- •Имитационное моделирование экономических процессов
- •Содержание лабораторной работы №1
- •Варианты работ:
- •Лабораторная работа №2 Создание генераторов случайных чисел для «типовых» распределений
- •Содержание лабораторной работы №2
- •Варианты работ
- •Плотности распределения вероятностей
- •Лабораторная работа №3
- •Показатели эффективности смо:
- •Алгоритм моделирования смо м/м/n/0
- •Алгоритм моделирования смо м/м/n/∞
- •Лабораторная работа №4 Вычисление интегралов методом Монте-Карло
- •Интегралы:
- •Содержание лабораторной работы №4
- •Варианты работ
- •Лабораторная работа №5 Моделирование смо событийным способом
- •Событие «Прибытие заявки»
- •Событие «Окончание обслуживания»
- •Содержание работы
- •6. Лабораторная работа № 6 «Генерирование случайных чисел, равномерно распределенных на интервале (0, 1)»
- •Введение
- •Содержание лабораторной работы
- •7. Лабораторная работа № 7 «Основные модели смо»
- •Случай m/m/n/0
- •Случай m/m/n/
- •Случай m/m/n/m
- •Содержание лабораторной работы
- •Варианты работ
Содержание лабораторной работы №2
1. Создать генератор (программу) для вычисления значений случайной величины c «типовым» распределением.
2. Получить выборку объема n (для всех вариантов n=2000):
. (1)
3. Найти оценки для:
а) математического ожидания
(2)
б) дисперсии
в) среднеквадратического отклонения
.
4. Проверить генератор случайных чисел по критерию , , где - функция распределения, соответствующая генератору, - функция распределения для “типового” распределения:
, (3)
где k – число интервалов, - частота попадания в j – й интервал,
- вероятность попадания случайной величины в j – й интервал; при вычислении этих вероятностей использовать значения выбранных параметров функкции f(x), а не их оценки; ; f(x) – “типовая” плотность распределения вероятностей;
xj=xj-1+h, где h – длина интервала; h=(xmax-xmin)/k, где xmax, xmin – максимальное и минимальное значение выборки Х; хо= xmin.
Если , то гипотеза : выборочные данные не противоречат тому, что они получены из генеральной совокупности, имеющей (указать распределение из своего варианта); q - уровень значимости, (k-1) – число степеней свободы.
Замечание 1: число интервалов для всех вариантов k=20, уровень значимости q=0.1, поэтому критическое значение=27,2.
Замечание 2: при численном интегрировании можно использовать метод Симпсона
По методу Симпсона на интервалах, где - четно
Варианты работ
Параметры распределения для своего варианта выбрать самим: (см. лабораторную работу №1). В вариантах 1-4 использовать не нормированный нормальный закон.
1. Нормальный закон ,:
метод, использующий центральную предельную теорему
;
2. Нормальный закон ,:
обратный метод Бокса и Маллера
;
3. Нормальный закон ,:
модифицированный метод Бокса
(*)
при повторяют (*);
при
4. Нормальный закон ,:
метод Тигроу
где ,, ,
;
5. Распределение Эрланга порядка k с параметром ,E(k, ),k>3:
, где - значения случайной величины, имеющей показательное распределение с параметром : . Отсюда
6. Гамма распределение ,
(*)
Если то
Иначе повторяют (*);
7. Гамма распределение , :
[] - целая часть ;
Если , то пересчитать (включить ), иначе ;
8. Гамма распределение ,
если то иначе ;
9. Бета распределение на интервале (0,1):
алгоритм Йонка
(*)
При иначе повторяют (*);
10. Бета распределение на интервале (0,1):
алгоритм, использующий связь бета и гамма распределений
Замечание: При моделировании гамма распределения необходимо учитывать алгоритмы вариантов 6-8;
11. Логарифмически нормальное распределение :
Замечание: При моделировании нормального распределения использовать алгоритм варианта 2;
12. Распределение Бирнбаума-Саундерса :
Замечание: При моделировании нормального распределения использовать алгоритм варианта 1.