- •Введение
- •1. Основы исследования систем и принятия решений
- •1.1. Постановка задач принятия решений и разработка моделей
- •1.2. Классификация математических моделей и методов принятия решений
- •1.3. Принятие решений в условиях определенности при векторном критерии
- •Способ 5
- •1.4. Принятие решений в условиях риска и неопределенности
- •1.5. Программное компьютерное обеспечение исследования транспортных систем
- •2. Построение математических моделей
- •2.1. Детерминированные модели
- •2.1.1. Решение систем линейных уравнений
- •2.1.2. Решение систем нелинейных уравнений
- •2.1.3. Численное интегрирование
- •2.1.4. Вычисление специальных функций
- •2.1.5. Сортировка чисел (символов)
- •Программа сортировки по индексам
- •Программа сортировки по методу "пузырька"
- •2.2. Стохастические модели
- •2.2.1. Исследование распределения случайных величин
- •1) Критерий хи - квадрат (Пирсона)
- •2) Критерий Романовского
- •3) Критерий Колмогорова
- •Ринунок 2.13 – Эмпирическая (1) и теоретическая (2) функции распределения
- •4) Критерий Мизеса-Смирнова
- •2.2.2. Генерация случайных чисел по различным законам распределения
- •2.2.3. Интервальная оценка параметров и определение интервалов распределения случайных величин
- •2.2.4. Исследование статистических зависимостей между случайными величинами
- •2.2.5. Исследование временных рядов
- •2.2.6. Системы массового обслуживания
- •1) Аналитическое исследование систем массового обслуживания
- •2) Статистическое имитационное моделирование
- •3. Оптимизационные задачи и методы их решения
- •3.1. Безусловная оптимизация для одномерной унимодальной целевой функции
- •3.2. Многомерная безусловная оптимизация
- •3.3. Оптимизация при наличии ограничений
- •3.4. Задача линейного программирования
- •3.5. Отыскание кратчайших расстояний и путей между пунктами транспортной сети. Кратчайшая связывающая сеть
- •3.6. Транспортная задача линейного программирования
- •3.7. Одномерная задача динамического программирования
- •3.8. Эвристические методы решения транспортных задач
- •3.8.1. Маршрутизация перемещения ресурсов помашинными отправками
- •3.8.2. Маршрутизация перемещения мелких партий ресурсов
- •3.9. Задачи дискретной оптимизации
- •3.9.1. Целочисленная задача линейного программирования
- •3.9.2. Задача о назначениях
- •3.9.3. Задача о ранце (рюкзаке)
- •3.9.4. Задача о коммивояжере
- •3.10. Задачи упорядочения и согласования
- •3.11. Состязательные задачи
- •3.1. Основная литература
- •3.2. Дополнительная литература
- •Приложение 1. Компьютерная программа принятия решений в условиях риска и неопределенности
- •Приложение 2. Компьютерная программа исследования распределения случайных величин
- •Приложение 3. Компьютерная программа однофакторного корреляционно-регрессионного анализа
- •Приложение 4. Компьютерная программа проведения многофакторного корреляционно-регрессионного анализа
- •Приложение 5. Компьютерная программа выравнивания динамического ряда многочленом ряда фурье
- •Приложение 6. Компьютерная программа решения задачи линейного программирования симплекс-методом
- •Приложение 7. Компьютерная программа отыскания кратчайших расстояний между пунктами транспортной сети
- •Приложение 8. Компьютерная программа решения транспортной задачи линейного программирования
- •Приложение 9. Компьютерная программа разработки сборочно-развозочных маршрутов на основе метода кларка-райта
- •Приложение 10. Компьютерная программа расчета параметров сетевого графика
- •Приложение 11. Компьютерная программа решения игровой задачи двух сторон на основе алгоритма брауна
- •Учебное издание
- •По дисциплине "Математические модели в транспортных системах" для студентов специальностей 1-44 01 01, 1-44 01 02
- •Подписано в печать .04.2006
- •220013, Г. Минск, проспект Независимости, 65.
1) Критерий хи - квадрат (Пирсона)
Для его применения вычисляют статистику хи - квадрат по формуле
,
где рj – теоретическая вероятность попадания в j-й интервал случайной величины, которая распределена по выбранному закону распределения с найденными оценками параметров;
npj – теоретическая частота попадания случайной величины в j-й интервал;
Nо – число интервалов с учетом их объединения для расчета статистики критерия Пирсона.
Для расчета статистики критерия Пирсона интервалы рекомендуется объединять на концах таким образом, чтобы Мj 5 или npj 10. Однако их число Nо должно быть не менее k+2, где k – число параметров рассматриваемой теоретической функции распределения (например, для нормального закона k=2).
Вероятность рj определяется по формуле
рj = p(X j-1 < х < Xj) = F(X j) - F(X j-1),
где F(х) – значение функции распределения в точке х .
Значение F(х) определяется по интегральной функции распределения. Для нормального закона распределения значение функции распределения в точке Хj может быть определено по таблицам или на основе аппроксимации по ранее рассмотренному алгоритму или на основе численного интегрирования. Для логарифмически нормального закона распределения определение теоретических вероятностей производится аналогично как для нормального, но только относительно логарифмов x.
Полученное значение критерия 2 необходимо сравнить с табличным 2,r для заданного уровня значимости и числа степеней свободы r. Уровень значимости представляет собой вероятность отклонения верной гипотезы. Проверку соответствия теоретического и эмпирического распределений рекомендуется проводить при = 0.05 – 0.1 . При больших значениях выше требования к согласованности распределений.
Число степеней свободы определяется по формуле r = Nо–k–1.
После того, как по таблице квантилей распределения хи-квадрат при заданных и r найдено 2,r , проверяется условие 2 <2,r . Если условие выполняется, то гипотеза о распределении случайной величины по рассматриваемому теоретическому закону не отклоняется.
Табличные значения критерия Пирсона приведены ниже:
Число степеней свободы |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
|
Уровень значимости |
=0.05 |
3.84 |
5.99 |
7.82 |
9.49 |
11.1 |
12.6 |
14.1 |
15.5 |
16.9 |
=0.10 |
2.71 |
4.61 |
6.25 |
7.78 |
9.24 |
10.6 |
12.0 |
13.4 |
14.7 |
|
2) Критерий Романовского
Критерий Романовского является производным от критерия 2, но не требует использования табличных значений распределения Пирсона.
По данному критерию для проверки гипотезы рассчитывается статистика R
.
Если параметр R > 3.0, то гипотеза о согласованности эмпирического и теоретического распределений отвергается, а если R 3.0, то считается, что нет оснований отклонять гипотезу.
