Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Лабораторная работа №42.doc
Скачиваний:
18
Добавлен:
01.05.2014
Размер:
313.34 Кб
Скачать

Задание

Выполнить исследование показателей надежности программ, характеризуемых моделью обнаружения ошибок Джелинского-Моранды для различных законов распределения времени между соседними отказами и различного числа используемых для анализа данных. Для проведения исследования требуется:

  1. Сгенерировать массивы данных {Хi}, где Xi - длительность интервала времени между обнаружением (i-1)-ой и i –ой ошибок ( i=[1,30] ), в соответствии с:

А) равномерным законом распределения в интервале [0,20]; при этом cреднее время между ошибками будет mравн = 10, СКО sравн = 20/(2*sqrt(3)) = 5.8 .

Б) экспоненциальным законом распределения

W(y) = b*exp(-b*y), y>=0, c параметром b=0.1

и соответственно mэксп=sэксп= 1/b=10.

Значения случайной величины Y с экспоненциальным законом распределения с параметром «b» можно получить по значениям случайной величины X, равномерно распределенной в интервале [0,1], по формуле [1]: Y = -ln(X) / b

В) релеевским законом распределения

W(y) = (y/c^2)*exp(-y^2/(2*c^2)), y>=0, c параметром c=8.0 и соответственно mрел = c*sqrt(/2), sрел= c*sqrt(2-/2).

Значения случайной величины Y с релеевским законом распределения с параметром «с» можно получить по значениям случайной величины X, равномерно распределенной в интервале [0,1], по формуле [1]: Y = с * sqrt(-2*ln(X)).

  1. Для каждого из 3-х массивов {Хi} оценить значение первоначального числа ошибок в программе B. При этом для каждого закона использовать 100%, 80% и 60% входных данных (то есть в массивах {Хi} использовать n= 30, 24 и 18 элементов). Кроме того, если B>n, оценить значения средних времен Xj , j=n+1,n+2…, n+k до обнаружения k<= 5 следующих ошибок.

  1. Сравнить и объяснить результаты, полученные для различных законов распределения времени между соседними отказами и различного числа используемых для анализа данных.

Реализация

Равномерное распределение

100% Входных данных:

1

0,72

2

2,02

3

2,06

4

2,72

5

3,4

6

3,44

7

3,82

8

4,14

9

4,86

10

5,58

11

6,9

12

7,62

13

8,92

14

8,96

15

9,64

16

10,3

17

10,34

18

11,06

19

12,4

20

12,48

21

13,82

22

14,48

23

14,52

24

15,82

25

15,86

26

16,54

27

17,24

28

17,96

29

19,3

30

19,38

80% Входных данных:

1

0,4

2

0,44

3

1,14

4

1,74

5

2,44

6

3,46

7

3,78

8

4,5

9

5,2

10

5,92

11

6

12

7,3

13

7,34

14

8,04

15

8,64

16

9,34

17

10,68

18

11,4

19

12,1

20

12,82

21

13,5

22

13,54

23

14,24

24

14,84

60% Входных данных:

1

0,14

2

0,8

3

0,84

4

1,52

5

2,86

6

2,94

7

4,28

8

4,98

9

6,32

10

6,36

11

7,04

12

7,7

13

7,74

14

8,42

15

9,42

16

9,76

17

10,46

18

11,18

Экспоненциальное распределение

100% Входных данных:

1

0,09

2

0,16

3

0,52

4

0,79

5

1,26

6

1,54

7

1,67

8

2,90

9

3,48

10

3,84

11

4,37

12

4,48

13

5,47

14

5,59

15

6,22

16

6,69

17

7,55

18

8,49

19

9,09

20

10,91

21

11,09

22

12,24

23

13,13

24

14,57

25

14,83

26

16,50

27

23,75

28

24,89

29

28,47

30

31,94

80% Входных данных:

1

0,04

2

0,40

3

0,51

4

1,12

5

1,24

6

2,03

7

2,16

8

2,89

9

3,03

10

3,98

11

4,29

12

4,48

13

4,85

14

5,03

15

6,00

16

6,20

17

7,53

18

8,46

19

9,86

20

10,16

21

11,18

22

11,84

23

13,47

24

14,31

60% Входных данных:

1

0,07

2

0,28

3

0,77

4

1,00

5

1,13

6

1,17

7

1,39

8

1,95

9

2,19

10

3,22

11

3,36

12

4,34

13

5,19

14

5,43

15

5,80

16

6,46

17

6,66

18

7,38

Релеевское распределение