- •Часть 1. Имитационное моделирование. Факторный эксперимент
- •Часть 1. Имитационное моделирование. Факторный эксперимент
- •Предисловие
- •Введение
- •Глава I. Системное моделирование – инструмент управления в больших системах
- •1.1. Понятия системного подхода и большой системы
- •1.2. Эффективность больших систем
- •1.3. Управление в больших системах
- •1.4. Структура систем управления
- •1.5. Основные понятия системного моделирования
- •Глава II. Моделирование систем методом статистических испытаний
- •2.1. Принципы построения математических моделей
- •2.2. Требования, предъявляемые к математическим моделям
- •2.3. Моделирование больших систем методом статистических испытаний. Сущность метода статистических испытаний. Точность метода
- •Вопрос 1.
- •2.3.1. Формирование непрерывных случайных величин с заданным законом распределения
- •2.3.2. Приближенные методы формирования случайных величин с заданным законом распределения вероятностей
- •2.3.3. Моделирование системы массового обслуживания
- •1,07 1,09 1,14 Моделируемое время t
- •2.3.4. Получение наблюдений при моделировании
- •Прикладные задачи имитационного моделирования
- •Ориентированный процесс случайного блуждания как метод прогнозирования
- •2.4.2. Модифицированный имитационным моделированием метод экспоненциального сглаживания
- •Глава III. Оценка качества моделей и планирование статистических испытаний
- •3.1. Оценка качества моделей
- •3.1.1. Методы повышения качества оценок показателей эффективности
- •3.1.2. Пассивные методы повышения качества оценивания показателя эффективности
- •3.1.3. Активные методы повышения качества оценивания показателя эффективности
- •3.1.4. Косвенные методы повышения качества оценивания показателя эффективности
- •3.2. Планирование имитационных экспериментов
- •3.2.1. Общая схема испытаний
- •3.2.2. Полные факторные планы испытаний
- •3.2.3. Дробные факторные планы испытаний. Планирование испытаний
- •3.2.4. Анализ результатов испытаний
- •3.2.5. Оптимальные планы
- •Методы принятия решений по результатам испытаний
- •Общая процедура принятия решений
- •3.3.2. Проверка гипотез о параметрах
- •Принятие решений о стабильности условий испытаний
- •Заключение
- •Библиографический список
- •Предметный указатель
- •Оглавление
- •Глава I. Системное моделирование – инструмент управления в больших системах 6
- •Глава II. Моделирование систем методом статистических испытаний 43
- •Глава III. Оценка качества моделей и планирование статистических испытаний 147
- •191186, Санкт-Петербург, ул. Миллионная, 5
2.3.1. Формирование непрерывных случайных величин с заданным законом распределения
Как мы видели, для моделирования методом статистических испытаний необходимо строить искусственный случайный процесс, идентичный в вероятностном смысле реальному случайному процессу. При этом, естественно, законы распределения случайных величин могут быть самыми различными.
Формирование случайной величины с заданным законом распределения вероятностей заключается в генерировании различных значений , которые может принимать случайная величина в исходе -того испытания. Полученная последовательность чисел должна быть распределена по заданному закону.
Пусть, например, ведется стрельба по мишени. Случайной ветчиной является попадание в одну из зон мишени. Попадания в зоны 8, 6, 3, 1, 7, ... есть возможные значения случайной величины при -том выстреле. Возможны самые различные совокупности из попаданий, но если условия стрельбы неизменны, то во всех случаях они подчинены одному и тому же закону распределения с математическим ожиданием и дисперсией . Моделирование стрельбы или, что то же, случайной величины заключается в генерировании последовательности случайных чисел, распределенных по такому же закону и с теми же параметрами и , что и попадания при стрельбе.
Закон распределения вероятностей непрерывной величины можно задавать плотностью распределения или интегральной функцией распределения, а дискретной – таблицей распределения вероятностей либо формулой, выражающей вероятность того, что случайная величина примет данное значение в функции от самого значения.
Оказывается, случайную величину с требуемым законом распределения вероятностей можно получить путем преобразования случайной величины , равномерно распределенной в интервале
|
Рис. 2.3. График плотности распределения вероятностей величины
На рисунке 2.3 изображен график плотности распределения вероятностей величины .
На практике величину получают, используя физические генераторы и с помощью специальных программ на ПЭВМ. С помощью программ вычисляют последовательность чисел, которые, хотя и определяются вполне детерминированными отношениями, обладают статистическими свойствами случайных чисел, равномерно распределенных на интервале . Поэтому эти числа называют псевдослучайными.
Имеются специальные таблицы случайных чисел . Они используются главным образом при расчетах по методу статистических испытаний вручную.
Теперь перейдем к рассмотрению методов формирования случайных чисел с заданным законом распределения из случайных чисел .
Одним из основных является метод обратного преобразования или, как его еще называют, метод обратной функции, основанный на использовании свойств интегральной функции распределения.
Пусть требуется сформировать случайную величину , закон распределения которой задан плотностью распределения . Интегральная функция распределения величины
. (2.3.14)
Доказано [10], что значения можно найти из уравнения
. (2.3.15)
Для этого необходимо:
вычислить интеграл в левой части уравнения и разрешить полученное выражение относительно ;
формировать случайные значения величины и вычислить соответствующие значения .
Рис. 2.4. Геометрическая интерпретация метода
При этом каждое значение однозначно определяет реализацию случайной величины с заданной плотностью распределения .
Геометрическая интерпретация метода показана на рис. 2.4. Возьмем на оси ординат случайное значение и примем
. (2.3.16)
Так как монотонная функция, то величина однозначно определяется из выражения (2.3.16):
,
где – обратное отображение величины в область изменения ;
– значение случайной величины , имеющей функцию распределения , или, что то же, плотность распределения .
Рассмотрим примеры формирования случайных величин с помощью метода обратного преобразования.
Сформировать случайную величину , равномерно распределенную в интервале . В этом случае
.
Вычислим интеграл:
.
Приравняем вычисленный интеграл величине и разрешим полученное выражение относительно , в результате найдем
. (2.3.17)
Теперь будем формировать случайные числа и вычислять соответствующие значения . Каждое из них есть реализация случайной величины , равномерно распределенной в интервале с заданной плотностью .
Сформировать случайную величину , распределенную по экспоненциальному (показательному) закону:
.
Получаем
.
Приравняем найденное выражение величине :
.
Логарифмируя, получим
.
Величина распределена по такому же закону, как поэтому можно вместо полученного выражения использовать формулу
. (2.3.18)
Формируя случайные числа и вычисляя соответствующие значения , получим реализацию случайной величины , распределенной по экспоненциальному закону.