- •Понятие системы. Эффективность систем
- •Параметры и характеристики систем
- •Модель. Классификация моделей
- •Методы моделирования
- •Метод статистических испытаний
- •Составляющие имитационной модели
- •События в имитационной модели
- •Основные характеристики простейшей смо
- •Компоненты дискретно-событийной имитационной модели и их организация
- •Определение событий и переменных в имитационной модели
- •Smpl: список событий
- •Smpl: список средств
- •Smpl: список очередей
- •Операции инициализации языка smpl
- •Операции над списком событий языка smpl
- •Операции над средствами языка smpl
- •Операции над очередями языка smpl
- •Моделирование простейшей смо на smpl
- •Генераторы случайныхчисел
- •Метод обратной функции и его использование для гененрирования непрерывных случайных величин
- •Метод обратной функции и его использование для гененрирования дискретных случайных величин
- •Выходные данные и стохастические процессы моделирования
- •Характеристики случайного процесса
- •Статистический анализ выходных данных автономной системы. Типы имитационного моделирования.
- •Переходное и установившееся поведение стохастического процесса
- •Оценка средних значений при переходном режиме моделирования
- •Получение заданной точности при переходном режиме моделирования
- •Проблема начального переходного процесса
- •Процедура Велча
- •Общие принципы построения факторных планов
- •Полный факторный эксперимент 2k, построение планов
- •Оценка главных эффектов и эффектов взаимодействия
- •Поверхности отклика и метамодели. Методы поиска оптимума
- •Имитационная модель системы управления запасами
- •Логика программы
- •Общие принципы оценки адекватности моделей
- •Особенности оценки адекватности им
- •Методы верификации моделирующих компьютерных программ
- •Этапы имитационного моделирования
-
Характеристики случайного процесса
Характеристиками случайного процесса являются:
1. Математическое ожидание.
Математическом ожиданием случайного процесса X(t) называется неслучайная величина μx(t), которая при любом значении переменной t равна математическому ожиданию соответствующего сечения случайного процесса X(t).
μx(t) = E[X(t)]
2. Дисперсия.
Дисперсией случайного процесса X(t) называется неслучайная функция δ2x(t), которая при любом значении переменной t равна дисперсии соответствующего сечения случайного процесса X(t):
δ2x(t) = δ2[X(t)]
-
Статистический анализ выходных данных автономной системы. Типы имитационного моделирования.
Пусть мы наблюдаем реализацию случайных величин Y1,Y2,….,Yi , полученные в результате выполнения прогона имитационной модели, продолжительность которого равнялась m наблюдений.
Величины y11,y12,…,y1m получены в результате первого прогона модели с использованием случайных чисел u11,u12,…,u1m
Очевидно, с другим набором случайных чисел мы получим другую реализацию случайных величин.
Предположим, что всего выполнялось n- независимых повторных прогонов (репликаций) модели , для каждого прогона использовались разные последовательности случайных чисел, статистические счетчики переводились в исходное состояние в начале каждого прогона, и при каждом прогоне использовались одни и те же исходные условия.
В результате получим следующие наблюдения:
y11 … y1t … y1m
y21 … y2t … y2m
…
yn1 … ynt … ynm
Данные наблюдения ,полученные в результате определенного прогона имитационной модели (отдельная строка) не являются независимыми и одинаково распределенными. А данные любого t-столбца (t = 1,2,…,m) являются независимыми и одинаково распределенными.
1. Моделирование для переходного режима.
2. Моделирование для непереходного режима.
2.1 Установившиеся параметры
2.2. Установившиеся циклические параметры.
При переходном режиме моделирования происходит некоторое естественное событие Е, которое определяет продолжительность единичного прогона (репликации).
Событие Е часто происходит в тот момент времени, когда система освобождается или тогда, когда уже нельзя получить никакой полезной информации.
Время возникновения события Е в каждом прогоне является случайной величиной.
Начальные условия при переходном режиме, как правило, влияют на критерии оценок. Поэтому они должны соответствовать реальным параметрам.
Имитационное моделирование для непереходного режима , когда не существует естественного события, определяющего продолжительность прогона. Такое моделирование используется при разработке новых систем или модернизации существующих систем, когда представляет интерес проявление системы в течение длительного периода нормальной работы.
Рассмотрим стохастический процесс Y1,Y2,… непрекращающегося моделирования, при котором не существует установившегося распределения. Предположим, что временную ось разделили на интервалы непрерывного времени равной длины (циклы).
Пусть Y1C – случайная величина, определенная в i-м цикле.
Y1C, Y2C ,… являются сопоставимыми, а процесс Y1C, Y2C ,… имеет установившееся распределение FC такое, что для любого YC ~ FС .
Критерий оценки является установившимся циклическим параметром, если он является такой характеристикой YC, как среднее νC = E(YС).