книги из ГПНТБ / Шабалин Н.Н. Оптимизация процесса переработки вагонов на станциях
.pdfДля потоков, имеющих коэффициент вариации ин тервалов в границах от 0,58 до 0,71, можно применить сочетание эрланговских .распределений порядка /<=3 и К=2. Плотность распределения будет представлять сум му в определенной пропорции плотностей распределения смешиваемых потоков соответственно порядка К—2 и Я = 3 :
/ ( 0 = С / 2 ( 0 + ( 1 - С ) / 3 ( 0 , |
(66) |
где 0 < CsSl. |
|
В этом случае с вероятностью Сбудут интервалы эрлан-
говского распределения |
порядка |
К=2 и с |
вероятностью |
||
1 — С |
интервалы порядка |
К—3. |
Величина |
С, |
определяю |
щая, |
в какой доле необходимо |
формировать |
интервалы |
того или другого порядка в зависимости от коэффициен та вариации, находится из следующих соображений.
Среднее значение (математическое ожидание) интер валов результативного потока равно взвешенной сумме
средних значений |
интервалов в |
потоках |
порядка |
К=2 |
|||||
н / ( = 3 : |
|
|
|
|
|
|
|
|
|
|
ЛГ[/] = С - | - + ( 1 - С ) ^ - |
= |
^ - . |
|
|
||||
Второй начальный момент при гипотезе распределе |
|||||||||
ния порядка К=2 |
определяется, |
как |
известно |
[ 2 ] , в ви |
|||||
де суммы дисперсии и квадрата |
математического |
ожи |
|||||||
дания интервалов, |
|
где последние выражаются |
через |
||||||
параметры |
распределения |
Х--±- |
|
• _L = J_ |
|||||
|
' |
I |
' |
- i - |
|
||||
М |
= D .к*. |
|
+ \(м к*. |
) |
2Х2 |
^ X2 |
2Х2 |
Аналогично второй начальный момент при гипотезе распре
деления порядка |
К=3 |
|
|
|
||
м |
- 12 - |
= D ' I ' + (м ' I ' |
зх2 |
X2 ~~ зх 2 " |
||
Второй |
Us J |
\ |
Us J |
|||
начальный |
момент |
для взвешенного |
распределения |
|||
|
|
|
_3 |
|
|
|
|
|
|
2Х: |
|
|
|
Дисперсия результативного |
распределения |
|
||||
|
М[Р] |
- Ш |
|
1 (С + 8 \ |
1 |
_1_ С + 2' |
D [/] = |
И ) 2 = 7 Г ( — ) ~ |
^ |
X2 . 6 . , |
20
Разделив дисперсию на математическое ожидание, по лучаем квадрат коэффициента вариации интервалов в- итоговом .распределении
у2 _ С + 2
~6
Отсюда получается зависимость С от коэффициента вариации
|
|
|
|
|
С =6V2 |
— 2, |
|
|
|
(6в> |
|
где |
0,58^1/^0,71, |
0 < С < 1 . |
|
|
|
|
|
||||
Так, |
при V = 0 , 6 0 |
С=6-0,602—2 |
= 0,16. |
В этом |
случае |
||||||
удельный вес интервалов порядка К = 2 |
всего |
16%, а ин |
|||||||||
тервалов К=3 |
будет 84%, что и определяет |
близость |
|||||||||
коэффициента вариации к 0,58. |
|
|
|
|
|
||||||
|
При V = 0 , 7 0 |
С = 6 - 0 , 7 0 2 — 2 = |
0,94. В |
этом |
случае ос |
||||||
новную долю интервалов составляют интервалы |
порядка |
||||||||||
К=2 |
|
с коэффициентом вариации |
0,71. На рис. 7 штрихо- |
||||||||
f(t) |
|
|
|
|
|
|
|
|
|
|
|
40 |
|
|
/ n |
|
|
|
|
|
|
|
|
|
|
|
^\ |
|
M=0,B5;C=0,5S |
|
|
|
|
|
|
#1 |
|
|
1) |
|
|
|
|
|
|
|
|
|
|
1 |
|
•K = 2; |
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
\) К |
|
|
|
|
|
|
||
2,0 |
fl |
|
|
|
|
|
|
|
|||
/'1 |
|
|
|
|
|
|
|
|
|||
1,5 |
|
\\\ |
|
|
|
|
|
|
|||
|
V \ |
|
|
|
|
|
|
||||
1,0 |
/IIlj |
|
|
|
|
|
|
|
|
|
|
|
J |
|
|
|
|
|
|
|
|
|
|
0,5 |
// |
|
|
|
|
|
|
|
|
|
|
If |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
fl/l |
|
|
|
J |
|
|
|
|
|
|
|
|
|
|
I |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. |
7. |
Плотность |
распределения |
интервалов |
(штриховая |
линия) |
|||||
|
при |
сочетании эрланговских распределителей: К=2 |
и |
|
Я = 3 |
21
вой кривой показано распределение интервалов при |
Ъ—4 |
у = 0 , 6 5 и соответственно С = 0 , 5 5 . Как видно, эта |
кри |
вая занимает среднее положение между кривыми плотно сти распределения К=2 и К=3. Моделирование интер валов с коэффициентом вариации 0,58^1/^0,71 на Э Ц В М или вручную осуществляется в такой последова тельности. Сначала по формуле (6в) для заданного У на ходится С, определяющее пропорции, в которых необхо димо брать интервалы порядка К=2 или К=3. Затем выбирается случайное число из равномерно распределен ных в интервале 0,1. Если это число меньше пли равно полученному значению С, то моделируется интервал эр-
лаиговского распределения порядка К=2, а если |
слу |
чайное число больше С, то моделируется интервал |
по |
рядка К=3. |
|
Указанным способом .можно образовывать потоки событий с распределением интервалов промежуточным между эрланговским К—3 и /С=4 и т. д. Общее выра жение для дисперсии интервалов таких смешанных по токов
(6г)
Зависимость С от коэффициента вариации интервалов опре делится
|
|
|
|
С — Кп Kn+i |
V2 — Кп 1 |
|
|
|
(бд) |
||||
где |
|
|
|
|
|
|
|
|
|
|
|
|
|
Здесь Кп |
|
и |
Kn+i—порядки |
нормированных |
|
распределе |
|||||||
ний Эрланга, |
сочетание которых |
дает |
распределение |
с |
|||||||||
промежуточным |
значением |
коэффициента |
вариации. |
||||||||||
Так, пр.и сочетании потоков с К=3 |
и Д"=4 |
|
|
|
|
||||||||
С = |
3-41/2 — 3 = |
12V2 |
— 3, |
где |
0,5 < |
V < |
0,58. |
|
|||||
Однако |
следует |
иметь в виду, что при |
значениях К>о |
||||||||||
увеличение |
порядка |
распределения Эрланга |
на |
едини |
|||||||||
цу снижает коэффициент вариации менее чем на |
0,04. |
|
|||||||||||
Таким |
образом, |
изложенная |
система |
эрланговских |
|||||||||
распределений |
позволяет |
аппроксимировать |
потоки |
с |
любой степенью рассеивания, имеющие коэффициент ва
риации в границах от 0 до 1. |
|
Г а м iM а - р а с п р е д е л е н и е является наиболее |
об |
щим видом распределения интервалов, включающим |
в |
•22
•себя эрланговское и 'показательное, с большим диапазо ном изменения коэффициента вариации, в том числе и больше единицы. Плотность распределения интерваловпри этом определяется по зависимости
|
|
( |
туей)*-* |
|
ки |
|
|
|
( 7 ) , |
где |
К — любое |
положительное |
число (в |
эрланговском- |
|||||
распределении К — только целое число). |
|
|
|
|
|||||
|
При целом значении К Г(К) |
= |
{К—1)! |
и |
это |
соот |
|||
ветствует распределению Эрланга |
порядка |
К, |
а |
при |
|||||
К=1 |
формула |
(7) |
принимает |
вид показательного |
рас |
пределения. Среднее значение интервала в гамма-рас пределении равно -у , а коэффициент вариации ~ - .
При /С<1 коэффициент вариации будет больше еди ницы. Однако несмотря на такую возможность выра жать потоки с большим диапазоном характеристик, гам ма-распределение не совсем удобно для практического' применения при дробных значениях параметра К- В связи с этим для аппроксимации потоков с коэффициен том вариации от 0 до 1 чаще применяются эрланговские распределения и показательное, а для потоков с коэффи циентом вариации больше единицы можно применитьгиперэкспоненциальное распределение, в котором такжеиспользуется показательное распределение.
Г и п е р э к с п о н е н ц и а л ь н о е ра с п р е д ел е н и е пре дусматривает интервалы между событиями, распределен
ными |
по |
показательному |
закону, но параметр потока |
для- |
||
каждого |
интервала принимает разные значения Х ь |
Х2 , |
Х3 ,.... |
|||
|
|
|
|
к |
|
|
... , Хк |
с |
вероятностными |
а ъ а ъ а5,..., |
ак, где 2 |
a i = |
1 - |
|
|
|
|
i=i |
|
|
Плотность вероятности определяется [7] как суперпозиция показательных распределений
fif) |
= cix Xj e~Xlt |
+ a 2 l 2 e - l ' J + ... +ак X* e~4 1 . |
(8) |
Среднее |
значение |
интервалов |
|
23
Практически обычно применяется частный случай гиперэкспоненциального распределения, в котором име ются только два параметра, и плотность вероятности
/ ( 0 = 2 С 2 Х е - 2 С Л ' + 2(1 -Cyie-m-ou |
t |
(9) |
где 0 < С = ^ 0 , 5 .
Здесь С соответствует cti, а (1—С) соответствует а*- Величина 2СА соответствует Ki, а 2(1—С)Х соответст вует %2.
Среднее значение интервалов равно |-, а среднее квадратическое отклонение находится из зависимости
Коэффициент вариации интервалов в потоке
Из |
последнего |
находится |
зависимость |
С от коэффици |
||||
ента вариации |
интервалов |
V>1. • |
|
|
|
|||
|
|
|
|
|
|
|
|
( П ) |
|
Таким образом, если коэффициент вариации интерва |
|||||||
лов |
У > 1 , |
то с вероятностью |
С будет иметь |
место |
ин |
|||
тервал из |
потока, имеющего |
параметр |
2СХ, |
или с |
веро |
ятностью (1—С) будет интервал из потока с параметром 2(1 — С) А. Здесь интенсивности исходных показательно распределенных потоков различны и интервалы в гипер экспоненциальном распределении состоят каждый раз из одного интервала того или другого исходного потока. На рис. 8 показаны кривые плотности распределения ин
тервалов по гиперэкспоненциальному |
закону при А = 4 |
и коэффициентах вариации V = l , l и |
1,5. |
Если величина С приближается к 0, то увеличивает ся рассеивание интервалов, так как увеличивается раз
личие |
интенсивностей |
исходных |
потоков. |
Так, при |
||
Х=3 |
и С — 0,2 |
интенсивность |
одного потока |
составляет |
||
А 1 = 2 - 0 , 2 - 3 = 1,2, |
а второго |
А,2 = 2/1—0,2/3=4,8. Интер |
||||
валы |
первого исходного |
потока |
будут относительно |
24
большими с математическим ожиданием 1/1,2 = 0,833,. а интервалы второго сравнительно малыми с математи ческим ожиданием 1/4,8—0,208. Средний интервал ре зультативного потока
7= 0,2 • 0,833+ (1—0,2) 0,208 = 0,33.
Если С = 0,5, то интенсивности исходных потоков будутодинаковыми >.i = A2=2-0,5-3 = 3 и с одинаковой веро ятностью 0,5 будут чередоваться интервалы обоих по токов с показательным распределением и коэффициен том вариации, равным единице. Подсчеты по формуле-
(10) |
показывают, что |
при С = 0 , 2 коэффициент вариа |
ции |
интервалов будет |
1,45, а при С = 0,5 он равен еди |
нице. Для аппроксимации потока, например с коэффи
циентом вариации |
V = l , 2 и интенсивностью |
Я,=3, сна |
||||
чала |
по формуле |
(11) находим |
С — 0,3. |
Затем |
подстав |
|
ляем |
полученное |
значение в |
формулу |
(9) |
и |
получим; |
формулу для определения плотности распределения ин
тервалов в заданном |
потоке |
f(t) = |
О ^ е - 1 . » + 2,94e-4 -2 ' , |
при помощи которой можно построить и кривую рас пределения.
т.
5,0
Л/= 1,5 ^•1,1
|
|
3,0 |
|
|
|
|
|
|
2,0 |
|
|
|
|
Рис. 8. |
Плотность |
1,0 |
|
|
|
|
распределения ин |
|
|
|
|
||
|
|
|
|
|
||
тервалов по гипер |
|
|
|
|
|
|
экспоненциал ь н о- |
|
t |
|
|
|
|
му |
закону |
0,2 |
Ofi |
0,6 |
0,8 |
1,0 t,4 |
|
|
25-
Н о р м а л ь н о е р а с п р е д е л е н и е широко при меняется в самых различных областях. Плотность рас пределения имеет вид
где t — математическое ожидание;
а — среднее квадратическое отклонение.
Область значений нормально распределяемой слу чайной величины есть вся числовая прямая. Но так как -интервалы в потоках прибытия поездов не могут быть •отрицательными, то аппроксимировать их нормальным распределением можно в случае, когда коэффициент вариации не превышает 0,33. В этом случае согласно правилу трех сигм в положительной области будут на ходиться практически все интервалы. Вероятность тото, что интервал попадет в область отрицательных зна чений, определится из зависимости
— со
тде Ф* — табулированная функция нормального рас пределения.
Q |
1 |
1 |
Здесь |
-у- |
= — выражает расстояние центра рассеива |
ния до начала координат, представленное в средних квадратических отклонениях. Так, если коэффициент вариации интервалов составляет V = 0,4, то верхний предел интегри рования будет равен величине —2,5, т. е. расстояние от начала координат до центра рассеивания составляет 2,5а. •Согласно таблице нормальной функции распределения ве роятность отрицательных значений интервалов будет
Я ( К 0 ) = Ф * ( - 2,5) = 0,0062, или 0,62%.
При У = 0 , 3 3 расстояние от начала координат до цент ра рассеивания уже будет равно За и вероятность по
падания |
интервалов в область |
отрицательных |
значе |
||
ний составит только 0,14%. |
|
|
|
||
Нормальным законом распределения можно аппрокси |
|||||
мировать |
распределения |
случайных .величин |
при |
малых |
|
.-значениях |
коэффициентов |
вариации |
интервалов. |
При этом |
.26
значительно упрощаются вычисления, появляется возмож ность использовать специальные таблицы дифференциальных и интегральных функций нормального распределения. Заме на эрланговских распределений (и гамма-распределений) нормальным осуществляется из следующих условий. Из вестно, что среднее значение интервала при распределениях
Эрланга порядка К имеет вид t = •—, а среднее квадратическое отклонение о = ^ ^ _ . Если подставить эти пара метры в формулу плотности нормального распределения
(12), |
то получим |
|
|
|
|
|
|
|
|
|
|
/(/) = ^ г » Д ( |
' ^ . |
|
|
(13) |
|||
Вычисления |
по |
этой |
формуле |
значительно |
проще,, |
||||
чем |
по формулам |
(5) |
и |
(7). На |
рис. |
9 приведены |
кри |
||
вые |
плотности |
распределения |
интервалов по |
закону |
|||||
Эрланга (кривая Э) порядка /С=9 и нормальному |
(кри |
||||||||
вая N) с тем ж е коэффициентом |
вариации V = 0 , 3 3 |
для |
|||||||
интенсивности |
потока |
Я = 4 , т. е. |
при |
среднем |
£ = 0 , 2 5 . |
Ординаты линии эрланговского распределения опреде
лены |
по |
формуле |
(5), |
а линии |
нормального |
распреде |
|||
ления |
по |
формуле |
(13) |
или |
по |
таблице |
функций |
f'(t) |
|
нормального распределения |
с параметрами t = 0 и |
a = L |
|||||||
|
|
W\ |
I |
JTZ~] |
Г~ |
I |
I |
Рис. 9. Плотность |
|
|
|
|
|
||
распределения |
ин |
|
|
|
|
|
|
тервалов |
по |
нор |
|
|
|
|
|
мальному |
(N) |
и |
|
|
|
|
|
эрланговскому |
(Э) |
|
|
|
|
|
|
закону |
0J |
0,2 |
0,3 |
0,4 |
0,5 |
t,4 |
|
|
|
27
В последнем случае ордината получается из зависимости
/ ( 0 = 4 - / ' ^ ' "
Здесь по полученной в скобках величине находится значение функции по таблице. Для нашего случая среднее квадратическое отклонение при заданном коэф фициенте вариации 0,33 составит а = 0,33 -0,25 = 0,083. Для значения, например £ = 0 , 3 , по таблице находим
|
f |
|
(^^=^) = |
/ ' ( ° . 6 ) = 0 . 3 3 3 |
|
|
и значение ординаты определится |
|
|||||
|
|
|
/(*) = —^-0,333 да 4. |
|
||
|
|
|
J |
0,083 |
|
|
В ряде |
случаев |
для приближенных расчетов |
рекомен |
|||
дуется |
заменять |
нормальным распределением |
эрлангов- |
|||
ское при К^Ь |
[10]. |
|
|
|
||
Целесообразно иметь в виду следующие особенности |
||||||
нормального распределения. |
Если в формулу (12) подста |
|||||
вить t = 7, то получим |
максимальное значение |
ординаты, |
||||
которое |
равно |
|
1 |
0,4 |
|
^ |
— т = д а |
— , а если подставить значение абс- |
циссы точки перегиба кривой, т. е. t = t + с, то получим
<2,43 п
ординату точки перегиба, равную-^—. Вероятность попада
ния в область от t — а до t + а равна |
0,683, в область от |
t — 2а до t + 2о равна 0,954 и в область |
от t — За до t -f За |
равна 0,997. При а = 0 распределение сосредоточено в од ной точке t = t и Есе интервалы с вероятностью, равной единице, имеют одинаковую величину. Это будет вырож денное или несобственное нормальное распределение, соот ветствующее регулярному потоку.
Таким образом, по величине коэффициента вариа ции можно подобрать гипотезу о законе распределения интервалов, которую затем необходимо проверить по
критерию согласия. |
С |
увеличением неравномерности |
|
потока увеличивается |
количество интервалов, меньших |
||
по величине среднего, |
т. е. сгущенно |
поступающих |
|
требований. Это значит, |
что с увеличением |
коэффициен |
|
та вариации при фиксированном среднем |
увеличивается |
28
правосторонняя асимметрия (хвост справа) кривой рас пределения плотности вероятностей в связи -с тем, что увеличение разброса слева ограничено нулем как грани цей положительных значений, которые могут принимать интервалы, в то время как вправо разброс не ограничен. Это наглядно видно из рис. 10, на котором приведены кривые плотности распределения интервалов с коэффи циентом вариации от 1,5 до 0,2 для среднего значения интервалов 0,25. Особо характерно поведение плотности распределения относительно центра рассеивания / = 0,25. При большом значении коэффициента вариации левая часть распределения прижимается к нулевой оси орди
нат, а с уменьшением коэффициента вариации |
и левая, |
||
и правая части |
все больше |
приближаются |
к центру |
распределения. |
Максимальная |
ордината (мода) при |
этом перемещается слева направо и стремится к сред
нему |
значению |
(математическому |
ожиданию). |
|
|||||||
|
|
|
|
|
|
1 |
|
|
|
|
1 |
|
|
|
|
•К=25; V=0,2 |
|
|
|
|
| |
||
|
|
|
|
K=!S; |
1=0,25 |
|
|
|
|
j |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
/=0,33 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
\ |
|
|
|
|
|
|
|
|
|
|
|
I |
|
|
|
|
|
|
[К=2; |
|
|
|
1 |
|
i |
|
|
|
|
|
|
|
|
1 |
|
|
||
|
|
|
|
г |
|
|
|
|
|
|
|
|
|
|
Л |
|
|
|
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
|
|
|
t |
|
|
|
|
|
?—=5 |
|
>1 |
|
|
|
|
|
|
|
|
|
|
||
О |
0,1 |
—т—| |
0,4 |
0,5 |
0,5 |
0,7 |
0,9 |
t,4 |
|||
0,2 |
0,3 |
|
0,8 |
||||||||
Рис. 10. Зависимость |
плотности распределения |
интервалов |
от ко |
||||||||
|
|
|
|
эффициента |
вариации |
|
|
|
29