- •СОДЕРЖАНИЕ
- •2. АНАЛИТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
- •2.1. Математические модели.
- •2.2. Типовые схемы моделирования
- •2.3. Непрерывно-детерминированные модели (D-схемы)
- •2.6. Марковский случайный процесс
- •Рис. 2.4. Система АЛУ – память
- •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
- •2.7.7. Замкнутые системы массового обслуживания (СМО с ожиданием ответа)
- •2.7.8. Распределение Эрланга. Метод этапов
- •Рис 2.20. Пример использования метода псевдосостояний
- •2.7.8. Немарковские СМО
- •3. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ
- •3.1. Условия применения имитационного 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
- •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
- •3. 8. Сетевые модели
- •3.8.1. Сети Петри
- •3.8.2. Е-сети
- •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
В |
качестве а берут число близкое |
к2n2 , x0 – любое |
нечётное число |
меньше |
М, а значение С подбирают |
экспериментально, |
оно влияет на |
корреляционные свойства последовательности. |
|
3.4.2. Проверка качества последовательностей РРСЧ
|
Эффективность |
статистического |
моделирования |
систем |
на |
ЭВМ |
|||||
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 |
проце |
|
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 |
статистически |
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 |
равномерностипоследовательностей |
|
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 попаданийNk в каждый |
|||||
из m |
подинтервалов. Вычисляется |
относительная |
частота |
попадания |
|
случайных чисел последовательности {хг} в каждый из подинтервалов |
|
Ck= Nk/N,
m
где N = å Nk − общее количество чисел в последовательности {хг}.
k =1
85
Сk
1 2 3 4 ... m
1
m
...
xi
0 |
|
1 |
|
|
|
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:
|
|
|
x22i -1 + x22i <1. |
|
|
|
|
|
Геометрически это означает, что точка с координатами(x2i-1, |
x2i) |
|||||||
расположена внутри четверти круга радиусаR=1, вписанного в единичный |
||||||||
квадрат (рис. 3.5). |
случае точка(x2i-1, x2i) всегда |
|
|
|
|
|
||
В |
общем |
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 большихN относительная частота |
||||||||
попадания |
точки |
в единичный квадрат, равная |
отношению числаK пар (x2i-1, |
|||||
x2i), для |
которых проверочное условие выполнелось к общему числуN/2 |
пар |
последовательности должна сходиться к Р:
2K ® p .
N 4
86
x2i
1 |
|
|
|
R |
|
0 |
1 |
x2i-1 |
Рис. 3.5. Проверка равномерности по косвенным признакам
2) Проверка стохастичности |
|
|
|
|
чисел{хг} |
|
|||
Это |
исследование |
последовательностей |
псевдослучайных |
|
|||||
наиболее часто проводится методами комбинаций и серий. |
|
|
|
||||||
а) метод комбинаций |
|
|
|
|
|
|
|
||
Сущность |
метода |
комбинаций |
сводится |
к |
определению |
зако |
|||
распределения закона распределения(появления) числа единиц (нулей) в n- |
|
||||||||
разрядном двоичном числехг. На практике длину последовательностиN |
|
||||||||
берут достаточно большой и проверяют всеп разрядов или только l старших |
|
||||||||
разрядов числа хг . |
|
|
|
|
|
|
|
||
Теоретически закон появления j единиц в l разрядах двоичного числа |
|
||||||||
описывается |
|
исходя из |
независимости |
отдельных |
разрядов биномиальным |
законом распределения:
|
P( j,l) = C j P j (1)[1 - P(1)]l - j |
= C j Pl (1), |
|
|
|
|
l |
|
l |
|
|
где P(j,l) − вероятность появления j единиц в l разрядах числа хг; P(1)=P(0)=0,5 |
|||||
− вероятность |
появления единицы |
(нуля) |
в любом |
разряде |
числахг; |
Clj = l!/[ j!(l - j)!] . |
|
|
|
|
|
Тогда при |
фиксированной длине выборкиN теоретически ожидаемое |
||||
число появления случайных чисел jс единицами в проверяемыхl разрядах |
|||||
будет равно |
= NClj Pl (1) . |
|
|
|
|
n j |
|
|
|
|
|
После |
нахождения |
теоретических |
и |
экспериментал |
вероятностей P(j,l) или чисел nj при различных значениях l £n гипотеза о стохастичности проверяется с использованием критериев согласия.
б) метод серий
В этом случае вся последовательность чисел{х } разбивается на
г
элементы 1-го и 2-го рода по следующему правилу:
ìa , |
если |
xi < p; |
xi = í |
если |
xi ³ p, |
îb |
где 0< p <1.
87
Серией называется любой отрезок последовательности{хг}, состоящий из следующих друг за другом элементов одного и того же рода. Причем число элементов в отрезке (а или b) называется длиной серии.
После разбиения последовательности {хг} на серии первого и второго рода будем иметь, например, последовательность вида
.. .aabbbbaaabaaaabbbab...
Так как |
случайные числа |
и b в данной последовательности |
независимы |
и принадлежат |
последовательности {хг}, равномерно |
распределенной на интервале (0, 1), то теоретическая вероятность появления серии длиной j в последовательности длинойl в N опытах (под опытом
здесь понимается генерация числаxi |
и проверка условия xi<p) определится |
|||||
формулой Бернулли |
|
|
|
|
|
|
P( j,l) = c j p j |
(1 - p)l - j , |
j = |
|
l = |
|
. |
0,l, |
1, n |
|||||
l |
|
|
|
|
|
|
В случае экспериментальной проверки оцениваются частоты появления серий длиной j. В результате получаются теоретическая и экспериментальная зависимости P(j,l), сходимость которых проверяется по известным критериям согласия, причем проверку целесообразно проводить при различных значениях
р(0<р<1\) и l.
3) Проверка независимости |
|
|
|
|
|
|
|
|
||||
Случайные |
|
величины ξ и η |
называются |
независимыми, |
если |
закон |
|
|||||
распределения каждой из них не зависит от того, какое значение приняла |
|
|||||||||||
другая. |
|
|
|
|
|
|
|
|
|
|
|
|
Проверка |
|
|
независимости |
|
проводится |
на |
основе |
выч |
||||
корреляционного |
|
момента.В |
общем |
|
случае |
корреляционный |
моме |
|||||
случайных величин ξ и η |
с возможными значениямиxi и |
yj определяется по |
|
|||||||||
формуле |
|
|
|
|
|
|
|
|
|
|
|
|
Kxh = åå(xi - M [x ])( yi - M [h])Pij |
|
|
|
|
|
|
||||||
|
|
i |
j |
|
|
|
|
|
|
|
|
|
где Рij – вероятность того, что (ξ, η) принимает значение (xi, yj), а М[ξ], М[η] – |
|
|||||||||||
математические ожидания случайных величин. |
|
|
|
|
|
|||||||
Если случайные числа независимы, то Kξη = 0. |
|
|
|
|
||||||||
Независимость элементов последовательности {хг} может быть проверена |
|
|||||||||||
путем введения |
в |
рассмотрение последовательности{yr} такой, что |
{yr} = |
|
||||||||
{хг+τ}, где τ – величина сдвига последовательностей. |
удобней |
использоват |
||||||||||
Иногда |
вместо |
корреляционного |
|
момента |
||||||||
коэфициент корреляции |
|
|
Kxh |
|
|
|
|
|
|
|||
|
|
|
|
r xh |
= |
, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
s x s h |
|
|
|
|
|
|
88
где σξ и ση − среднеквадратические отклонения величин ξ и η.
Возможные значения коэфициента корреляции лежат в пределах0 от (полная независимость) до 1 (жесткая функциональная связь).
При любом t ¹ 0 для достаточно больших N с доверительной вероятностью β справедливо соотношение
rxh |
|
£ b |
1 |
. |
|
||||
|
|
|||
|
|
|
N |
|
|
|
Если вычисленное экспериментальным путёмρ лежит в этих пределах, то вероятностью β можно утверждать, что последовательность корреляционно независима.
При проведении оценок коэффициента корреляции на ЭВМ удобно для вычисления использовать следующее выражение:
|
|
|
|
|
|
|
|
1 |
|
N -t |
|
|
|
|
|
|
|
1 |
|
N -t N -t |
|
|||||||
|
|
|
|
|
( |
|
|
|
|
å xi xi +t - |
|
|
|
|
|
å xi å xi +t ) |
|
|||||||||||
|
|
|
|
|
|
|
|
|
(N |
-t )2 |
|
|||||||||||||||||
|
|
r xh |
= |
|
N -t i =1 |
|
|
|
|
|
i =1 i =1 |
, |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
где |
|
|
|
|
|
|
|
|
|
|
D[xi ]D[xi +t ] |
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
1 |
|
|
|
N -t |
|
|
|
|
1 |
|
|
N -t |
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
D[x |
|
] = [ |
|
|
] å |
(x2 |
- |
|
|
|
|
( å x )2 ) , |
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
i |
|
|
(N -t ) |
|
|
i=1 |
i |
|
|
(N -t )2 |
|
i |
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
i=1 |
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
1 |
|
|
N -t |
(x2 |
|
|
|
1 |
|
N -t |
|
|
|
)2 ) . |
|
|||||||
D[x |
i +t |
] = |
|
|
å |
|
- |
|
( å x |
i |
+t |
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
N -t |
|
|
i =1 |
i +t |
|
|
|
(N - t)2 |
i =1 |
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4) Определение длины периода и длины отрезка апериодичности
При статистическом моделировании с использованием программных генераторов псевдослучайных квазиравномерных последовательносте важными характеристиками качества генератора являетсядлина периода Ри
длина отрезка апериодичностиL. Длина отрезка апериодичностиL
псевдослучайной последовательности {хг}, заданной уравнением
X i +1 = ( A X i + C) mod M , xi=Xi/M,
есть наибольшее целое число, такое, что при 0 £ k < i £ L событие P(xi = xk )
не имеет |
места. Это означает, |
что |
все числаxi в |
пределах отрезка |
|||
апериодичности не повторяются. |
|
|
|
|
|
||
Очевидно, что |
использование |
при |
моделировании |
систем - после |
|||
довательности |
чисел {хг}, длина которой |
больше отрезка апериодичностиL, |
|||||
может привести к повторению испытаний в тех же условиях, что и раньше, т. |
|||||||
е. увеличение числа реализаций не дает новых статистических результатов. |
|||||||
Способ |
экспериментального |
определения |
длины |
периодаР и |
длины |
отрезка апериодичности L сводится к следующему.
89
1)Запускается программа генерации последовательности чисел{хг} с
начальным |
значением x0 |
на V |
значений, фиксируется xv (обычно |
полагаютV = (1 ¸ 5)106 ); |
|
|
2) Запуск программы генерации сx0 и фиксируетсяi1 и i2, такие, что в первый и во второй раз выполняется условиеxi1=xv и xi2=xv. Вычисляется длина периода последовательности Р=i2-i1.
3) Запуск программы генерации с начальными фиксируется минимальный номерi3, для которого Вычисляется длина отрезока апериодичности L=i3+p.
Теоретически при использовании длина периода не может быть больше чем 2n, где n − разрядность ЭВМ. Для увеличения длины периода прибегают к специальным приемам. Рассмотрим некоторые из них.
1) |
Использование рекуррентных формул порядка r |
|
|
xi +1 = Ф(xi , xi-1, ... , xi -r +1) . |
|
Естественно, это ведёт |
к увеличению затрат машинного времени на |
|
получение чисел и ограничивает возможности его применения на практике. |
||
2) |
Метод возмущений |
|
|
ìФ(xi ), если |
i mod M ¹ 0, |
|
xi +1 = í |
i mod M = 0, |
|
îy (xi ), если |
т.е. если i не кратноМ, то вычисление значения последовательности осуществляется с помощью функцииФ, если кратно, то используется другая функция ψ.
3) Метод Макларена − Марсальи Метод основан на комбинировании двух датчиков РРСЧ, построенных с
использованием мультипликативного метода. Пусть {ai} и {bi} − последовательности, порождаемые с помощью этих датчиков. Выходную последовательность обозначим как {ci}. Будем использовать вспомогательный массив V={V1, V2, ..., Vk}.
Вначале массив заполняется элементами последовательности от первого датчика {ai}:
Vi= ai, i=1 ¸k. |
|
|
случайный |
|
Затем с помощью числа от второго датчика разыгрывается |
||||
выбор номера s элемента в массиве V: |
|
|
|
|
s=[bjk], где скобки означают «целая часть». |
пересылается |
в |
||
Выбранный |
элемент |
массива |
последовательность, а на его место помещается очередное значение из
последовательности {ai}: |
|
|
|
|
|
|
Этот |
cj= Vs, Vs= ak+j ( j=1,2, ...). |
ослабить |
зависимость |
между |
ч |
|
метод |
позволяет |
|||||
последовательности {ci} |
и получить |
чрезвычайно |
большие периоды, если |
|
||
периоды последовательностей {ai} и {bi} − взаимно простые числа. |
|
|
90