ЛР3_ИМ
.docxМИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное учреждение высшего образования
«САНКТ-ПЕТЕРБУРГСКИЙ УНИВЕРСИТЕТ АЭРОКОСМИЧЕСКОГО ПРИБОРОСТРОЕНИЯ»
КАФЕДРА № 41
ЛАБОРАТОРНАЯ РАБОТА
ЗАЩИЩЕНА С ОЦЕНКОЙ
РУКОВОДИТЕЛЬ
Ассистент |
|
|
|
М.Н. Шелест |
должность, уч. степень, звание |
|
подпись, дата |
|
инициалы, фамилия |
ОТЧЁТ О ЛАБОРАТОРНОЙ РАБОТЕ №3
|
МОДЕЛИРОВАНИЕ ВХОДНОГО ПОТОКА ЗАПРОСОВ |
по курсу: ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ |
|
|
РАБОТУ ВЫПОЛНИЛ
СТУДЕНТ ГР. № |
4616 |
|
|
|
А.В. Павлов |
|
|
|
подпись, дата |
|
инициалы, фамилия |
Санкт-Петербург
2019
Цель работы.
Исследование основных характеристик входных потоков заявок, а также базовых принципов моделирования СМО по событиям.
Вариант задания.
Вариант №7.
Порядок эрланговского потока – 3
Параметр – 7
Формула и график моделируемого закона распределения
Рисунок 1 – График плотности вероятности
Листинг 1 – Код программы
import matplotlib.pyplot as plt import numpy as np import scipy.stats as st import scipy.special as sps
def main(): N = 2 #Параметры распределения lambd = 7 k = 3 #Теоритеческие значения интенсивности входного потока и коэф вариации l_t = 1/(k/lambd) v_t = np.sqrt(k/(lambd**2)) / (k/lambd) #Старые значения оценивываемых параметров l_old , v_old= 1 , 1 #Списки новых оцениваемых параметров, коэф вариации и интенсивность входного потока v_list, l_list= [] , [] #Выключатель T = False while not T : #герерация списка эрнланговского распределения data = st.erlang.rvs(a = k, scale = 1/lambd, size=N) #Мат. ожидание mo = np.mean(data) #Стандартное отклонение sigmao = np.std(data) #Расчет новых значений оценки интенсвиности и коэф вариации l_new = 1/mo v_new = sigmao/mo #Считаем выражения для проверки условий usl1 = (abs((l_new - l_old) / l_old)) usl2 = (abs((v_new - v_old) / v_old)) print(mo) if usl1 > 0.01 or usl2 > 0.01: #Меняем значения если условие верно v_old = v_new l_old = l_new v_list.append(v_old) l_list.append(l_old) N = 2 * N else: #Выключаем цикл T = True print(v_list) print(l_list)
#Рисуем график оценки интенсивности потока plt.figure(1) plt.axhline(l_t,lw=4,alpha=0.5,color='red') plt.plot(np.linspace(1,len(l_list),len(l_list)),l_list) plt.title('Оценка интенсивности потока')
#Рисуем график Оценки коэф вариации plt.figure(2) plt.axhline(v_t,lw=4,alpha=0.5,color='red') plt.plot(np.linspace(1,len(v_list),len(v_list)),v_list) plt.title('Оценка коэф вариации') plt.show()
print(sigmao)
main() |
|
Полученные графики
Рисунок 1 – Оценка коэффициента вариации
Рисунок 3 – Оценка интенсивности потока
Выводы.
В ходе данной лабораторной работы мы изучили базовые принципы моделирования входного потока и проанализировали нашу модель с помощью оценок двух параметров. Сравнили полученный результат с теоретическими данными, которые лежат в близи с рассчитанными значениями при увеличение выборки