31. Надежность простейших сетевых структур. Оценка коэффициента готовности (вероятности исправного состояния) для параллельной и последовательной структур, метод декомпозиции.

Тип	Расчет	Иллюстрация
Надежность последовательной простейшей структуры
Надежность параллельной простейшей структуры

Декомпозиция, как процесс расчленения, позволяет рассматривать любую исследуемую систему как сложную, состоящую из отдельных взаимосвязанных подсистем, которые, в свою очередь, также могут быть расчленены на части.

В общей теории систем доказано, что большинство систем могут быть декомпозированы на базовые представления подсистем. К ним относят:

• Последовательное соединение элементов,

• Параллельное соединение элементов,

• Соединение с помощью обратной связи.

Пример
Исходная структура	Действие	Результирующая структура

32. Оценка коэффициента готовности (вероятности исправного состояния) для мостовой структуры.

33. Оценка коэффициента готовности (вероятности исправного состояния) для структуры общего вида. Метод включения-исключения.

Пусть граф сети имеет путей между заданными двумя узлами.

— событие, означающее исправность всех элементов пути .

34. Поиск самого надежного пути в сети. Постановка задачи, весовые коэффициенты ребер графа.

Граф	Самый надежный путь
	Трехместная операция, в алгоритме Флойда-Уоршалла

35. Задачи прогнозирования развития технологий связи (проникновения). Основные характеристики уровня развития. Линейная модель прогнозирования (линейная регрессия).

Основными показателями развития технологий телекоммуникаций являются степень и динамика их распространения. Обычно, этот показатель оценивается проникновением той или иной технологии, т.е. числом пользователей на 100 жителей. Динамика изменения проникновения характеризуется некоторой функцией , определяющей зависимость проникновения от времени. Для построения этой зависимости применяются методы аппроксимации исходных данных (временного ряда) некоторой функцией. Для этой цели может быть использован, например, метод наименьших квадратов или другие методы выбора параметров функции путем минимизации отклонений ее значений, от значений определяемых исходным рядом .

Существенную роль при построении прогноза имеет выбор аппроксимирующей функции. Основным требованием к данной функции является непрерывность на интервале прогнозирования. Однако выполнения этого требования не достаточно для получения адекватного прогноза. Понятно, что выбираемая функция, по возможности, должна наилучшим образом, отражать процесс изменения прогнозируемой величины. Поэтому, при выборе функции следует руководствоваться знаниями об исследуемом процессе и подобных процессах, возможно в других областях знаний, т.е. использовать ассоциативный подход.

Практически, при построении краткосрочных прогнозов, часто используется линейная регрессия.

Линейная регрессия
Линейная регрессия	Линейная регрессия с доверительным интервалом
Доверительный интервал для прогнозируемых значений будет определяться как: В этом случае предполагается, что имеет место линейная тенденция изменения прогнозируемой величины, а также сохраняется случайный характер ее изменения, поэтому результатом прогноза является доверительный интервал. Ширина доверительного интервала расширяется с увеличением интервала прогнозирования, а ее минимальное значение приходится на середину интервала исходных данных.