Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Методическое пособие 620

.pdf
Скачиваний:
5
Добавлен:
30.04.2022
Размер:
2.85 Mб
Скачать

 

 

 

 

 

 

 

 

 

55

 

1

 

 

( x m)2

 

 

 

f (x)

 

e

2

2

.

 

 

 

 

 

 

 

 

 

2

 

 

 

 

 

 

 

 

 

 

 

 

Известно, что М[

]=m, D[

]=

2.

 

 

 

 

 

 

 

 

x

 

Поскольку интеграл F (x)

f

(t)dt

в данном случае не выражается через элементарные функции, теорема 1 не позволяет получить экономный метод моделирования нормально распределенных чисел.

 

Пусть

0= 1+ 2+…+ 12 – 6, где СВ

i – независимы и равномерно рас-

пределены

на отрезке

[0,1].

С

учетом

того,

что

для

всех i

M

i

1

2

,

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

D i

1

, получим M 0

12

1

2

6 0, D

0 12

1

0

1.

 

 

 

 

 

 

12

 

 

 

 

 

 

12

 

 

 

 

 

 

 

 

По центральной предельной теореме теории вероятностей СВ

0

рас-

пределена по близкому к нормальному

закону. То же верно

и

для

СВ

=

0+m, причем М[ ]=m, D[

]=

2.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2

 

 

 

 

 

 

Проверка качества случайных чисел по критерию

 

 

 

 

 

Для проверки соответствия опытных данных заданному закону распределения можно оценить близость частот, с которыми данные попадают в некоторые интервалы, к вероятностям попадания в эти интервалы значений случайной величины, вычисленным в соответствии с заданным законом распределения.

Численной мерой близости теоретической (f) и статистической (f*) плотности распределения служит величина

2

I

ni

N pi

2

,

набл

i 1

 

N p

 

 

 

 

 

 

 

 

i

 

 

 

 

 

 

 

 

где N - количество наблюдений;

I

- число интервалов разбиения;

ni - количество наблюдений, попавших в i-й интервал;

pi - вероятность попадания СВ в i-й интервал в соответствии с заданным законом распределения.

Если гипотеза о заданном законе распределения справедлива, то число

2

является одним из значений случайной величины, распределенной по

 

набл

56

закону, близкому к распределению 2 с k=I-s степенями свободы (s - число оцениваемых по опытным данным параметров закона распределения). Для

заданного уровня значимости

по статистическим таблицам выбирается

критическое значение

2 , из

условия

P

2

2

, т.е. событие

 

кр

 

 

набл

кр

 

2 2 маловероятно в случае справедливости гипотезы о законе распре-

набл кр

деления. При

предположению.

2 2 считаем, что данные не противоречат сделанному

набл кр

Точность статистических оценок

Теорема 2. Пусть x1, x2, ..., xn - результаты n независимых измерений СВ , т.е. значения независимых СВ 1, ..., n, распределенных по тому же зако-

ну, что СВ . Тогда

 

1)

*

1 n

 

 

является значением несмещенной статистической оцен-

 

m

 

 

 

xi

 

 

 

 

 

 

n i 1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

*

 

1 n

*

 

 

 

ки математического ожидания СВ

 

m

 

 

xi , т.е.

M m

m .

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

n i 1

 

 

 

 

 

 

D*

1

 

n

 

m* 2

 

 

 

 

 

 

 

 

 

 

 

2)

 

 

xi

- значение несмещенной оценки для D .

 

 

 

n

1 i 1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Несмещенность статистической оценки означает, что в среднем оценка

равна оцениваемому параметру.

 

 

 

 

 

 

 

 

 

 

Доверительным интервалом

с доверительной вероятностью

на-

зывается такой интервал со случайны-

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ми

границами [

*- ;

*+ ],

где

* -

 

 

 

 

у

 

 

статистическая оценка параметра, что

 

 

 

 

 

 

 

p{

[

*- ;

*+ ]}

, т.е. интервал на-

 

 

 

 

 

 

 

крывает истинное значение оценивае-

 

 

 

 

 

 

 

мого параметра с вероятностью не

 

 

 

 

 

 

 

меньше .

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Функцией

 

Лапласа

называется

 

 

 

 

 

 

 

нечетная функция, при неотрицатель-

 

 

 

 

 

 

 

ных t определяемая как

(t)

p

 

t ,

 

 

-t

0

t

х

 

 

 

 

 

где СВ

распределена по нормальному

 

 

 

 

 

 

 

 

 

 

 

 

 

 

закону с параметрами m=0 и

=1.

 

 

 

 

 

 

 

 

 

57

Геометрическая интерпретация: Ф(t) - площадь криволинейной трапе-

ции.

Теорема 3. (О радиусе доверительного интервала).

При большом числе наблюдений (n 100) 1) В случае =m

t

 

 

 

 

 

,

 

 

 

 

 

 

 

 

n

 

 

 

 

 

 

 

 

 

(3.2)

 

 

 

 

 

 

 

 

2) В случае

=D

 

 

 

 

 

 

 

 

t

 

 

2

 

D .

 

 

 

 

 

 

n

1

 

 

 

 

 

(3.3)

 

 

 

 

 

 

 

 

Где через t

обозначено решение уравнения Ф(t)= . Например, t0,8 =

1,28; t0,85 = 1,44; t0,9 = 1,65; t0,95 = 1,96.

Поскольку, как правило, и Dнеизвестны, то вместо них в формулах (1.8), (1.9) используются их оценки * и D* , что не гарантирует доверие, но

правдоподобно.

Следствие 1 из теоремы 3. Расчет количества наблюдений, обеспечивающих заданную точность и заданную надежность:

n = (t / )2.

Следствие 2. Для улучшения точности в k раз необходимо увеличить количество наблюдений в k2 раз.

Аппроксимация результатов моделирования

Во многих системах имеет место функциональная связь между двумя или более переменными, и желательно эту связь выявить. Для определения этой связи используется регрессионный анализ, который дает возможность построения уравнения исходя из выборки.

Математическая модель представляется в виде полинома, в который разлагается анализируемая статистическая характеристика системы y = f(x1, x2, ..., xk) по входным параметрам xi (j=1,k):

 

k

 

 

 

 

 

k

 

 

k

 

 

 

 

 

 

y b0

bj x j

 

 

blj xl x j

bjj x2j

 

 

 

 

 

 

j 1

 

 

 

 

l , j

1

 

j 1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

где bj

 

f

 

 

 

 

,

blj

 

2 f

 

 

 

,

bjj

2 f

 

 

 

 

x j

 

x 0

xl

x j

 

x 0

2

 

x 0

 

 

 

 

 

 

 

 

x j

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

58

Предположим, что проведена серия из N независимых наблюдений, давших N систем значений yi, x1i, x2i, ..., xki (i=1,N) и по этим данным требу-

ется оценить неизвестные коэффициенты b0, bj, blj, т.е. найти их оценки ˆ ,

 

 

 

 

 

 

 

 

b0

ˆ

ˆ . Уравнение регрессии, полученной на основании эксперимента, запи-

b j

blj

 

 

 

 

 

 

 

шется в следующем виде:

 

 

 

 

yˆ ˆ

k

ˆ

k

ˆ

k

ˆ

2

 

 

 

 

 

 

 

bj x j

 

blj xl x j

 

 

 

b0

j

 

j 1

bjj x j

 

 

1

l , j 1

 

 

Задача оценки параметров может быть решена применением методов максимального правдоподобия или наименьших квадратов, причем в последнем случае оценки коэффициентов находятся из условия

N yi yˆ i

2

min .

i 1

 

 

Необходимым условием минимума Ф является выполнение равенств

Ф

 

Ф

 

 

 

 

 

0,

0, ( j 0, k; l 1, k ) .

 

 

bj

blj

 

 

 

 

 

 

Разность между объемом выборки N и числом связей, наложенных на эту выборку p, называется числом степеней свободы выборки f

f=N-p.

При определении уравнения регрессии число связей p равно числу определяемых коэффициентов, а вид уравнения регрессии выбирается путем экспериментального подбора.

После того, как уравнение регрессии найдено, прежде чем принять какое либо решение по поводу модели, необходимо проверить гипотезу о том, что полученная модель удовлетворительно описывает экспериментальные данные. Для этого необходимо проверить значимость всех коэффициентов регрессии и адекватность модели.

При проверке значимости коэффициентов регрессии для каждого ко-

эффициента bj выдвигают гипотезу H0:(bj=0). Известно, что оценка ˆ

имеет

 

 

 

 

 

 

 

 

 

b j

 

нормальное распределение со средним, равным истинной величине bj

и дис-

 

 

2

 

 

 

bj

 

 

 

 

персией D bj

 

y

, а величина z

 

 

 

 

имеет стан-

N

2

 

 

 

 

 

 

N

 

2

 

x ji

x j

 

y

x ji x j

 

 

 

 

i 1

 

 

 

i 1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

дартное гаусовское распределение. Величину z можно использовать для про-

59

верки гипотезы H0. Если

2y неизвестна,

то используя вместо нее оценку

S2y N yi yi

2 , получим

 

 

 

 

 

 

 

i 1

 

 

 

 

 

 

 

 

 

 

t

 

bi

 

 

 

 

 

 

 

 

 

 

 

 

 

S y

N

x ji x j

2

 

 

 

 

 

 

 

 

 

 

 

i 1

 

 

 

 

Величина t распределена как стьюдентовская величина с N-2 степенями свободы. Поэтому, если для заданного уровня значимости получено t t ,

гипотеза H0 должна быть отвергнута, т.е. коэффициент bj значимо отличается от нуля.

В модели множественной регрессии незначимые коэффициенты исключаются из уравнения. Оставшиеся коэффициенты пересчитываются, поскольку в общем случае они коррелированны друг с другом.

Проверка адекватности полученной модели производится по критерию Фишера:

 

 

 

 

 

 

F

 

S2р

 

,

 

 

 

 

 

 

 

 

 

S2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2

N yi

y 2

2

 

 

N yˆ i

yi

2

 

где

i 1

,

 

i 1

 

.

Sср

Sост

 

 

 

 

 

 

 

 

 

 

 

 

 

N

1

 

 

 

 

 

N

p

 

 

Критерий Фишера показывает, во сколько раз уменьшится рассеяние относительно полученного уравнения регрессии по сравнению с рассеянием относительно генерального среднего. Чем больше значение F превышает табличное F (f1,f2) для выбранного уровня значимости и чисел степеней свободы f1=(N-1) и f2=N-p, тем эффективнее уравнение регрессии.

КОНТРОЛЬНЫЕ ВОПРОСЫ

1.Раскройте суть понятий «модель», «моделирование», «теория моделирования».

2.Что такое адекватность модели, каким образом производится ее

оценка?

3.Сформулируйте принципы системного подхода в моделировании систем, чем отличается индуктивный подход от системного?

4.Опишите основные характеристики моделей систем.

60

5.Приведите классификацию видов моделирования систем в зависимости от характера изучаемых процессов. Что представляет собой детерминированное и стохастическое, статическое и динамическое, дискретное, дис- кретно-непрерывное и непрерывное моделирование?

6.Что представляет собой реальное моделирование, какие его разновидности вы знаете?

7.Приведите классификацию видов реального моделирования систем.

61

ГЛАВА 4. МАТЕМАТИЧЕСКИЕ МОДЕЛИ ПРОЦЕССОВ ФУНКЦИОНИРОВАНИЯ СИСТЕМ

4.1. Непрерывно – детерминированные модели

При решении задач исследования ИС важное значение имеют проблемы управления большими системами. Следует обратить внимание на системы управления ИС - частный случай динамических систем, описываемых Д- схемами и выделенных в отдельный класс моделей в силу их практической специфики.

Описывая процессы управления, придерживаются обычно представления реального объекта в виде двух систем: управляющей и управляемой (объекта управления). Структура многомерной системы автоматического управления общего вида представлена на рис., где обозначены эндогенные переменные:

х (t) — вектор входных (задающих) воздействий;

v (t) — вектор возмущающих воздействий;

h'(t) — вектор сигналов ошибки;

h " (t) — вектор управляющих воздействий;

экзогенные переменные:

z (t) — вектор состояний системы S;

у (t) — вектор выходных переменных, обычно у (t)=z (t).

Современная управляющая система — это совокупность про-

граммно-технических средств, обеспечивающих достижение объектом управления определенной цели. Насколько точно объект управления достигает заданной цели, можно судить для одномерной системы по координате состояния y(t). Разность между заданным yзад(t) и действительным y(t) законами изменения управляемой величины есть ошибка управления h' (t)= yзад(t) - y(t). Если предписанный закон изменения управляемой величины соответствует закону изменения входного (задающего) воздействия, т. е.

x(t)= yзад(t), то h'(t)=x(t)-y(t).

Системы, для которых ошибки управления h'(t)=0 во все моменты времени, называются идеальными. На практике реализация идеальных систем управления невозможна. Таким образом, ошибка h'(t)—необходимый субъект управления, основанного на принципе отрицательной обратной связи, так как для приведения в соответствие выходной переменной y(t) ее заданному зна-

62

чению используется информация об отклонении между ними. Задачей системы автоматического управления является изменение переменной у(t) согласно заданному закону с определенной точностью (с допустимой ошибкой). При проектировании и эксплуатации систем автоматически управления необходимо выбрать такие параметры системы S, которые обеспечили бы требуемую точность управления, а также устойчивость системы в переходном процессе.

Если система устойчива, то представляют практический интерес поведение системы во времени, максимальное отклонение регулируемой переменной y(t) в переходном процессе, время переходного процесса и т. п. Выводы о свойствах систем автоматического управления различных классов можно сделать по виду дифференциальных уравнений, приближенно описывающих процессы в системах. Порядок дифференциального уравнения и значения его коэффициентов полностью определяются статическими и динамическими параметрами системы.

 

 

 

 

 

 

V1

V2 VN

S

 

 

 

 

 

 

 

 

ч X1

 

h1

 

h

 

 

 

 

 

 

 

 

1

Z1

Y1

X2

h 2

Управляющая

h 2

 

Объект

Z2

Y2

 

 

 

 

 

 

 

 

 

 

система

hn

управления

ZN

YN

 

 

 

 

 

 

 

Xn

 

hn

 

 

 

 

Рис. 4.1. Структура системы управления

4.2. Дискретно-детерминированные модели

Особенности дискретно-детерминированного подхода на этапе формализации процесса функционирования ИС рассмотрим на примере использования в качестве математического аппарата теории автоматов. Теория авто-

63

матов — это раздел теоретической кибернетики, в котором изучаются математические модели — автоматы. На основе этой теории система представляется в виде автомата, перерабатывающего дискретную информацию и меняющего свои внутренние состояния лишь в допустимые моменты времени. Понятие «автомат» варьируется в зависимости от характера конкретно изучаемых систем, от принятого уровня абстракции и целесообразной степени общности.

Основные соотношения. Автомат можно представить как некоторое устройство (черный ящик), на которое подаются входные сигналы и снимаются выходные и которое может иметь некоторые внутренние состояния. Конечным автоматом называется автомат, у которого множество внутренних состояний и входных сигналов (а, следовательно, и множество выходных сигналов) являются конечными множествами.

Абстрактно конечный автомат можно представить как математическую схему, характеризующуюся шестью элементами:

1. конечным множеством Х входных сигналов (входным алфави-

том);

2.конечным множеством У выходных сигналов (выходным алфа-

витом);

3.конечным множеством Z внутренних состояний (внутренним алфавитом или алфавитом состояний);

4.начальным состоянием z0, z0 Z;

5.

функцией переходов

(z, х);

6.

функцией выходов

(z, х).

Автомат, задаваемый F-схемой: F= <Z, X, Y, , , z0>,— функционирует в дискретном автоматном времени, моментами которого являются такты, т.е. примыкающие друг к другу равные интервалы времени, каждому из которых соответствуют постоянные значения входного и выходного сигналов и внутренние состояния. Обозначим состояние, а также входной и выходной сигналы, соответствующие t-му такту при t=0, 1, 2, ..., через z(t), x(t), y(t). При этом, по условию, z(0)==Z0..

Абстрактный конечный автомат имеет один входной и один выходной каналы. В каждый момент t=0, 1, 2, ... дискретного времени F-автомат находится в определенном состоянии z(t) из множества Z состояний автомата, причем в начальный момент времени t=0 он всегда находится в начальном состоянии Z(0)=Zо.

64

Абстрактный конечный автомат реализует некоторое отображение множества слов входного алфавита Х на множество слов выходного алфавита У. Другими словами, если на вход конечного автомата, установленного в начальное состояние Z0, подавать в некоторой последовательности буквы входного алфавита х(0), х(1), х(2), ..., т. e. входное слово, то на выходе автомата будут последовательно появляться буквы выходного алфавита у(0), у(1), у (2), .... образуя выходное слово.

Таким образом, работа конечного автомата происходит по следующей схеме: в каждом t-м такте на вход автомата, находящегося в состоянии z(t), подается некоторый сигнал x(t), на который он реагирует переходом в (t+1)-м такте в новое состояние z(t+1) и выдачей некоторого выходного сигнала.

По числу состояний различают конечные автоматы с памятью и без памяти. Автоматы с памятью имеют более одного состояния, а автома-

ты без памяти (комбинационные или логические схемы) обладают лишь одним состоянием. При этом, работа комбинационной схемы заключается в том, что она ставит в соответствие каждому входному сигналу x(t) определенный выходной сигнал y(t), т. е. реализует логическую функцию вида

y(t)= [x(t)], t= 0, l, 2,....

Эта функция называется булевой, если алфавиты Х и У, которым принадлежат значения сигналов х и у, состоят из двух букв.

По характеру отсчета дискретного времени конечные автоматы делятся на синхронные и асинхронные.

В синхронных F-автоматах моменты времени, в которые автомат «считывает» входные сигналы, определяются принудительно синхронизирующими сигналами. После очередного синхронизирующего сигнала с учетом «считанного» происходит переход в новое состояние и выдача сигнала на выходе, после чего автомат может воспринимать следующее значение входного сигнала. Таким образом, реакция автомата на каждое значение входного сигнала заканчивается за один такт, длительность которого определяется интервалом между соседними синхронизирующими сигналами. Асинхронный F- автомат считывает входной сигнал непрерывно, и поэтому, реагируя на достаточно длинный входной сигнал постоянной величины х, он может несколько раз изменять состояние, выдавая соответствующее число выходных сигналов, пока не перейдет в устойчивое, которое уже не может быть изменено данным входным сигналом.