- •Учебное пособие
- •1. Моделирование. Основные понятия и принципы
- •2. Аналитическое моделирование
- •2.1. Математические модели.
- •2.2. Типовые схемы моделирования
- •2.3. Непрерывно-детерминированные модели (d-схемы)
- •2.4. Дискретно-детерминированные модели (f-схемы)
- •2.5. Дискретно-стохастические модели (р-схемы)
- •2.6. Марковский случайный процесс
- •2.7 Непрерывно – стохастические модели (q– схемы)
- •2.7.1. Системы массового обслуживания. Потоки событий
- •2.7.2. Простейший поток
- •2.7.3. Непрерывные марковские цепи. Уравнения Колмогорова
- •2.7.4.Диаграмма интенсивностей переходов
- •2.7.5 Формула Литтла
- •2.7.6.Исследование смо с помощью диаграмм интенсивностей переходов
- •2.7.7. Замкнутые системы массового обслуживания (смо с ожиданием ответа)
- •2.7.8. Распределение Эрланга. Метод этапов
- •2.7.8. Немарковские смо
- •3. Имитационное моделирование
- •3.1. Условия примененияимитационного моделирования
- •3.2. Этапы имитационного моделирования
- •3.3. Способы моделирования случайных величин
- •3.4. Равномерно-распределённые случайные числа (ррсч).
- •3.4.1. Методы формирования ррсч.
- •3.4.2. Проверка качества последовательностей ррсч
- •1) Проверка равномерности.
- •2) Проверка стохастичности
- •3) Проверка независимости
- •3.5. Формирование случайных величин с заданным законом распределения.
- •3.5.1. Метод обратной функции.
- •3.5.2. Универсальный метод
- •3.5.3. Метод исключения (отбраковки, режекции, Дж. Неймана)
- •3.5.4. Метод композиции (суперпозиции).
- •3.6. Формирование случайных векторов с заданными вероятностными характеристиками
- •3.7. Моделирование случайных событий
- •2) Полная группа несовместных событий
- •3. 8. Сетевые модели
- •3.8.1. Сети Петри
- •3.8.3. Сетевая модель взаимодействующих параллельных процессов в операционной системе.
- •3.9. Управление модельным временем
- •3.10. Планирование машинных экспериментов
- •3.11. Обработка экспериментальных данных
- •3.11.1. Экспериментальные оценки
- •3.11.2. Оценки для математического ожидания и дисперсии
- •3.11.2. Доверительные интервал и вероятность
- •3.11.3. Точность. Определение числа реализаций
- •Литература Основная литература
3.4.2. Проверка качества последовательностей ррсч
Эффективность статистического моделирования систем на ЭВМ и достоверность получаемых результатов существенным образом зависят от качества исходных (базовых) последовательностей псевдослучайных чисел, которые являются основой для получения стохастических воздействий на элементы моделируемой системы. Поэтому, прежде чем приступать к реализации моделирующих алгоритмов на ЭВМ, необходимо убедиться в том, что исходная последовательность псевдослучайных чисел удовлетворяет предъявляемым к ней требованиям, так как в противном случае даже при наличии абсолютно правильного алгоритма моделирования процесса функционирования моделируемой системы по результатам моделирования нельзя будет достоверно судить о характеристиках системы. Поэтому все применяемые генераторы случайных чисел должны перед моделированием системы пройти тщательное предварительное тестирование, которое представляет собой комплекс проверок по различным статистическим критериям, включая в качестве основных проверки (тесты) на равномерность, стохастичность и независимость. Кроме того, очень важными показателями качества базовой последовательности являются длина периода и длина отрезка апериодичности. Рассмотрим возможные методы проведения таких проверок, наиболее часто используемые в практике статистического моделирования.
1) Проверка равномерности.
Проверка равномерности последовательностей псевдослучайных квазиравномерно распределенных чисел {хг} может быть выполнена по гистограмме или с использованием косвенных признаков.
а) Проверка по гистограмме (рис.3.4).
Суть проверки по гистограмме сводится к следующему. Выдвигается гипотеза о равномерности распределения чиел в интервале (0 1). Затем интервал (0 1) разбивается на m равных частей. При генерации последовательности РРСЧ подсчитывается количество попаданий Nk в каждый из m подинтервалов. Вычисляется относительная частота попадания случайных чисел последовательности {хг} в каждый из подинтервалов
Ck= Nk/N,
где
N
=
−
общее количество чисел в последовательности
{хг}.


Рис.3.4. Проверка равномерности по гистограмме
Очевидно, что при равномерности последовательности чисел, частоты должны быть близкими при достаточно больших N к теоретической вероятности попадания в подинтервалы, равной 1/m.
Оценка
степени приближения,
т. е. равномерности последовательности
{хг},
может
быть проведена с использованием критериев
согласия. На практике
обычно принимается т
=
20
50,
N
=
(102
103)m.
б) Проверка по косвенным признакам.
Суть проверки равномерности по косвенным признакам сводится к следующему. Вся последовательность {хг} разбивается на пары чисел:
(x1, x2), (x3, x4), ... , (x2i-1, x2i), ... , (xN-1, xN).
Затем подсчитывают число пар K, для которых выполняется условие:
.
Геометрически это означает, что точка с координатами (x2i-1, x2i) расположена внутри четверти круга радиуса R=1, вписанного в единичный квадрат (рис. 3.5).
В общем случае точка (x2i-1, x2i) всегда попадет внутрь единичного квадрата. Тогда теоретическая вероятность попадания этой точки в четверть круга равна отношению площади четверти круга к площади единичного квадрата:
P = S1/4 круга/Sквадрата = (πR2/4)/(1∙1) = π/4.
Если числа последовательности {хг} равномерны, то в силу закона больших чисел теории вероятностей при больших N относительная частота попадания точки в единичный квадрат, равная отношению числа K пар (x2i-1, x2i), для которых проверочное условие выполнелось к общему числу N/2 пар последовательности должна сходиться к Р:
.


Рис. 3.5. Проверка равномерности по косвенным признакам
