- •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
Методы принятия решений по результатам испытаний
Общая процедура принятия решений
Эффективность имитационных испытаний, в конечном счете, определяется правильностью принимаемых инженерных решений: принять образец в эксплуатацию или произвести доработку (продолжить испытания); забраковать испытанный образец или допустить его к эксплуатации и т. д. Принятию инженерного решения предшествует операция принятия статистического решения. Применение статистических методов позволяет оценить риск принятия того или иного инженерного решения, тем самым, поставив процесс принятия решения на научную основу. Содержание процесса принятия статистического решения составляет статистическая проверка гипотез – предположений о свойствах генеральной совокупности, которые могут быть проверены по данным выборки. Статистические гипотезы выдвигаются: относительно значений характеристик систем (случайных величин, и случайных функций) и относительно законов распределения параметров.
В первом случае решаются следующие основные задачи:
1) проверка соответствия полученных в ходе испытаний значений характеристик заданным в ТЗ или ТУ;
2) проверка соответствия между собой опытных значений, полученных в разных выборках.
Во втором случае:
1) проверка правомерности аппроксимации эмпирического распределения теоретическим (принадлежность выборки к известной генеральной совокупности);
2) проверка однородности распределений выборочных параметров (принадлежности двух или нескольких параметров к общей совокупности).
В дальнейшем исходную (нулевую, основную) гипотезу, выдвигаемую для проверки, будем обозначать , а альтернативную (конкурирующую) Если гипотеза содержит только одно предположение, например , то она называется простой. Гипотезу, состоящую из множества (конечного или бесконечного) гипотез, называют сложной, например .
Рассмотрим последовательность решения задачи статистической проверки гипотез. На первом этапе уточняется задача исследования, после чего выбираются исходная гипотеза и одна или несколько альтернативных. Следующим этапом является выбор критерия проверки гипотез, под которым будем понимать свод правил, указывающих, при каких результатах наблюдений гипотеза отклоняется, а при каких принимается. Выбранному критерию соответствует статистика критерия – непрерывная случайная величина с известным законом распределения, функционально связанная с результатами испытаний. Статистику критерия обозначают в соответствии с видом закона распределения ( , , , -критерий). Безотносительно к виду закона распределения статистику критерия обозначим .
При принятии статистического решения возможны четыре случая (табл.3.1), определяемые содержание гипотез и (верна, неверна) и тем, какая из гипотез окажется принятой. Вероятность опровергнуть гипотезу , когда она верна (совершить ошибку первого рода), называют уровнем значимости , а вероятность – отвергнуть при условии ее ложности – мощностью критерия, -вероятность – принять гипотезу , когда справедлива гипотеза (совершить ошибку второго рода). Мощность критерия зависит от содержания . Наиболее мощным критерием простой гипотезы относительно простой альтернативы является критерий, для которого . Предпочтительно выбирать равномерно наиболее мощный критерий, который является наиболее мощным относительно любой альтернативной гипотезы.
Таблица 3.1
Заключение по гипотезе |
Гипотеза |
|
Верна |
Неверна (верна ) |
|
Принята |
(правильное решение) |
(ошибка второго рода, риск заказчика) |
Отвергнута (принята ) |
(ошибка первого рода, риск поставщика) |
(правильное решение) |
Выбор уровня значимости приводит к тому, что множество значений разбивается на два непересекающихся подмножества: область допустимых значений и критическую область (рис.3.4). Область допустимых значений включает совокупность значений , при которых принимается гипотеза . Совокупность значений при которых отвергается (принимается ), образует критическую область. Критическая область может быть односторонней (правосторонней, левосторонней) и двусторонней (симметричной и несимметричной). Точки, разделяющие области, называют критическими точками .
Рис. 3.4. Область допустимых значений и критическая область
Принцип проверки статистических гипотез состоит в том, что если расчетное значение попадает в область допустимых значений, то принимают гипотезу . При попадании в критическую область отвергается и принимается гипотеза . Заметим, что принятие не означает, что доказана ее справедливость, а свидетельствует лишь о том, что результаты испытаний выборки не противоречат выдвинутым предположениям о свойствах объекта (генеральной совокупности). Необходимо иметь в виду, что продолжение испытаний может привести к иному заключению.
Таким образом, правильное определение вида критической области и уровня значимости наряду с выбором статистики критерия; в основном, определяют достоверность статистического решения. В основе выбора лежит анализ последствий совершения ошибки первого или второго рода, поскольку одновременно уменьшить и невозможно. Для случая правосторонней критической области это иллюстрируется рис.3.5. Если смещать вправо [не изменяя положения кривых ], то с уменьшением мощность критерия снижается. Если переместить влево, увеличивается, зато возрастает мощность критерия. Формализованные методы установления критической области основываются на том, что величины и связаны с объемом испытаний .
Рис. 3.5. Случай правосторонней критической области
Если выбрана, то при фиксированном можно руководствоваться критерием Неймана-Пирсона, в соответствии с которым из всех областей фиксированного уровня в качестве критической выбирается наиболее мощная (обеспечивающая максимум величины ). Увеличение (возрастание затрат на испытание) является единственным способом одновременного снижения и . Интуитивно значения выбираются в диапазоне . При проверке гипотез относительно технических характеристик ракет, агрегатов наземного оборудования, артиллерийских комплексов . Оценивая показатели качества (надежности, эффективности), область допустимых значений целесообразно расширить ( ). Более жесткие условия могут задаваться при проверке однородности характеристик контрольно-испытательной аппаратуры и свойств элементов, испытываемых в лабораторных условиях .