
- •Федеральное агентство по образованию
- •Исследование операций
- •Содержание
- •Введение
- •Лабораторная работа 1 Метод численного моделирования (Метод Монте-Карло)
- •Общие сведения
- •Моделирование случайных величин с равномерным распределением в интервале [0; 1]
- •Псевдослучайные числа
- •Алгоритмы генераторов псевдослучайных чисел
- •Линейный конгруэнтный метод (лкм)
- •Алгоритм Вичманна–Хилла (Wichmann–Hill или as183)
- •Алгоритм «Виток Мерсенна» (Mersenne Twister или mt19937)
- •Алгоритм Парка−Миллера (Park, Miller)
- •Метод Фибоначчи с запаздыванием
- •Функция random() в различных приложениях
- •Оценка точности результатов, полученных методом Монте-Карло
- •Лабораторное задание
- •Контрольные вопросы
- •Цель работы: научиться моделировать случайные величины с заданным законом распределения
- •Моделирование случайных событий
- •Моделирование непрерывной случайной величины
- •Алгоритмы моделирования некоторых типов случайных величин Экспоненциальное распределение
- •Пуассоновская случайная величина Распределение вероятностей числа событий на интервале времени для пуассоновской св с параметром определяется выражением
- •Гауссовская случайная величина
- •Случайная величина с логнормальным распределением
- •Моделирование n-мерной случайной величины
- •Варианты заданий для лабораторной работы 2
- •Контрольные вопросы
- •Цель работы: научиться определять основные характеристики системы массового обслуживания с помощью метода численного моделирования
- •Потоки событий
- •Многоканальная смо с ожиданием
- •Основные характеристики смо
- •Моделирование систем массового обслуживания
- •Лабораторное задание
- •Контрольные вопросы
- •Рекомендуемая литература
- •Алгоритм «Виток Мерсенна» (реализация алгоритма на языке с)
- •Результаты тестирования датчиков случайных чисел
- •Критерий согласия хи-квадрат Пирсона
Лабораторное задание
1.
Для датчиков псевдослучайных чисел в
приложениях MathCad, Excel
и на языке Pascal вычислить
оценки среднего, дисперсии и построить
гистограммы относительных частот.
Сравнить полученные оценки с точными
значениями математического ожидания
и дисперсии
.
2. Разработать алгоритм вычисления площади (объема) заданной фигуры методом Монте-Карло и написать для него программу на ЭВМ. Определить величину относительной средне-квадратичной ошибки вычисленной оценки для различных прямоугольных областей , содержащих заданную фигуру (см. рис. 2). Найти точное значение площади (объема) заданной фигуры и сравнить полученные результаты.
3. Оформить в электронном виде отчет по результатам лабораторной работы, включив в него: цель работы, результаты исследование датчиков случайных чисел, алгоритм вычисления площади (объема) заданной фигуры и результаты расчетов. Отчет должен содержать обсуждение полученных результатов.
Рис. 2
Указания.
Для вычисления объема
(площади
)
заданной геометрической фигуры
необходимо разыграть координаты
случайных точек с равномерным
распределением
в прямоугольной
области
(см. рис. 1, 2). Тогда оценки величины
объема
(площади
)
можно вычислить по формулам:
,
,
где
– число точек, попавших в область
.
Значение СВ
с равномерной плотностью вероятности
в заданном интервале
можно получить с помощью линейного
преобразования
. (10)
Здесь
и далее
обозначает СВ с равномерной плотностью
вероятности в интервале [0; 1] (1). Более
подробно моделирование случайных чисел
с заданным законом распределения будет
рассмотрено в материалах к лабораторной
работе 2. Величину относительной
среднеквадратической погрешности
оценок объема
(площади
)
можно вычислить по формуле:
.
Контрольные вопросы
Чем отличаются последовательности случайных и псевдослучайных чисел?
Какими преимуществами обладают датчики псевдослучайных чисел и почему их удобно использовать для отладки программ?
Каким требованиям должны удовлетворять датчики псевдослучайных чисел?
Что можно сказать о точности результатов, полученных методом численного моделирования, и как они зависят от объема выборки?
Определите величину интервала
в котором находится найденная оценка площади (объема) заданной фигуры с вероятностью 0,9. Значения функции Лапласа приведены в приложении 3.
ЛАБОРАТОРНАЯ РАБОТА 2
Моделирование случайных величин с заданным законом распределения
Цель работы: научиться моделировать случайные величины с заданным законом распределения
Общие сведения
Моделирование дискретных случайных величин
Рассмотрим дискретную СВ с рядом распределения
, (11)
где
.
Для того чтобы моделировать эту величину,
разделим интервал [0; 1] на интервалы
(рис. 3) такие, что длина
равна вероятности
.
Можно доказать следующую теорему.
Рис. 3
Теорема.
Случайная величина
,
определенная выраже-нием
если
,
имеет ряд распределения вероятностей
(11). Схема моделирования: разыгрываем
случайное число
и определяем интервала
,
в который оно попало. В результате
получим соответствующее значение СВ
(для показанной на рис. 3 реализации
).