Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
ВІД_ММБД.doc
Скачиваний:
0
Добавлен:
01.07.2025
Размер:
311.3 Кб
Скачать

Перелік контрольних питань та відповідей з предмету „ Методи моделювання бойових дій військ”

1.Випадкова величина. Визначення, класифікація, приклади.

Відповідь: Випадковою величиною називається така змінна величина, що при випробуванні може прийняти те чи інше чисельне значення, причому невідомо заздалегідь, яке саме.

Приклади випадкових величин:

1) число снарядів, що потрапили в ціль;

2) кількість літаків, збитих у повітряному бої;

3) відхилення ракети від цілі;

4) час виконання роботи.

Випадкові величини поділяються на два типи: дискретні та безперервні.

Об'єктивно існуюча залежність чи зв'язок між можливими значеннями випадкової величини й ймовірностями, що відповідають їм, називається законом розподілу випадкової величини.

2. Поняття закону розподілу випадкової величини.

Відповідь: Випадковою величиною називається така змінна величина, що при випробуванні може прийняти те чи інше чисельне значення, причому невідомо заздалегідь, яке саме.

Приклади випадкових величин:

1) Число снарядів, що потрапили в ціль;

2) кількість літаків, збитих у повітряному бої;

3) відхилення ракети від цілі;

4) час виконання роботи.

Випадкові величини поділяються на два типи: дискретні та безперервні.

Об'єктивно існуюча залежність чи зв'язок між можливими значеннями випадкової величини й ймовірностями, що відповідають їм, називається законом розподілу випадкової величини.

Таблицю, в якій визначені можливі значення випадкової величини та імовірності, що їм відповідають називається рядом розподілу випадкової величини.

Функцією розподілу випадкової величини Х називається імовірність того, що випадкова величина Х прийме значення, менше, ніж якесь наперед задане значення х.

Щільність імовірності f(x) характеризує щільність розподілу імовірності випадкової величини Х в даній крапці (х).

випадкової величини.

Закони розподілу в моделях використовується для: опису закону розподілу випадкової величини; для визначення імовірності попадання випадкової величини на заданий інтервал.

3.Форми законів розподілу випадкової величини

Відповідь: Об'єктивно існуюча залежність чи зв'язок між можливими значеннями випадкової величини й ймовірностями, що відповідають їм, називається законом розподілу випадкової величини.

Таблицю, в якій визначені можливі значення випадкової величини та імовірності, що їм відповідають називається рядом розподілу випадкової величини.

Функцією розподілу випадкової величини Х називається імовірність того, що випадкова величина Х прийме значення, менше, ніж якесь наперед задане значення х.

Щільність імовірності f(x) характеризує щільність розподілу імовірності випадкової величини Х в даній крапці (х).

випадкової величини.

Закони розподілу в моделях використовується для: опису закону розподілу випадкової величини; для визначення імовірності попадання випадкової величини на заданий інтервал.

4. Формула повної ймовірності, практичне використання при розробці моделей.

Відповідь: Формула повної ймовірності формулюється таким чином: повна імовірність події дорівнює сумі добутків з імовірностей гіпотез на імовірності події по кожній із усіх гіпотез:

Важливо, що сума імовірностей усіх можливих гіпотез повинна дорівнювати одиниці, тобто

Дана формула (теорема) використовується при моделювання різних видів бойових дій.

5. Імовірність події. Визначення, властивості, практичні способи знаходження

ймовірності. Приклади.

Відповідь: Випадковою подією називається усякий факт, що у результаті іспиту * (операції) може відбутися чи не відбутися, причому заздалегідь невідомо відбудеться він чи ні (приклади: влучення снаряда в ціль, виявлення цілі, поява відмовлення в роботі технічного пристрою і та. і.).

Розглядаючи різні випадкові події навколишнього світу, можна переконається у тім, що кожна з них має якийсь ступінь можливості появи, одні - більший, інші - менший, причому для деяких подій можна відразу вказати, яка з них більш, а яка менш можлива Звідси напрошується висновок: для того, щоб порівняти події між собою по ступеню їхньої можливості, потрібно виміряти цей ступінь деяким числом, тобто з кожною подією потрібно зв'язати визначене число, що повинно бути тим більше, чим більш можлива подія. Це число прийнято називати імовірністю події.

Визначення імовірності події може бути здійснено різними способами, а саме:

- класичним способом, заснованим на понятті рівно можливості;

- статистичним способом, заснованим на частоті появи подій при великому числі випробувань;

- геометричним способом, тобто шляхом зіставлення довжин, площ і обсягів;

- непрямими способами, в основі яких лежать теореми теорії ймовірностей.Основні властивості імовірності події:

1. Імовірність події - величина позитивна, тобто

P(A) 0

2. Імовірність події - величина безрозмірна.

3. Якщо кожен елементарний результат випробування сприяє даній події А, тобто m= n, то ця подія є достовірною, а імовірність її появи P(A)=1.

4. Якщо жоден з можливих елементарних результатів операції не сприяє даній події А, тобто m=0, то ця подія є неможливою, а імовірність її появи Р(А) =0.

5. Імовірність випадкової події знаходиться між нулем і одиницею, тобто

0 Р(А) 1.

Імовірність настання протилежної події дорівнює різниця між одиницею й імовірністю настання події А:

P( )=1-Р(А)

6. Біноміальний закон розподілу випадкової величини. Використання під час розробки моделей.

Відповідь: Даний закон виражає залежність між окремими значеннями m дискретної випадкової величини M та ймовірностями їх появи p:

де - число сполучень (комбінацій) появи події А, рівно m раз, і появи події А, рівно (n - m) разів. Числові характеристики закону:

- математичне сподівання: mм = np;

- дисперсия: Dм = npq.

Закон використовується при моделюванні бойових дій.

7. Закон розподілу Пуассона випадкової величини. Використання під час розробки моделей.

Відповідь: Розподіл Пуассона – це розподіл додатної дискретної випадкової величини М, що визначається формулою:

,

де a= np. Формула табульована. Закон використовувається, коли кількість испитов n - чимале, порядку сотень-тисяч, а імовірність їх появи p - надто мала, порядку 0,001.

Має місце чисельна рівність математичного сподівання і дисперсії випадкової величини (ВВ), тобто D[M] = M[M] = np, що може бути ознакою принадлежності даної ВВ до розподілу Пуассона.

Закон використовується при моделюванні бойових дій.

8. Експоненціальний закон розподілу випадкової величини. Використання під час розробки моделей.

Відповідь:Безперервна випадкова величина (БВВ) Т, яка розподілена на інтервалі від 0 до (+∞), має даний закон, якщо ії щільність розподілу імовірності визначається формулою:

е -t .

Числові характеристики:

- математичне сподівання, дисперсія, середнє-квадратичне відхилення:

Закон використовується при моделюванні бойових дій, а також при оцінці належності бойовий техніки та озброєння.

9. Рівномірний закон розподілу випадкової величини. Використання під час розробки моделей.

Відповідь: Безперервна випадкова величина Х має рівномірний закон розподілу на заданому відрізку (a, b), якщо на цьому відрізку щільність розподілу імовірності випадкової величини є постійною величиною, а поза нього – усюди дорівнює нулю:

f(x)

Числові характеристики закону:

- математичне сподівання :

,

  • дисперсія :

Закон використовується при моделюванні бойових дій.

10. Нормальний закон розподілу випадкової величини (закон Гауса). Використання під час розробки моделей.

Відповідь: Щільність імовірності нормального закону має аналітичне уявлення:

де mx і σx – математичне сподівання і середнє –квадратичне відхилення (с.к.в.) випадкової величини Х є параметри нормального розподілу. Таким чином, нормальний розподіл цілком визначається двома параметрами: математичним сподіванням mx і середнім квадратичним відхиленням σx. Графічно крива розподілу даного закону має вид квадратичної експоненти. При цьому, mx визначає положення центру розсіювання, а с.к.в. - точку перегину кривої розподілу f(x). Графічно крива розподілу даного закону має вид квадратичної експоненти.

Даний закон використовується при моделюванні бойових дій, а також при побудові нових видів техніки та озброєння.

11. Оцінка для математичного сподівання і дисперсії випадкової величини. Використання оцінок на практиці.

Відповідь: В якості оцінки математичного сподівання випадкової величини прийняте середнє арифметичне з спостережених значень випадкової величини. Вона е незміщеною, спроможною і ефективною. Оцінка дисперсії також має свій математичний опис:

Така оцінка дисперсії є незміщеною.

Оцінці на практиці використовуються, коли неможливо знайти їх точні значення.

12. Поняття довірчого інтервалу. Порядок побудови довірчого інтервалу для математичного сподівання.

Відповідь: Довірчий інтервал – це інтервал І = ( - ; + ), що може накрити не випадковий (хоча і невідомий) параметр а із заданою імовірністю . Довірчий інтервал І характеризує точність оцінки. Чим менше І при заданій , тим точніше оцінка.

Довірча імовірність характеризує надійність оцінки. Чим більше довірча імовірність при заданому І , тим надійніше оцінка.

Алгоритм побудови довірчого інтервалу для математичного сподівання складається із слідуючих етапів:

- визначити оцінку для математичного сподівання;

- визначити середне-квадратичне відхилення оцінки;

- визначити половину ширини довірчого інтервалу для оцінки математичного

сподівання;

  • побудувати довірчий інтервал.

13. Метод максимального елементу нелінійного програмування. Сутність, вихідні дані, типи задач, що можуть розв’язуватися цим методом.

Відповідь: Даний метод використовується для оптимального розподілу однорідних

(однакових, рівно ефективних) ресурсів ( вогневих засобів) по об’єктах (цілях).

Вихідні дані:

- кількість ресурсів (вогневих засобів);

- кількість цілей;

- вага цілей;

- імовірність ураження цілей.

Метод використовується для оптимального розподілу ресурсів, наприклад, вогневих засобів по цілях.

14. Функція розподілу випадкової величини та її властивості.

Відповідь: Функція розподілу - загальна форма опису імовірнісних моделей випадкових величин

Функція розподілу випадкової величини Х – це імовірність того, що випадкова величина Х

прийме значення менше, чим деяке наперед задане значення х, тобто:

F(x)=Р(Х< х).

F(x) використовується для імовірнісного опису як дискретних, так і безперервних випадкових величин. Загальні властивості функції розподілу:

1. Функція розподілу як імовірність є величина безрозмірна.

2. При х = -  функція розподілу дорівнює нулю, тобто F(- )=0.

3. При х = +  функція розподілу дорівнює одиниці, тобто F(+ )=1.

4. Функція розподілу є неспадаюча функція від х, тобто якщо х2х1, то

F(x2)  F(x1).

15. Модель марковського випадкового процесу з дискретним часом (ланцюги Маркова). Приклади марковського випадкового процесу з дискретним часом.

Відповідь: Марковські випадкові процеси з дискретним часом, що відбуваються в системах з дискретними станами, називаються ланцюгами Маркова.

Ланцюги Маркова описуються за допомогою:

ймовірностей станів системи (операції або процесу) Pi(k), ймовірностей того, що після k кроків система буде знаходитися в стані Si (і = 1, 2, …, n);

перехідних ймовірностей Pij ймовірностей переходу системи за один крок зі стану Si до стану Sj.

Значення ймовірностей станів системи на кожному з k кроків визначають в якому конкретному стані вона знаходиться.

Можливості переходу системи від одного до іншого стану визначають значення перехідних ймовірностей для кожного конкретного стану і кроку.

В тому разі, коли значення перехідних ймовірностей Pij не залежать від номера кроку, ланцюг Маркова називається однорідним, у протилежному випадку – неоднорідним.

В якості прикладів процесів, що відбуваються у системах військового призначення, можна назвати:

ведення розвідки цілей та видача інформації про них за період бойових дій;

ведення вогню та знищення цілей артилерійськими підрозділами під час відбиття атаки противника;

виявлення цілей засобами розвідки та їх обстріл;

функціонування протягом певного часу зразків озброєння та військової техніки, що супроводжується відмовами та відновленнями їх підсистем;

функціонування КП частини під час обробки інформаційних потоків;

наведення високоточної зброї на ціль та ураження цілей;

функціонування засобів радіолокаційної та радіотехнічної розвідки, тощо.