![](/user_photo/2706_HbeT2.jpg)
- •1 Понятие модели и моделирования.
- •5 Функция распределения вероятностей (ф.Р.В.), плотность распределения вероятностей (п.Р.В.) и моменты базовой случайной величины (бсв).
- •6 Показатели качества программных датчиков бсв и методы их улучшения
- •7 Необходимые и достаточное условия статистической независимости случайных величин (с. В.). Соотношение статистической зависимости с. В. И зависимости функциональной.
- •9 Методы построения датчиков дискретных с. В. На основе датчика бсв.
- •10 Методы построения датчиков непрерывных с. В. На основе датчика бсв.
- •18 Расчёт надёжности методом статистического эксперимента
- •25 Преимущества и недостатки аналитического и статистического методов моделирования.
- •26 Методы понижения дисперсии.
- •29 Четыре парадигмы имитационного моделирования.
18 Расчёт надёжности методом статистического эксперимента
Непосредственный статистический расчёт надёжности представляет собой многократную реализацию с. в. X – набора состояний элементов системы, вычисление значений y(X) для каждой реализации (для каждого опыта) и их усреднение.
В результате проведения n
опытов оценка
вероятности отказа системы определяется
по формуле:
,где
yi
– состояние системы в i-м
опыте, nотк
– число отказов, т. е. число опытов, в
которых происходил отказ системы.
Погрешность оценки в соответствии с
правилом трёх сигм находится с вероятностью
1–0,0027 в пределах
(1.54)
С учётом того, что обычно
вероятность отказа системы Q
близка к нулю, можно пренебречь множителем
(1–Q),
близким к единице. Кроме того, – по той
же причине малости Q,
– от абсолютной погрешности Δ в (1.54)
переходят к относительной погрешности
δ =
Δ/Q.
В результате этих замен неравенство
принимает следующий вид
(1.55)
где vn
= n
/Q
– коэффициент вариации оценки
приn
опытах. Наконец, поскольку точное
значение Q
в (1.55) неизвестно, его заменяют оценкой
,
откуда
(1.56)
Это неравенство позволяет достаточно легко контролировать относительную ошибку в ходе статистического эксперимента по числу nотк наблюдаемых отказов системы.
Если в (1.55) зафиксировать
размах относительной погрешности,
полагая 3vn
= δ0,
и выразить через него число опытов n,
при котором он достигается, получим
требование
.
Размах δ0
на практике задают в диапазоне от 1 до
0,1.
25 Преимущества и недостатки аналитического и статистического методов моделирования.
Основные достоинства:
• имитационная модель позволяет, в принципе, описать моделируемый процесс с большей адекватностью, чем другие;
• имитационная модель обладает известной гибкостью варьирования структуры, алгоритмов и параметров системы;
• применение ЭВМ существенно сокращает продолжительность испытаний по сравнению с натурным экспериментом (если он возможен), а также их стоимость.
Основные недостатки:
• решение, полученное на имитационной модели, всегда носит частный характер, так как оно соответствует фиксированным элементам структуры, алгоритмам поведения и значениям параметров системы;
• большие трудозатраты на создание модели и проведение экспериментов, а также обработку их результатов;
• если использование системы предполагает участие людей при проведении машинного эксперимента, на результаты может оказать влияние так называемый хауторнский эффект (заключающийся в том, что люди, зная (чувствуя), что за ними наблюдают, могут изменить свое обычное поведение).
26 Методы понижения дисперсии.
Метод взвешивания
Для простоты изложения метода рассмотрим статистический эксперимент с одномерной входной с.в. x (рис. 6.1).
x
~
f(t) i = 1..N
y(x) y
Рис. 6.1. Исходная схема эксперимента
Формально искомое м.о. M(y) определяется выражением:
(6.1)
Метод взвешивания основан на аналитическом преобразовании выражения (6.1) и на соответствующем изменении схемы эксперимента.Разделим и умножим подынтегральное выражение в (6.1) на произвольную п.р.в. p(t), не равную нулю в пределах интегрирования. В результате мы увидим, что
(6.2)
где
y’ = y(x)*(f(x)/p(x)), а x ~ p(t).
Следовательно, вместо расчета оценкиможно выполнять расчет оценки
.
Схема расчета
представлена на рис. 6.2. Такой переход
от исходной схемы рис. 6.1 к схеме рис.
6.2 называется методомвзвешивания.
Обе схемы эквивалентны с точки зрения
м.о. выходной с.в., но различны с точки
зрения ее дисперсии.
i = 1..N Перемножение
x
~
p(t) y
y(x)
*
f(x)/p(x)
Рис. 6. 2. Преобразованная схема
Описанный
одномерный вариант метода легко
распространяется и на случай многомерной
с.в. Для этого достаточно в (6.2) вместо
скаляров x,t записать соответственно
векторы X = (x,
... , x
),
T = (t
,
... , t
). Обобщение на случай дискретной с.в.
X осуществляется путем замены интеграла
на сумму, а плотностей - на вероятности.
Искусство
применения метода взвешивания сводится
к подбору такой функции p, чтобы было
D()
<< D(y). Тогда получится N' << N. Можно,
например, подбирать п.р.в. p так, чтобы
с.в.
=
y f / p была по возможности ближе к
константе, хотя бы в каком-нибудь
интуитивном смысле, т.к. при
= =const должно быть D(
)
= 0.
Основное достоинство метода взвешивания - в простоте преобразования схемы эксперимента. Программа вычисления функции y(x), т.е. модельисследуемой системы не меняется. Добавляется только расчет множителя f/p (веса), да генератор входной с.в. с распределением f заменяется на генератор с распределением p.
6.4. Метод расслоения
Для типовой исходной схемы статистического эксперимента (рис.6.4) введем следующие обозначения:
- пространство исходов, т.е. множество всех возможных значений с.в. X.
1,…,k- слои, т.е. такие подмножества пространства,что
-
вероятность j-го слоя.
Mj-
условное математическое ожидание с.в.y в слое
.
~ f i = 1..N
y(X)
y
Рис.6.4. Исходная схема эксперимента
Известно, что безусловное м.о. с.в. выражается через условные следующим образом:
(6.5)
Отсюда происходит идея расслоения
эксперимента: вначале выполнить
эксперименты в отдельных слоях
,
в которых с.в. y более или менее "близка
к константе", а затем по найденным
"почти точным" оценкам
вычислить в соответствии с (6.5) оценку
(6.6)
Схема расслоенного статистического эксперимента, воплощающая эту идею, представлена на рис. 6.5.
Эксперимент
в каждом слое проводится точно также,
как по исходной схеме. Только вместо
безусловной п.р.в. f(t) используется
условная:
:X
f
: y(X) y
. . .
: X
f
:
y(X)
y
. . .
:X
f
:
y(X) y
Рис.6.5. Схема расслоенного эксперимента
Для контроля за точностью эксперимента можно в каждом слое вычислять условную дисперсию выходной с.в.:
(6.8)
и дисперсию внутрислойной оценки
(6.9)
Тогда, в соответствии с линейным выражением (6.6), дисперсия итоговой оценки может быть вычислена по формуле:
(6.10)
Если нужно знать ошибку итоговой оценки в форме коэффициента вариации, то она вычисляется как обычно:
(6.11)
Следует
иметь в виду, что кроме удачного выбора
слоев существует дополнительная
возможность выигрыша в точности - за
счет правильного распределения общего
числа опытов N по слоям: N = N+ ... + N
. Опыты можно распределятьрационально- в соответствии с формулой
, (6.12)
или оптимально- по формуле
, (6.13)
где
- условное среднеквадратическое
отклонение с.в. y в слое
.
Обычно
априорно неизвестны и их заменяют на
оценки
(6.14)
где
находят по (6.8) путем выполнения пробного
прогона программы с не очень большими
.
При использовании распределения опытов (6.13) ошибка v расслоенного эксперимента будет минимальной для данного N. Распределение (6.12) приводит к худшей (во всяком случае не лучшей) точности, чем (6.13). Тем не менее, распределение опытов (6.12) используется чаще, т.к. оно проще и все же гарантирует (при любом расслоении эксперимента), что ошибка получится меньше (в крайнем случае - не больше), чем в исходной схеме. Эти свойства метода расслоения доказываются достаточно просто.
Таким образом рациональное, а тем более и оптимальное распределение опытов гарантирует, что даже при самом неудачном расслоении мы не ухудшим точности расчетов.