
- •1. Понятие системы
- •3.Аналогия. Связь с понятием «система»
- •5.Черный ящик. Основная проблема моделирования.
- •9.Виды математического моделирования. Примеры
- •11. Получение случайных чисел, подчиняющихся экспоненциальному закону
- •10.Получение случайных чисел с произвольным законом распределения методом обратных функций
- •8.Классификация видов моделирования
- •6. Общая схема моделирования
- •4. Взаимосвязь эксперимента и модели.
- •2. Моделирование как метод научного познания.
- •13. Методы получения равномерно распределенных случайных чисел.
- •15. Общие свойства программных датчиков псевдослучайных чисел
- •17.Мультипликативный конгруэнтный метод получения равномерно распределенных псевдослучайных чисел
- •19. Программный датчик randu. Общая характеристика, принцип работы, особенности
- •21. Требования к базовому датчику. Проверка их соблюдения.
- •4. Простейшие проверки
- •23. Проверка равномерности распределения псевдослучайной последовательности по критериям согласия
- •23.Проверка равномерности распределения псевдослучайной последовательности по критериям согласия
- •22. Проверка равномерности распределения псевдослучайной последовательности по ее числовым характеристикам.
- •20. Имитация случайных величин и процессов
- •18. Смешанный и аддитивный конгруэнтный методы получения равномерно распределенных псевдослучайных чисел. Методы увеличения периода датчика
- •16. Конгруэнтные методы получения равномерно распределенных псевдослучайных чисел
- •14. Метод середины квадрата. Общая характеристика, основные недостатки. Требования к функции рекуррентной формулы
- •24. Проверка независимости чисел в псевдослучайной последовательности. Критерий автокорреляции.
- •26. Получение случайных чисел с произвольным законом распределения методом отбора
- •30. Понятие системы массового обслуживания, назначение, общая характеристика, разновидности, примеры.
- •32.Цели и методы моделирования систем массового обслуживания.
- •34. Уравнения Колмогорова для одноканальной системы массового обслуживания с отказами.
- •28.Получение случайных чисел, подчиняющихся закону Вейбулла
- •35. Имитационное статистическое моделирование смо.
- •33. Основы моделирования систем массового обслуживания. Поток событий. Свойства потоков событий.
- •31.Классификация систем массового обслуживания
- •27. Моделирование нормально распределенной случайной величины
- •25. Проверка независимости чисел в псевдослучайной последовательности. Критерий разностей
- •29.Распределение хи-квадрат .
16. Конгруэнтные методы получения равномерно распределенных псевдослучайных чисел
Конгруэнтные методы генерирования случайных чисел получили наиболее широкое распространение для формирования на ЭВМ псевдослучайных последовательностей .
Два целых числа a и b называются конгруэнтными (сравнимыми) по модулю m, где m – целое число, если разность ( a − b ) делится на m без остатка, а числа a и b дают одинаковые остатки от деления на m.
Например, 2568 и 148 (по модулю 10), 1746 и 511 (по модулю 5), 6493 и 2221 ( по модулю 2) и т.д.
Конгруэнтные методы описываются в виде рекуррентного соотношения следующего вида: X i +1 = λ X i + ё (mod m) (i = 0, 1, 2, ...) , где X i , λ , ё , m – неотрицательные целые числа; X 0 – начальное значение
псевдослучайной последовательности; λ – множитель; ё – аддитивная константа; m – модуль.
Каждое новое значение X i +1 псевдослучайной последовательности представляет собой целочисленный остаток от деления на модуль m суммы произведения предыдущего значения X i на множитель λ и
аддитивной константы ё . Последовательность псевдослучайных чисел в интервале (0; 1) формируется путем деления полученных целочисленных значений X i на модуль m : xi = X i / m (i = 1, 2 , ...) .
Описанный метод генерирования псевдослучайных чисел получил название смешанного конгруэнтного метода.
В некоторых случаях используется более простой метод генерирования псевдослучайных чисел, представляющий собой частный случай смешанного метода, когда ё = 0 , и получивший название
мультипликативного конгруэнтного метода. В этом случае рекур- рентное соотношение имеет вид X i +1 = λ X i (mod m) (i = 0, 1, 2, ...) .
На каждом шаге полученное случайное число (множимое) умножается на некоторое постоянное число (множитель) и затем делится на другое постоянное число (делитель). В качестве нового случайного числа принимается остаток от деления, который служит дробной частью случайного числа, равномерно распределённого в интервале (0; 1).
14. Метод середины квадрата. Общая характеристика, основные недостатки. Требования к функции рекуррентной формулы
Одной из первых арифметических процедур,использованных для вычисления последовательностей равномерно распределенных псевдослучайных чисел,был метод серединных квадратов. В этом методе,предложенным фон Нейманом и Метрополисом в 1946 г.,каждое новое число в последовательности получалось взятием средних m цифр из числа, полученного возведением в квадрат первоначального m-значного числа. Метод серединных квадратов состоит из следующих шагов: 1.взять произвольное четырехзначное число. 2.возвести его в квадрат и,если нужно,добавить слева нули до восьмизначного числа. 3. Взять четыре цифры из середины в качестве первого случайного числа. 4.возвести в квадрат четырехзначное число, полученное на щаге 3 (опять при необходимости добавляя слева нули до восьмизначного числа). 5.повторять шаги 3 и 4 до получения необходимого количества случайных чисел.
Алгоритм получения последовательности случайных чисел методом серединных квадратов сводится к следующему:
Пусть имеется 2n-разрядное число, меньше 1:
.
Возведем его в квадрат:
,
а затем возьмем средние 2n разрядов:
,
которые и будут очередным числом.
Например:
и т.д.
Суть метода: предыдущее случайное число возводится в квадрат, а затем из результата извлекаются средние цифры.
К сожалению этот метод трудно проанализировать,он работает сравнительно медленно и не дает статистически удовлетворительных результатов.так,например,корреляцию между первым числом и длиной неповторяющейся последовательности (называемой периодом) заранее оценить очень трудно. Весьма часто последовательность случайных числе может оказаться слишком короткой (или,что хуже,в ней может отсутствовать случайность). Прежняя популярность данного метода простотой описания и легкостью понимания. Можно указать еще такие недостатки: 1. Если какой-нибудь член последовательности окажется равным нулю, то все последующие члены также будут нулями, 2. Последовательности имеют тенденцию "зацикливаться", т. е. в конце концов, образуют цикл, который повторяется бесконечное число раз.
Свойство "зацикливаться" присуще всем последовательностям, построенных по рекуррентной формуле xi+1=f(xi).