
- •1.Предмет теории моделирования.
- •2.Роль и место моделирования в исследовании систем.
- •3. Характеристика и поведение сложных систем(сс).
- •4.Общее понятие модели и моделирования.
- •5. Соотношения между моделью и объектом. Сущность процесса моделирования.
- •6.Классификация моделей.
- •7.Математические модели.
- •9. Математические схемы моделирования систем. Основные подходы к построению мм систем.
- •10. Непрерывно детерминированные модели (д - схемы).
- •11.Дискретно – детерминированные модели (f-схемы).
- •12. Непрерывно-стохастические модели (q - схемы).
- •13.Методы теории массового обслуживания.
- •14.Имитационное моделирование систем. Цели, условия применения, преимущества и сложности имитационного моделирования.
- •15.Процедура имитационного моделирования.
- •16. Имитация функционирования системы.
- •17. Обобщённые алгоритмы имитационного моделирования. Алгоритм моделирования по принципу особых состояний.
- •18. Обобщённые алгоритмы имитационного моделирования. Алгоритм моделирования по принципу t.
- •19. Методы определения характеристик моделируемых систем.
- •20. Измеряемые характеристики моделируемых систем.
- •Расчёт математического ожидания и дисперсии выходной характеристики.
- •Расчёт среднего по времени значения выходной характеристики.
- •Построение гистограммы для стационарной системы.
- •21. Моделирование случайных воздействий.
- •23. Требования к случайным числам.
- •24. Формирование случайных чисел с заданным законом распределения. Метод обратных функций.
- •25. Формирование случайных чисел с заданным законом распределения. Метод отсеивания (метод генерации Неймана).
- •26. Моделир-е дискретных распределений. Биномиальное распределение.
- •27. Моделирование дискретных распределений. Распределение Пуассона.
- •28. Моделирование случайных событий.
- •29. Потоки событий. Простейший (пуассоновский) поток.
- •30. Моделирование систем с использованием типовых математических схем. Реализация процессов с использованием q-схем (смо). Блочные иерархические модели процессов функционирования систем
- •Построение и реализация моделирующих алгоритмов q-схем
- •31. Смо. Показатели смо.
- •32. Классификация смо.
- •33. Характеристики входящего и выходящего потока смо.
- •34. Планирование машинных экспериментов с моделями систем. Основные понятия.
- •35. Методы планирования эксперимента на модели.
- •39. Моделирование параллельных процессов.
- •40. Имитационное моделирование компьютерных сетей.
- •41. Имитационное моделирование нейронных сетей.
- •42. Вероятностно-статистическое моделирование. Метод Монте-Карло.
29. Потоки событий. Простейший (пуассоновский) поток.
Потоком событий (ПС) наз. послед-ть однор. событий, след. одно за другим в случ. моменты времени.
Примеры: поток вызовов на телеф. станции; поток включений приборов в бытовой электросети; поток грузовых составов, поступ. на железнодор. станцию; поток неисправностей (сбоев) вычислит. машины; поток выстрелов, направляемых на цель, и т. д.
Рассмотрим ПС, облад. всеми тремя св-вами: стационарный, без последействия, ординарный. Такой поток наз. простейшим (ПП) (или стационарным пуассоновским) потоком. Название «простейший» связ. с тем, что мат. опис. событий, связ-ых с простейш. потоками, оказ-ся наиб. простым. Отметим, м/у прочим, что «самый простой», на первый взгляд, регулярный поток (РП) со строго пост-ыми инт-лами м/у событиями отнюдь не явл. «простейшим» в вышеназванном смысле слова: он облад. ярко выраж. последействием, т. к. моменты появления событий связ. м/у собой жесткой функциональной завис-тью. Именно из-за этого последействия анализ процессов, связ. с РП, оказ-ся, как правило, труднее, а не легче по сравн. с простейшими.
ПП играет среди других потоков особую роль — м-о док-ть, что при суперпозиции (взаимном наложении) достат. большого числа потоков, облад. последействием (лишь бы они были стац-ны и ординарны), образ-ся суммарный поток, кот. м-о счит. простейшим, и тем точнее, чем большее число потоков суммируется. Доп-но треб-ся, чтобы складываемые потоки были сравнимы по интенс-ти, т. е., чтобы среди них не было, скажем, одного, превосход. по интенс-ти сумму всех ост-х.
Если поток событий
не имеет последействия, ординарен, но
не стационарен, он наз. нестац-ым
пуассоновским потоком. В таком потоке
интенс-ть
(ср. число событий в един. времени) зав.
от времени:
,
тогда как для ПП:
.
Пуассоновский ПС (как стац-ый, так и нестац-ый) тесно связ. с известным распред-ем Пуассона — число событий потока, попад. на любой уч-к, распределено по з-ну Пуассона.
Рис.1
Поток событий
Поясним, что это
означает. Рассмотрим на оси t, где
наблюд-ся ПС, некот. уч-к времени длины
(рис.1), начин-ся в момент
и заканч-ся в момент
.
Нетрудно док-ть
(док-во дается во всех курсах теории
вероятностей), что вероятность попадания
на этот уч-к ровно
событий и выраж-ся ф-лой:
(1),
где а — ср.
число событий, приход-ся на уч-к
;
е — основание натур. логарифмов.
Для стац-го
(простейшего) пуассоновского потока
велич. а равна интенс-ти потока, умнож.
на длину инт.:
,т. е. не зав.
от того, где на оси t нах-ся период
.
Для нестац-го пуассоновского потока
велич. а зав. от того, в какой точке
начинается
уч-к t.
Рис.
2 Простейший поток
Рассмотрим
на оси t ПП событий с интенс-тью
(рис.
2). Нас будет интересовать случ. инт.
времени Т м/у соседними событиями в
этом потоке; найдем его з-н распред-я.
Снач. найдем ф-ю распред-я:
т. е. вер-ть того,
что велич. Т будет иметь знач., меньшее,
чем t. Отложим от начала инт. Т (точки
)
отрезок t и найдем вер-ть того, что инт.
Т будет < t. Для этого нужно, чтобы на
уч-к длины t, примык. к точке
попало хотя бы одно событие потока.
Вычислим вер-ть этого F(t) через вер-ть
противоп-го события (на уч-к t не попадет
ни одного события потока):
Вер-ть
найдем по ф-ле
(1), полагая m = 0:
откуда ф-я распред-я
велич. Т будет:
(2)
Чтобы найти
плотность распред-я
случ.
велич. Т, необх. продиффер-ть выраж. (2)
по t:
(3)
З-н распред-я с
плотностью (3) наз. показательным (или
экспоненц.). Велич.
наз. пар-ром показат-го з-на.
Показат. з-н распред-я играет большую роль в теории марковских случ. процессов.
Найдем числовые
хар-ки случ. велич. Т — мат. ожид. (ср.
знач.)
и дисперсию
.
Имеем (интегрируя
по частям):
(4) Дисперсия велич. T составляет:
Извлекая корень
квадратный из дисперсии, найдем ср.
квадратич. отклон. случ. велич. Т.
Итак, для показат-го
распред-я мат. ожид. и ср. квадратич.
отклон. равны друг другу и обратны
пар-ру
,
где
— интенс-ть потока.
Приведем выраж.
для так назыв. «элемента вер-ти появления
события» или вер-ти наступл-я на
элементарном уч-ке
(рис
1) события потока.
Найдем вер-ть того,
что на уч-ке
появится какое-то событие потока, т. е.
уч-к не будет «пуст». Т. к. поток ординарен,
вер-тью появления на уч-ке более чем
одного события можно пренебречь.
Обозначим
вер-ть того, что на уч-ке не будет события,
а
—
вер-ть того, что на нем появится одно
событие. В силу ордин-ти потока
а вер-ть
опред-ся по (1):
откуда
Разлагая
в ряд и пренебрегая величинами высшего
порядка малости, получаем:
(7)
Эта вер-ть и наз. «элементом вер-ти появления события».
Очевидно, такая
же ф-ла будет справедлива и для нестац-го
пуассоновского потока с той разницей,
что велич.
нужно брать равной ее знач. в той точке
t, к кот. примык. уч-к