- •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
3.1.4. Косвенные методы повышения качества оценивания показателя эффективности
Зачастую одни выходные характеристики модели легче получить (вычислить), чем другие. Если существует взаимосвязь (в частном случае – функциональная зависимость) между несколькими выходными характеристиками, то может оказаться целесообразным оценивать по результатам имитационного эксперимента те из них, которые легче моделируются; а полученную информацию использовать для оценки остальных.
В отдельных случаях возможна замена исследуемого процесса некоторым другим, имеющим то же математическое ожидание, но меньший разброс значений.
Методы оценивания средних значений выходных характеристик по результатам имитационного эксперимента, основанные на использовании указанных или аналогичных им возможностей, получили название косвенных. Эти методы связаны с изучением процессов и их характеристик, лишь косвенно связанных с исследуемыми.
Метод сопутствующих переменных. Пусть необходимо оценить среднее значение скалярной выходной характеристики по выборке, разделенной на слоев. Допустим также, что существует возможность вычисления вместо некоторой выходной характеристики , называемой сопутствующей переменной.
В данном методе предполагается, что регрессия на линейна, так что в каждом -м слое, распределение при заданном имеет среднее
(3.1.16)
и среднее квадратическое отклонение
, (3.1.17)
где и – известные постоянные величины;
– коэффициент корреляции между и ;
– среднее квадратическое отклонение в -м слое, вычисленное без учета корреляции.
Пусть из каждого -го слоя извлекается выборка объема с элементами ; . Тогда сумма значений у по всем слоям
, (3.1.18)
где – суммарный объем слоев;
– объем -го слоя.
Дисперсия величины:
(3.1.19)
где – дисперсия в -м слое. Если бы в каждом случае вместо измерялось
(моделировалось) значение , то
(3.1.20)
и дисперсия этой оценки была бы
. (3.1.21)
Поскольку справедливо соотношение
,
то (9.19) можно записать в виде:
. (3.1.22)
Так как , то из сопоставления (3.1.21) и (3.1.22) следует, что , то есть при выполнении условия (3.1.16) использование сопутствующей переменной никогда не приведет к менее точной оценке суммы значений в совокупности, чем непосредственные оценки , полученные по выборке той же структуры.
Все оценки в методе сопутствующих переменных существенно зависят от того, выполняются или нет сделанные допущения о коэффициентах регрессии, средних по выборочному пространству и т. д.
Если допущения не выполняются, оценки могут оказаться сильно смещенными.
Метод значимой выборки основан на замене исследуемого процесса другим, имеющим то же математическое ожидание, но меньшую дисперсию. Пусть на выборочном пространстве определена вспомогательная переменная
, (3.1.23)
где – случайная величина, среднее которой ищется;
– плотность вероятности случайного вектора (элемента выборочного пространства);
– вспомогательная функция плотности вероятности, отличная от нуля для всех .
Так как , то из (3.1.23) следует, что математическое ожидание величины с плотностью вероятности равно математическому ожиданию величины с плотностью вероятности .
Дисперсия величины :
, (3.1.24)
где – среднее значение величины .
Если все значения положительны, то
при
. (3.1.25)
В действительности и неизвестны (иначе эксперимент с моделью был бы не нужен), и дисперсия практически не может быть сведена к нулю. Целесообразно эмпирически подобрать вид функции , определив ее параметры на основе априорной информации об исследуемой ТС или с помощью дополнительной выборки.
Если компоненты вектора независимы (некоррелированы), что практически всегда выполнимо в имитационной модели, то справедливо
Опытным путем установлено, что целесообразно выбирать
, (3.1.26)
где – постоянные величины.
Полагают , и величину , находят из условия , подставляя в (9.24) значение , полученное с помощью дополнительной выборки.