляется случайная величина Х в некоторой окрестности точкихпри повторении опытов.
После введения функций распределения и плотности распределения можно дать следующее определение непрерывной случайной величины.
Важными характеристиками случайной величины являются моменты. Моменты могут быть вычислены напрямую через определение путём интегрированиясоответствующих степеней случайной величины. В частности, дляабсолютно непрерывного распределениясплотностьюимеем:
если
6 Показатели качества программных датчиков бсв и методы их улучшения
Для моделирования на ЭВМ реализаций БСВ используются
специальные программы, называемые программными датчиками БСВ.
В основе программных датчиков БСВ лежат рекуррентные формулы вида:
(2)
Соотношение (2) описывает детерминированный алгоритм, однако при соответствующем подборе преобразования, φ получаемые на его основе псевдослучайные числа {αi} по своим функциональным числовым характеристикам близки к БСВ. Алгоритмы моделирования вида (2) обладают общим недостатком : начиная с некоторого момента 0
t последовательность псевдослучайных чисел образует цикл, который повторяется бесконечное число раз. Длина Т циклически повторяющейся последовательности называется периодом датчика БСВ.Период Т и коэффициент использования БСВ k являются основными показателями качества программных датчиков БСВ. Лучшим датчикам соответствуют большие значения Т и k .
Улучшение параметров надо искать.!