
- •Основные понятия теории моделирования Моделирование как метод научного познания
- •Понятие модели и моделирования
- •Понятие информационной модели
- •Виды моделирования
- •Математическое и компьютерное моделирование
- •Пример моделирования простейшей системы
- •Формализация систем и классификация моделей Некоторые термины системного анализа
- •Формальная модель объекта.
- •Классификация моделей
- •Основные требования к математическим моделям
- •Этапы процесса моделирования
- •Статические регрессионные модели Понятие черного ящика и регрессии
- •Линейная одномерная регрессионная модель
- •Линейная множественная регрессионная модель
- •Нелинейные регрессионные модели
- •Динамические модели Динамические системы
- •Динамическая система первого порядка
- •Звено второго порядка (колебательное звено)
- •Динамические регрессионные модели
- •Модель в виде фильтра Каллмана
- •Статистическое моделирование Понятие статистического моделирования
- •Метод Монте-Карло.
- •Генераторы случайных чисел
- •Проверка качества работы генератора
- •Моделирование случайной величины с заданным законом распределения
- •Моделирование системы случайных величин
- •Потоки случайных событий
- •Системы массового обслуживания (смо)
- •Принципы компьютерного моделирования смо
- •Задания
- •1. Моделирование простейшей системы
- •2. Статическая регрессионная модель
- •3. Динамическая регрессионная модель
- •4. Метод Монте-Карло и генераторы случайных чисел
- •5. Моделирование смо
- •Приложения
- •Нормальный закон распределения (закон Гаусса)
- •Распределение Пуассона
- •Список источников
- •Моделирование процессов и систем
- •153000 Г. Иваново, пр. Ф. Энгельса, 21 Оглавление
3. Динамическая регрессионная модель
Суть задания – коллективно разработать программу, определяющую динамическую регрессионную модель для звена 2 порядка1.
Предполагается,
что для проверки работы программы будет
задан набор значений
являющийся табличным представлением
некоторой функции Y(t)
– решения дифференциального уравнения
2 порядка
с
заданными постоянными
и
.
Для имитации экспериментальных
результатов, к полученным значениям Y
добавляется "погрешность измерений"
– случайная добавка.
Вариант №1. Обеспечение тестового задания и разработка интерфейса общей программы (считывание данных и вывод результатов в числовом и графическом виде).
Вариант №2. Формирование матрицы и столбца свободных членов для динамической регрессионной модели 2 порядка со входным сигналов в виде функции Хэвисайда (см. уравнение (3) и обозначения (4)).
Вариант №3. Реализация метода Крамера решения систем линейных уравнений 3 порядка.
Вариант №4. Создание процедуры, реализующей аналитическое решение линейного дифференциального уравнения второго порядка с постоянными коэффициентами и постоянной правой частью. Обратить внимание, что решения различны в зависимости от значений коэффициентов уравнения (см. приложение 1).
Вариант №5. Построение имитации поведения системы по определенной ранее модели (т.е. с использованием найденных ранее коэффициентов).
4. Метод Монте-Карло и генераторы случайных чисел
А. Методом Монте-Карло определить
1) значение интеграла
2) вероятность выпадения комбинации 5-6 на двух игральных костях;
3) вероятность вытащить из колоды (36 карт) подряд три карты одной масти;
4) вероятность выбросить тройку (три одинаковых камня) на пяти игральных костях;
5) значение интеграла
6) вероятность получить 2-х тузов при сдаче в преферансе (32 карты от 7 до туза, сдается по 10 карт).
Б. Параллельно с решением поставленной задачи проверить используемый ГСЧ на
равномерность распределения (рассчитать, математическое ожидание, дисперсию, среднеквадратичное отклонение, провести частотный тест и проверку по критерию );
статистическую независимость.
5. Моделирование смо
1. Необходимо выбрать некую систему массового обслуживания и создать ее модель, используя один из четырех основных принципов регламентации событий (принцип , принцип особых состояний, принцип последовательной проводки заявок или принцип параллельной работы объектов). Обосновать выбор принципа построения алгоритма.
2. Исследовать систему с помощью созданной модели, представить результаты в виде статистически обработанных данных. Сделать выводы о работе системы.
3. Рассмотреть, к каким результатам приведет изменение параметров системы.
4. Оценить точность статических характеристик.
Пример моделирования системы массового обслуживания с использованием принципа последовательной проводки заявок можно найти в приложении 4.
Приложения
Приложение 1. Справочная информация о решении линейных дифференциальных уравнений 2 порядка.
Решением
неоднородного дифференциального
уравнения является суперпозиция общего
решения
однородного уравнения и частного решения
неоднородного уравнения.
Если в
правой части уравнения стоит многочлен
k-й степени
,
то частное решение неоднородного
уравнения можно искать в виде многочлена
той же степени
.
Решение
однородного уравнения
Характеристическое уравнение:
его
решения – характеристические числа:
1. Если
,
то
Если
то общее решение можно записать в форме
2. Если
,
то
Приложение 2. Некоторые точки χ2-распределения
Таблица 1
Некоторые точки χ2-распределения
|
0,99 |
0,95 |
0,75 |
0,50 |
0,25 |
0,05 |
0,01 |
1 |
0.00016 |
0.00393 |
0.1015 |
0.4549 |
1.323 |
3.841 |
6.635 |
2 |
0.02010 |
0.1026 |
0.5754 |
1.386 |
2.773 |
5.991 |
9.210 |
3 |
0.1148 |
0.3518 |
1.213 |
2.366 |
4.108 |
7.815 |
11.34 |
4 |
0.2971 |
0.7107 |
1.923 |
3.357 |
5.385 |
9.488 |
13.28 |
5 |
0.5543 |
1.1455 |
2.675 |
4.351 |
6.626 |
11.07 |
15.09 |
6 |
0.8721 |
1.635 |
3.455 |
5.348 |
7.841 |
12.59 |
16.81 |
7 |
1.239 |
2.167 |
4.255 |
6.346 |
9.037 |
14.07 |
18.48 |
8 |
1.646 |
2.733 |
5.071 |
7.344 |
10.22 |
15.51 |
20.09 |
9 |
2.088 |
3.325 |
5.899 |
8.343 |
11.39 |
16.92 |
21.67 |
10 |
2.558 |
3.940 |
6.737 |
9.342 |
12.55 |
18.31 |
23.21 |
15 |
5.229 |
7.261 |
11.04 |
14.34 |
18.25 |
25.00 |
30.58 |
20 |
8.260 |
10.85 |
15.45 |
19.34 |
23.83 |
31.41 |
37.57 |
30 |
14.95 |
18.49 |
24.48 |
29.34 |
34.80 |
43.77 |
50.89 |
Пример.
Пусть
для
получено экспериментально
.
В строке таблицы 1, соответствующей
,
находим, что это значение соответствует
(меньше указанного для
,
но больше указанного для предыдущего
).
Следовательно, отклонение истинного
распределения от идеального с вероятностью
0,75 обусловлено случайными причинами,
а не тем, что наш генератор не способен
генерировать равномерно распределенные
случайные числа.
Приложение 3. Основные сведения о законах распределения случайных величин
Функцией
распределения F(x)
случайной величины X
называется вероятность того, что
случайная величина X
примет значение, меньшее x:
F(x)
называют также интегральной функцией
распределения или интегральным законом
распределения (рис. 13).
Плотностью
распределения или дифференциальной
функцией распределения (рис. 13) называют
функцию
Важные соотношения:
вероятность
попадания величины X на
отрезок
Свойства функций распределения:
-
– неубывающая функция;
Математическое ожидание для непрерывного распределения выражается как
и,
соответственно, среднее квадратическое
отклонение
.