- •Распределение Пуассона
- •Поток случайных событий
- •Пуассоновский поток
- •Моделирование нестационарных процессов
- •Потоки с последствием. (Поток Эрланга)
- •Моделирование неординарных событий
- •Моделирование систем массового обслуживания
- •Основные методы
- •Принцип Dt
- •Принцип особых состояний
- •Принцип последовательной проводки заявок
- •4. Объектный тип моделирования
Моделирование
Распределение Пуассона
Биноминальное распределение
Рассмотрим событие A
p - вероятность появления события A
(1-p) - вероятность непоявления события A
n - число испытаний
m - частота появления события A
,
где
pn - вероятность того, что событие A произойдет каждый раз
n Ч pn-1 Ч (1-p) - вероятность того, что событие произойдет (n-1) раз
Cnn-2 Ч pn-2 Ч (1-p)2 - вероятность того, что событие произошло 2 раза
(1-p)n - вероятность того, что событие не произошло ни разу
Pm= Cnm Ч pm Ч (1-p)n-m - вероятность того, что в n испытаниях событие A произойдет m раз
Cnm - число сочетаний из n по m.
Пример:
n = 10
p = 0.5
m = 1
C101 = 10
p1 = 10 Ч 0.51 Ч 0.510-1=10 Ч 0.510
m = n Ч p = 5
D = n Ч p Ч (1-p)=2,5
Распределение Пуассона
Распределение Пуассона - частный случай биномиального распределения (при n >> 0 и при p =>0 (редкие события)).
a = n Ч p - параметр Пуассона (математическое ожидание)
Пример: В ящике 100 деталей как качественных, так и бракованных. Вероятность бракованных изделий 0.01. Допустим, что мы вынимаем изделие, смотрим - бракованное оно или нет - и бросаем обратно. Получилось, что из 100 изделий, которые мы перебрали, два оказались бракованными. Какова вероятность достать 2 бракованных изделия?
a) по биномиальному распределению получаем
b) по распределению Пуассона получаем
Как видно, величины получились близкими, поэтому в случае редких событий вполне допустимо применять закон Пуассона, тем более, что он вычисляется с меньшими вычислительными затратами.
Поток случайных событий
Поток событий - это последовательность однородных событий, наступающих одно за другим в случайные промежутки времени.
(случайная величина)
Tн - время наблюдения.
Tc - момент совершения события.
l - плотность потока - среднее число событий в единицу времени, интенсивность потока. Интенсивность потока можно рассчитать экспериментально по формуле
, где N - число событий, произошедших за время наблюдения Tн
Если Tj = const или определено какой-либо формулой Tj = f (Tj-1), то поток называется детерминированным. Иначе поток называется случайным.
Случайные потоки бывают:
ординарный - вероятность одновременного появления 2-x и более событий равна нулю;
стационарный - частота появления событий l = const(t);
без последействия - вероятность не зависит от момента совершения предыдущих событий.
Пуассоновский поток
Пуассоновский поток - это ординарный поток без последействия.
Число событий за интервал времени (t0, t0+t) определяется из закона Пуассона:
, где m - число событий за время (t0, t0+t).
Если
l = const(t), то это стационарный поток Пуассона (простейший).
Тогда a = l Ч t,
l = var(t), это нестационарный поток Пуассона.
Для простейшего потока:
- это вероятность появления события за время t.
P0 - вероятность непоявления ни одного события за время t:
l - характеризует крутизну линии .
Чем больше l, тем вероятность сильнее убывает со временем.
Вероятность стремится к нулю.
Pхб1 - вероятность появления хотя бы одного события:
Чем больше интенсивность появления событий (чем больше l), тем быстрее наступает это событие.
Изучая закон, можно определить, что:
, , то есть mx = s
Это означает, что поток без последействия.
Событие может появиться в любой момент времени, но в пределах разброса s (последействия), так как первое событие не влияет на второе.
или
r - случайное число равномерно распределенное от 0 до 1
t - интервал между случайными событиями (случайная величина)
Пример: Рассмотрим поток изделий на операцию. Изделия приходят случайным образом - в среднем 8 штук за сутки. Необходимо промоделировать этот процесс в течении Tн = 100 часов.
, (то есть в среднем 1 деталь за 3 часа).
s = 3