Для публикации( СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ СЛОЖНЫХ СИСТЕМ)-2
.pdfАЛГОРИТМ И ПРОГРАММА СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ СЛОЖНЫХ СИСТЕМ
Москва
2017 г,
2 |
ВВЕДЕНИЕ................................................................................................................................... |
2 |
1. ПОСТАНОВКА ЗАДАЧИ ..................................................................................................... |
4 |
2. ИНСТРУКЦИЯ ПО ПОЛЬЗОВАНИЮ ПРОГРАММОЙ.............................................. |
4 |
1. ПЕРЕМЕННЫЕ.................................................................................................................................................. |
4 |
2. МАССИВЫ......................................................................................................................................................... |
5 |
3. АВТОНОМНО ЗАПРОГРАММИРОВАННАЯ ПРОЦЕДУРА......................................................................... |
5 |
3. ОПИСАНИЕ ПРОГРАММЫ ............................................................................................... |
6 |
Листинг программы приведен ниже. ...................................................................................... |
8 |
Последовательность выполнения программы...................................................................... |
8 |
Процедура OGR ........................................................................................................................... |
9 |
Процедура MCCH...................................................................................................................... |
10 |
Процедура ctatobr...................................................................................................................... |
14 |
Описание работы с программой............................................................................................. |
15 |
Подготовка функционала Y=F(X) сложной системы......................................................... |
18 |
Использование буфера обмена (БО) ..................................................................................... |
19 |
Пояснение как создать необходимый exe-файл.................................................................. |
19 |
Как создать ProjectOfflineProcess........................................................................................... |
20 |
Файл TYPEDATA.PAS.............................................................................................................. |
22 |
ЛИТЕРАТУРА ........................................................................................................................... |
25 |
СКРИНШОТЫ ПРОГРАММЫ........................................................................................................................... |
26 |
Инв. № подл. |
|
|
|
|
|
|
|
|
. И дата |
|
|
|
|
АЛГОРИТМ И ПРОГРАММА |
|
|
|
Подп |
|
|
|
|
|
|
||
|
. |
|
|
СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ |
|
|||
|
|
|
|
|
||||
|
Изм. Кол.уч |
Лист № док. |
Подп. |
Дата |
СЛОЖНЫХ СИСТЕМ |
Лист |
Листов |
|
. |
Директор |
Казимиров Л.П |
|
|
|
Стадия |
||
подл |
|
|
|
Пояснительная записка |
РПУ |
1 |
36 |
|
№ |
|
|
|
|
|
|
||
|
|
|
|
|
ГРУППА ФОНД |
|||
Инв. |
Исполнил |
Казимиров Л.П. |
|
11.2017 |
|
|||
Н.контроль |
|
|
|
|
|
|
|
|
|
|
|
Копировал: |
|
|
Формат А4 |
||
|
|
|
|
|
|
3 |
ВВЕДЕНИЕ
Вотчёте представлено краткое описание алгоритма и возможности программы статистического моделирования сложных систем – далее – программа ОБОЛОЧКА.
Для формирования чисел с заданным законом распределения используется метод исключения Дж. фон Неймана.
Программа реализована в виде автономного блока, в котором реализована возможность подключать внешнюю автономно запрограммированную программу расчёта (EXE-файл) какого-либо процесса (машины).
Программа ОБОЛОЧКА в виде EXE-файла устанавливается на host-компьютере в отдельной папке (имя папки произвольное), в которую также помещается EXE-файл расчёта какого-либо процесса (машины) и вспомогательные текстовые файлы (расширение .rtf).
Вэту же папку помещаются результаты расчётов.
Впроцессе ввода Исходных Данных и по окончании расчётов имеется возможность документировать процесс , по отдельной кнопке «СНИМОК ЭКРАНА» сделать ScreenShot – ы, на которых проставляется текущие дата и время проведения расчётов. Они также помещаются в этой папке.
Обмен между программой ОБОЛОЧКА и внешним процессом осуществляется через буфер обмена вычислительной машины(host-компьютера).
Приводятся требования по подготовке EXE-файла.
Структура программы построена по блочному принципу, функциональные блоки выделены в виде отдельно запрограммированных процедур.
Программа даёт возможность моделировать функцию случайного векторного аргумента.
Примечание.
Предполагается, что компоненты векторного аргумента являются независимыми случайными переменными.
|
Каждая переменная входного вектора (векторный аргумент) задаётся своим законом |
|||||||||||||||||
|
распределения или может быть CONST. |
|
|
|
|
|
|
|
|
|
||||||||
|
Реализованы следующие виды законов распределения: |
|
|
|
|
|
|
|||||||||||
|
10: переменная-const, |
|
|
|
|
|
|
|
|
|
|
|
||||||
|
0:выборка с постоянным шагом, |
|
|
|
|
|
|
|
|
|
||||||||
|
1:равномерный закон, |
|
|
|
|
|
|
|
|
|
|
|
||||||
|
2:нормальный закон, |
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
3:β-распределение, |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
4:ɣ-распределение ( обозначения приведены как в программе). |
|
|
|
|
|||||||||||||
|
Название векторного аргумента (как входного, так и выходного) задаётся в текстовом |
|||||||||||||||||
|
файле, например, «Название входного вектора.rtf» и «Название выходного вектора.rtf». |
|||||||||||||||||
№ |
Расширение файловrtf. Описание файлов приведено ниже. |
|
|
|
|
|
|
|||||||||||
Результаты моделирования (расчётов) формируются в виде текстовых файлов, например, |
||||||||||||||||||
инв. |
||||||||||||||||||
«4Угол |
с учётом рессор |
и шин |
Параметры |
выходного |
вектора |
09.05.24.txt» (где |
«4» - |
|||||||||||
. |
порядковый № выходного вектора), содержащих таблицы, а также в виде графических bmp- |
|||||||||||||||||
Взаи |
файлов, на которых приведены графики закона распределения выходного параметра – его |
|||||||||||||||||
|
||||||||||||||||||
|
название, плотность и функция распределения, мат.ожидание и сигма. Все файлы собираются в |
|||||||||||||||||
дата |
отдельную папку, каждый со своим названием, текущей датой и текущим временем расчётов. |
|||||||||||||||||
Они размещаются в общей папке, например «Общая отладка_25.11.2017_14.08.07», где |
||||||||||||||||||
|
||||||||||||||||||
. и |
указывается |
дата |
и |
время |
проведения |
расчёта. |
В |
этой |
папке |
находятся |
папки: |
|||||||
«MyFolderBmp_25.11.2017_14.08.07» (снимки |
экрана) |
и |
«отладка_25.11.2017_14.08.07» |
|||||||||||||||
Подп |
||||||||||||||||||
(текстовые файлы для каждого выхода). |
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||
|
Например, для режима ОТЛАДКА с ВЫХ=ВХ=2 – имеем: |
|
|
|
|
|
||||||||||||
. |
|
1 |
1-й выход |
|
Плотность распределения _25.11.2017_14.08.07.txt, |
|
||||||||||||
|
1 |
1-й выход |
|
Функция распределения _25.11.2017_14.08.07 |
|
|
||||||||||||
№ подл |
|
|
|
|
|
|
|
|
|
АЛГОРИТМ И ПРОГРАММА |
Лист |
|||||||
Инв. |
|
|
|
|
|
11.2017 |
|
|
СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ |
2 |
||||||||
Изм. Кол.уч |
Лист |
№ док. |
Подп. |
Дата |
|
|
|
СЛОЖНЫХ СИСТЕМ |
|
|||||||||
|
|
Копировал: |
|
|
|
|
|
|
Формат А4 |
4 |
11-й выход Параметры выхода _25.11.2017_14.08.07,
2 |
2-й выход |
Плотность распределения _25.11.2017_14.08.07 |
2 |
2-й выход |
Функция распределения _25.11.2017_14.08.07 |
2 |
2-й выход |
Параметры выхода _25.11.2017_14.08.07. |
Составляющие вектора выходных параметров исследуемой модели обрабатываются параллельно, при этом отпадает необходимость сохранять массивы данных моделирования, что упрощает требования к компьютеру. Это позволяет без ограничений по располагаемым возможностям компьютера использовать программу при исследовании сложных систем.
В программу встроен режим ОТЛАДКА, при котором ВЫХ = ВХ. Это позволяет промоделировать и построить графики для разных законов распределения и подобрать параметры этих законов. Например, для бета-распределения в зависимости от степени неопределённости, законы распределения имеют вид (результат расчётов по программе, число реализаций – 100 000, время счёта – 200 сек):
f ( x) A x (1 x) , |
|
||
A |
Г ( 2 ) |
; |
|
Г ( 1)Г ( 1) |
|||
|
|
инв. № |
|
|
|
|
|
|
Взаи. |
|
|
|
|
|
|
Подп. и дата |
Размерность векторов ВХ и ВЫХ |
задана величиной 100. |
|
|||
|
|
|||||
№ подл. |
|
|
|
|
АЛГОРИТМ И ПРОГРАММА |
Лист |
Инв. |
|
|
11.2017 |
|
СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ |
3 |
|
|
|
|
СЛОЖНЫХ СИСТЕМ |
||
Изм. |
Кол.уч Лист № док. |
Подп. |
Дата |
Копировал: |
Формат А4 |
инв. № |
Взаи. |
Подп. и дата |
Инв. № подл. |
5 |
1. ПОСТАНОВКА ЗАДАЧИ
Сложная исследуемая система задана операторным уравнением
y Ф(x)
где Ф(х) – оператор преобразования входного воздействия Х и является математической моделью сложной системы.
На рис.1 показано графическое представление модели сложной системы
x |
|
y |
|
|
|
|
Ф |
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис.1. Графическое представление модели сложной системы |
|
|
|
|
||
На вход подаётся вектор - x (x1, x2,...,xQ ) |
, |
|
|
|
|
|
на выходе (после расчётов) подучаем - вектор – y (y , y |
2 |
,..., y |
Nвых |
) |
||
|
|
1 |
|
|
2. ИНСТРУКЦИЯ ПО ПОЛЬЗОВАНИЮ ПРОГРАММОЙ
Исследуемую методом статистических испытаний математическую модель сложной системы необходимо оформить в виде автономно запрограммированной процедуры F(X, У, П). Значения формальных параметров процедуры:
Х - вектор случайных входных параметров модели; У - вектор выходных параметров модели; П - массив входных неслучайных параметров модели.
Для работы программы необходимо задать исходные данные в следующем порядке:
1. Переменные
Nmax - число реализаций – (целое число);
Q – размерностъ входного вектора Х [1…Q] – (целое число);
Nвых – размерность выходного вектора Y [1…Nвых] – (целое число);
W - число делений, на которое разбивается интервал для построения гистограммы и/или интервал изменения случайной величины при равномерном шаге (целое число);
Тип закона распределения и его параметры задаются в виде массива M[j,1] - {=== M[j,1]- тип закона распределения
M[j,2]-мат.ожидание (для нормального закона); M[j,3]-сигма (для нормального закона; M[j,4]-min
M[j,5]-(max-min) ===}.
Используются обозначения:
Q - количество элементов случайного вектора X;
МК - массив констант, вычисляемых в процедуре OGR - массив , задающий режим работы процедуры
для каждой входной величины формируется своё число МК[вход], которое равно МК[вход]= Xmax-Xmin
{--- Ограничениямакс.Nvux=100;ограничение не программное ---------}
{---- число входов Q=100; Nvux=100; w=100; w=1..100-максимальное число интервалов
|
|
|
|
|
|
АЛГОРИТМ И ПРОГРАММА |
|
|
Лист |
|
|
|
|
|
11.2017 |
СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ |
|
|
|
|
|
|
|
|
|
|
4 |
||
Изм. |
Кол.уч |
Лист |
№ док. |
Подп. |
Дата |
СЛОЖНЫХ СИСТЕМ |
|
|
|
Копировал: |
Формат |
|
А4 |
||||||
|
|
|
|
|
|
|
6 |
В программе используется следующее обозначение массива, например: raM100_10 = array [1 .. NvuxM, 1 .. 10] of extended;
Для плотности и функции распределения используется массив raMPRFR = array [1 .. NvuxM, 1 .. WvuxM ] of extended; (массив плотности распределения / функции распределения). Другие массивы:
raX = array [1 .. QmaxM] of extended;
raF = array [1 .. NvuxM, 0 .. WvuxM ] of extended; raM100_10 = array [1 .. NvuxM, 1 .. 10] of extended; и другие.
Описание всех массивов приведено в unit typeDATA; Описание глобальных переменных – в unit Global_ID_Data; Процедуры для обработки собраны в unit StatunitProcess; Она содержит :
procedure OGR( M:raM100_10;var MBUX:raM100_10;Q,NMAX:integer;var MK:raX); procedure MCCH( M:raM100_10; MK:raX;N,Q:integer;var X:raX);
procedure ctatobr(Y:raX;XMXBux,Bi,Ai,dy :raF; var F, MPR,MFR,MX,MF,MXBux,F0:raF;
N,Nmax,W,Nvux:integer);
procedure ChetPdovFgamma (teta,lambda, P:extended; var Xmax:extended ); procedure Fgamma (X :extended; var gamma:extended );
procedure DateTimeStMyfile ( myfile,txt : string; var myfileName: string); procedure DateTimeStMyfolder( myfolder : string; var myfolderName: string); procedure DirMoveFile( myfileName ,myfolderName: string);
procedure CtatObrLimit(Y:raX;MBUX :raM100_10; var XMXBux:raF; W,Nvux:integer);
procedure CtatObrPoickLimit(Y:raX; var XMXBux,Bi,Ai,dy, MF:raF; N,Nmax,W,Nvux:integer);
procedure CtatObrPoickLPdov(Mx,MFdov:raF; Pdov,dX:extended;W,NomerBuxoda:integer; var Xpdov:raX);
В каждой содержится коментарий с описанием – что делает процедура.
2. Массивы
Массивы X [1…Q]; M [1…Q, 1…5 ] – см. таблицу I.
3. Автономно запрограммированная процедура
Автономно запрограммированная процедура F(X, У, П) (или несколько процедур).
|
Таблица 1. |
|
|
|
Значения j-тых элементов массивов |
|
Ограничения |
|||
№ |
|
Закон |
|
|
|
|
||||
|
распределения |
|
|
|
|
|
|
|
на параметры |
|
инв. |
|
Равномерный шаг |
M[j,1] |
M[j,2] |
M[j,3] |
M[j,4] |
M[j,5] |
|
Целесообразно |
|
. |
|
0 |
|
– |
– |
Xmin |
Xmax-Xmin |
|
||
Взаи |
|
Равномерное |
1 |
|
0 |
0 |
Xmin |
Xmax-Xmin |
задать Nmax=W-1 |
|
|
|
|
||||||||
|
|
|
|
|
||||||
дата |
|
Нормальное |
2 |
|
М.О. |
С.К.О. |
– |
– |
|
|
|
-распределение |
3 |
|
|
|
Xmin |
Xmax-Xmin |
|
+ 64 |
|
|
-распределение |
4 |
|
|
|
Xmin |
Pдов |
|
<21 – целое |
|
. и |
|
|
|
|||||||
|
|
5 |
|
|
1 |
Xmin |
Pдов |
|
число |
|
Подп |
|
Экспоненциальное |
|
|
|
– |
||||
|
|
|
|
|
|
|
|
|
|
|
. |
Xmin, Xmax – границы изменения компоненты Xj случайного вектора Х; |
|
|
|||||||
№ подл |
|
|
|
|
|
АЛГОРИТМ И ПРОГРАММА |
|
Лист |
||
Инв. |
|
|
|
11.2017 |
|
СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ |
5 |
|||
Изм. |
Кол.уч Лист № док. |
Подп. |
Дата |
|
|
СЛОЖНЫХ СИСТЕМ |
|
|||
|
Копировал: |
|
|
|
Формат А4 |
инв. № |
Взаи. |
Подп. и дата |
Инв. № подл. |
7 |
Рдов – значение доверительной вероятности для определения интервала (Xmin…Xmax);
, , , – см. табл.2
Таблица 2.
Название |
Плотность распределения |
|
Параметры |
|
|
М.О. |
|
|
|
Дисперсия |
|
|
|
Точка |
Приме- |
|||||||||||||||
распределения |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
макси |
чание |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
мума |
|
|
Равномерное |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
, |
X min |
X X max; |
X min , X max |
|
X max |
|
X min |
|
(X max X min) |
2 |
|
|
|
|
1 |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
f (x) X max X min |
|
|
|
|
|
|
|
|
; |
; |
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
||||||||||||||||
|
|
|
0, |
востальныхслучаях; |
|
|
|
|
|
|
|
|
|
|
12 |
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Нормальное |
|
|
|
|
1 |
|
|
|
(x )2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
e |
2 2 |
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|||||||||
|
f (x) 2 |
|
; |
0 |
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
бета- |
|
|
|
|
|
|
|
|
0 x ; |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
распределение |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
f (x) A x (1 x) , |
0 |
|
1 |
|
|
|
( 1)( 1) |
|
|
|
|
3 |
||||||||||||||||||
|
|
|
0, востальных случаях; |
|
|
; |
|
; |
|
; |
||||||||||||||||||||
|
|
0 |
|
|
|
|
|
|
|
|||||||||||||||||||||
|
A |
|
Г( 2) |
; |
|
|
|
2 |
|
|
( 2)2( 3) |
|
|
|
||||||||||||||||
|
Г( 1)Г( 1) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
гамма- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
распределение |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
x 1 e x, при x 0; |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
4 |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
f (x) |
Г( ) |
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
||||
|
|
|
0 |
|
|
|
|
при x 0; |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Примечания:
1. Вероятность того, что наблюдение принадлежит данному интервалу, прямо пропорционально его длине;
2. Является приемлемой моделью многих физических явлений вследствие того, что
при довольно общих условиях распределение среднего наблюдений стремится к нормальному, |
|
независимо от формы исходного распределения при |
n . |
3.Основное распределение математической статистики для случайных величин, ограниченных с обеих сторон;
4.Основное распределение математической статистики для случайных величин,
ограниченных с одной стороны |
(0 x ) . Описывает время, необходимое для |
появления событий при условии, что они независимы и появляются с постоянной
интенсивностью |
|
. При 1 называется экспоненциальным. |
3. ОПИСАНИЕ ПРОГРАММЫ
Блок-схема программы представлена на рис.1. Основными элементами программы являются рабочие процедуры MCCH (моделирование случайного числа с заданным законом распределения)иctatobr(обработкарезультатов),иобслуживающаяпроцедураOGR.Оператор Ф(х), или исследуемая модель, представлен в программе в виде автономно запрограммированной процедуры F(X, Y, П), что обеспечивает большую оперативность в использовании программы.
|
|
|
|
|
|
АЛГОРИТМ И ПРОГРАММА |
|
|
Лист |
|
|
|
|
|
11.2017 |
СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ |
|
|
|
|
|
|
|
|
|
|
6 |
||
Изм. |
Кол.уч |
Лист |
№ док. |
Подп. |
Дата |
СЛОЖНЫХ СИСТЕМ |
|
|
|
Копировал: |
Формат |
|
А4 |
||||||
|
|
|
|
|
|
|
8 |
инв. № |
|
|
|
|
|
|
|
Взаи. |
|
|
|
|
|
|
|
Подп. и дата |
|
|
|
|
|
Рис.1. Блок-схема |
|
|
|
|
|
|
|
|
|
№ подл. |
|
|
|
|
|
АЛГОРИТМ И ПРОГРАММА |
Лист |
Инв. |
|
|
|
|
11.2017 |
СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ |
7 |
|
|
|
|
|
СЛОЖНЫХ СИСТЕМ |
||
Изм. |
Кол.уч |
Лист |
№ док. |
Подп. |
Дата |
Копировал: |
Формат А4 |
9 |
Листинг программы приведен ниже.
program ObchijSTATModeling; uses
Vcl.Forms,
VEKTOR in 'VEKTOR.PAS', TYPEDATA in 'TYPEDATA.PAS', Global_ID_Data in 'Global_ID_Data.pas', ServisProcess in 'ServisProcess.PAS', Unit1graf in 'Unit1graf.pas' {Form1Graf},
STATUNITProcess in 'STATUNITProcess .PAS', Start in 'Start.pas' {Form1Start},
Strexplode in 'Strexplode.pas',
ProOtladka in 'ProOtladka.PAS',
Unit1TT in 'Unit1TT.pas' {Form1}, CopyToClipboardTextQN in 'CopyToClipboardTextQN.pas', MainStatProcess in 'MainStatProcess.pas' {IdStatMode}, ShellAdd in 'ShellAdd.pas';
{$R *.res} begin
Application.Initialize; Application.MainFormOnTaskbar := True; Application.CreateForm(TForm1Start, Form1Start); Application.CreateForm(TForm1, Form1); Application.CreateForm(TForm1Graf, Form1Graf); Application.CreateForm(TIdStatMode, IdStatMode); Application.Run;
end.
|
Последовательность выполнения программы. |
|
|||||
|
Последовательность выполнения программы описана ниже. |
|
|||||
|
В начале счёта выполняется процедура OGR(MBX,MBUX,Q,NMAX, MK); |
|
|||||
|
Далее счёт ведется в цикле |
|
|
||||
|
for N:=1 to Nmax do |
begin |
|
|
|||
|
MCCH(MBUX,MK,N,Q, BXStat); |
|
|
||||
№ |
//+++++++++++++++++++++++++++++++++++++++ |
|
|||||
Ф(х) |
|
|
|
|
|
|
|
инв. |
|
|
|
|
|
|
|
//+++++++++++++++++++++++++++++++++++++++ |
|
||||||
. |
ctatobr(BUX,F,MPR,MFR,MX1,MF, MXBux,N,Nmax,W,Nvux); |
|
|||||
Взаи |
end; |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Результаты счёта сохраняются процедурой SaveFile. |
|
|||||
дата |
// MF[k,5] |
iMF:string; |
|
nameiMF:string; |
|
||
// var F,MF, MPR,MFR,MX1:raF; |
|
|
|||||
. и |
|
|
|||||
for i:=1 to |
Nvux |
do begin |
|
|
|||
Подп |
iNvux :=IntToStr(i); |
|
|
|
|
||
|
|
|
|
|
|||
|
nameMXBux:=(iNvux+' Параметры выходного вектора '); |
|
|||||
. |
nameMPR:=(iNvux+' Нормированная плотность распределения '); |
|
|||||
№ подл |
|
|
|
|
|
АЛГОРИТМ И ПРОГРАММА |
Лист |
Инв. |
|
|
|
|
11.2017 |
СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ |
8 |
Изм. Кол.уч Лист № док. |
Подп. |
Дата |
СЛОЖНЫХ СИСТЕМ |
||||
|
Копировал: |
Формат А4 |
инв. № |
Взаи. |
Подп. и дата |
Инв. № подл. |
10 |
nameF:=(iNvux+' Ненормированная Функция распределения '); nameMFR:=(iNvux+' Нормированная Функция распределения '); nameMX1:=(iNvux+' Координата Х функции распределения');
// Nvux SaveFile(i,MXBux,nameMXBux,TFile ); SaveFile(i,MX1,nameMX1,TFile ); SaveFile(i,MPR,nameMPR,TFile ); SaveFile(i,MFR,nameMFR,TFile ); SaveFile(i,F,nameF,TFile );
end;
Процедура OGR
Процедура OGR служит для проверки исходных данных и вычисления констант. procedure OGR( M:raM100_10;var MBUX:raM100_10;Q,NMAX:integer;var MK:raX); // вычисляется интервал изменения i-й величины Xmax-Xmin
М - массив, описан на стр.4,
Q - количество элементов случайного вектора X; Nmax заданное число реализаций;
MK - массив констант, используемых при работе MCCH (выходной массив процедуры OQR.). входной вектор M заменяется на MBUX
вектор M - формируется при вводе исходных данных,
в procedure OGR эти данные пересчитываются в соответствии с законом распределения и запоминаются в MBUX.
По меткам 10,0,1,2,3,4 разделены операции в соответствии с законом распределения. Метка 10 используется для вектора const.
10: if ABS(M[j,1]-10)<1.0E-4 then begin //вектор const
// if round(M[j,1])=10 then begin
//вектор const, интервал изменения не задаётся M[j,4], M[j,5] MK[j]:= 0; //MBUX[j,5]; //Xmax-Xmin = 0
0: if M[j,1]<1.0E-4 then begin
//равномерная выборка интервал изменения задан M[j,4], M[j,5] MK[j]:=NMAX;
//MK[j]:=MBUX[j,5]; //Xmax-Xmin
1:if ABS(M[j,1]-1)<1.0E-4 then begin MBUX[j,2]:=0;
//равномерный закон интервал изменения задан M[j,4], M[j,5] MBUX[j,3]:=0; MK[j]:=MBUX[j,5]; //Xmax-Xmin
//M[j,4]//Xmin
2:if ABS(M[j,1]-2)<1.0E-4 then begin
//нормальное распределение интервал изменения вычисляется
MBUX[j,4]:=M[j,2]-3*M[j,3]; //Xmin MBUX[j,5]:=6*M[j,3]; MK[j]:=MBUX[j,5]; //Xmax-Xmin
3: if ABS(M[j,1]-3)<1.0E-4 then begin
//бетараспределение интервал изменения вычисляется
// M[j,2]//alfa M[j,3]//beta
//MK[j]:=вычисляется коэффициент А для нормализации функции f(x)
//MBUX[j,5]; //Xmax-Xmin
//MK[j] -нормирующий коэффициент для плотности рапределения
MBUX[j,4]:=MBX[j,4]; //Xmin
|
|
|
|
|
|
АЛГОРИТМ И ПРОГРАММА |
|
|
Лист |
|
|
|
|
|
11.2017 |
СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ |
|
|
|
|
|
|
|
|
|
|
9 |
||
Изм. |
Кол.уч |
Лист |
№ док. |
Подп. |
Дата |
СЛОЖНЫХ СИСТЕМ |
|
|
|
Копировал: |
Формат |
|
А4 |
||||||
|
|
|
|
|
|
|