
- •Основы системного анализа Раздел 1. Введение
- •Раздел 2. Имитационное моделирование как метод исследования систем большой сложности
- •Раздел 3. Основы теории систем массового обслуживания
- •Введение
- •1. Системность как всеобщее свойство матери
- •1.1. Определение системы
- •1.2.Сложная и большая система
- •1.3. Классификация систем по их основным свойствам
- •1.4. Искусственная система как средство достижения цели
- •1.5. Системность как всеобщее свойство материи
- •1.6. Системность познавательных процессов
- •1.7. Методология системного подхода
- •1.8. Развитие системных представлений в науке и практике
- •1.9. Контрольные вопросы и упражнения к разделу 1.1.
- •Раздел 2. Имитационное моделирование как метод исследования систем большой сложности
- •2.1. Введение
- •2.2. Основные понятия
- •2.3. Принципы и методы построения имитационных моделей
- •2.4. Вопросы для самопроверки
- •2.5. Упражнения
- •2.6. Случайные события и их имитация
- •2.7. Имитация случайного события
- •2.8. Имитация сложного события
- •2.9. Имитация сложного события, состоящего из зависимых событий
- •2.10. Имитация событий, составляющих полную группу
- •2.11. Вопросы для самопроверки
- •2.12. Упражнения
- •2.13. Имитация непрерывных случайных величин
- •2.14. Метод обратной функции
- •2.15. Метод Неймана (режекции)
- •2.5, Где
- •2.16. Алгоритм получения значения нормально распределенной случайной величины
- •2.17. Алгоритм получения случайной величины, распределенной по Пуассону
- •2.18. Упражнения
- •2.19. Алгоритмы получения значений систем случайных величин (случайных векторов)
- •2.20. Метод аналитических преобразований
- •2.21. Метод разложения по координатным случайным величинам
- •2.22. Алгоритм получения значений системы дискретных случайных величин
- •2.23. Упражнения
- •2.24. Имитация случайных процессов
- •2.25. Имитация нестационарных случайных процессов
- •2.26. Имитация стационарных сп
- •2.27. Имитация стационарных нормальных сп
- •2.28. Обработка результатов моделирования
- •Раздел 3. Основы теории систем массового обслуживания
- •3.1. Введение
- •3.1.1. Историческая справка
- •3.1.2. Примеры систем массового обслуживания. Анализ задач тсмо
- •3.1.3. Понятия, определения, терминология
- •3.1.4. Классификация смо
- •3.1.5.Основная задача тсмо
- •3.2. Математические модели потоков событий
- •3.2.1. Регулярный и случайный потоки
- •3.2.2. Простейший пуассоновский поток
- •3.2.3. Свойства простейшего пуассоновского потока
- •3.2.4. Простейший поток и решение практических задач
- •3.2.5. Нестационарные пуассоновские потоки
- •3.2.6. Потоки с ограниченным последствием (потоки Пальма)
- •3.2.7. Потоки восстановления
- •Термины и определения
- •Литература
2.6. Случайные события и их имитация
Б. Циглер в своей книге “Теория моделирования и имитации”, сравнивает роли арифметики и имитационного моделирования. Он пишет: “Никто не знает вопросов о роли арифметики в науке, инженерной деятельности или управлении. Арифметика применяется повсюду, однако она – математическая дисциплина, имеющая свои собственные аксиомы и свою логическую структуру… Ее содержание применимо ко всем дисциплинам. Практика моделирования и имитации также используется повсюду. Аналогично арифметике, она имеет собственные понятия: “модельное описание”, “упрощение”, … “имитация”, “квантование” и т.д.”. Изложению ее, специфических понятий, приемов и методов имитационного моделирования посвящены параграфы 2-5 данного раздела. Материал этих параграфов имеет справочный характер, ориентирован на описание алгоритмов и их практическое применение и не содержит доказательств, которые можно найти, например, в [1,4].
2.7. Имитация случайного события
Пусть некоторое событие А происходит
с вероятностью
.
Требуется воспроизвести факт наступления
события А. Поставим в соответствие
событию А событие В, состоящее в том,
что х меньше либо равно
,
где х здесь и в дальнейшем – случайное
число (СЧ) с равномерным на интервале
(0,1) законом распределения. Вычислим
вероятность события В:
Таким образом, события А и В являются равновероятными. Отсюда следует процедура имитации факта появления события А. Она сводится к проверке неравенства хАменьше, либо равноР, а алгоритм заключается в следующем:
С помощью датчика случайных чисел (СЧ) получают СЧ х;
Проверяют выполнение неравенства х меньше, либо равно
;
Если оно выпоняется, то событие А – произошло, если нет – то произошло
2.8. Имитация сложного события
Имитация сложного события, состоящего, например, из двух независимых элементарных событий А и В, заключается в проверке неравенств:
,
где
и
–
вероятности событий А и В, а х1 и
х2– СЧ с равномерным законом
распределения.
В зависимости от исхода проверки неравенств (аналогично алгоритму 2.1.) делается вывод какой из вариантов:
имеет
место.
2.9. Имитация сложного события, состоящего из зависимых событий
В случае, когда сложное событие состоит из элементарных зависимых событий А и В имитация сложного события производится с помощью проверки следующих неравенств:
В зависимости от того, какая из этих
четырех систем неравенств выполняется,
делается вывод о том, какой из этих
четырех возможных исходов
имеет
место.
В качестве исходных данных задаются
,
и
условная вероятность
,
вероятность
может
быть вычислена. По формуле полной
вероятности:
2.10. Имитация событий, составляющих полную группу
Пусть событие Аi(i=1,n) составляют полную группу, тогда их вероятности Рi, таковы что:
Имитация факта появления одного из событий Аi(i=1,n) сводится к проверке следующих неравенств:
Выполнение К-го неравенства эквивалентно выполнению события АК. Описанный алгоритм называют иногда алгоритмом “розыгрыша по жребию”. Его можно интерпретировать как установление номера К-го отрезка длинной РК, на который пало СЧ х, при условии разбиения отрезка единичной длины на отрезки с длинами P1,P2,...Pn (рис 3.3.)
Рис. 3.3.
2.11. Вопросы для самопроверки
Как Вы понимаете смысл слов “имитация факта наступления события” и “имитация события”? В данном тексте это одно и тоже?
Докажите, что алгоритмы имитации сложных событий (параграфы 2.8. и 2.9.) могут быть сведены к имитации полной группы событий, сравните их. Какие алгоритмы предпочтительнее?
Докажите справедливость алгоритмов, описанных в параграфе 2.8.