- •1. Случайные величины
- •2. Законы распределения и числовые характеристики дискретных случайных величин
- •1. Дискретная случайная величина, закон и функция распределения
- •2. Числовые характеристики дискретных случайных величин
- •3. Законы распределения и числовые характеристики непрерывных случайных величин Числовые характеристики непрерывных св
- •4. Случайные события. Потоки событий.
- •5. Центральная предельная теорема теории вероятностей.
- •6. Статистические оценки параметров распределения.
- •7. Определение требуемого объема выборки.
- •8. Понятие модели.
- •10. Общая характеристика и этапы имитационного моделирования.
- •11. Имитационные модели экономических систем.
- •13. Основные понятия теории массового обслуживания.
- •14. Система обозначения смо.
- •15. Основные характеристики эффективности смо. Показатели эффективности работы смо.
- •16. Общая характеристика метода статистического моделирования.
- •17. Датчики случайных чисел с равномерным распределением.
- •18. Моделирование простого события.
- •19. Моделирование полной группы несовместных событий и дискретной случайной величины.
- •20. Моделирование непрерывных случайных величин. Метод обратной функции. Моделирование случайных величин с показательным и равномерным распределением. Метод обратной функции.
- •8.2. Моделирование св с показательным распределением.
- •8.3. Моделирование св с равномерным распределением.
- •21. Моделирование случайных величин с нормальным распределением.
- •22. Моделирование случайных величин с произвольным распределением.
- •23. Общие сведения о gpss.
- •24. Работа в системе gpss (текстовый файл, трансляция, запуск процесса моделирования, работа с «окнами», вывод графика).
- •25. Типы операторов в gpss.
- •26. Блоки, связанные с транзактами (generate, terminate). Сегмент модели. Продолжительность прогона. Сегмент таймера.
- •27. Блоки, связанные с транзактами (assign, mark, priority, advance).
- •Assign (присвоить)
- •Mark (отметить)
- •Priority (назначить приоритет)
- •Advance (задержать)
- •28. Блоки и команды, связанные с аппаратными объектами (seize, release, enter, leave, storage, logic). Seize (занять устройство)
- •Release (освободить устройство)
- •Enter (войти в память)
- •Leave (выйти из памяти)
- •Storage (память)
- •Logic (установить логический ключ)
- •29. Блоки и команды для сбора статистических данных (queue, depart, qtable, table, tabulate).
- •Queue (встать в очередь)
- •Depart (покинуть очередь)
- •Qtable (q-таблица)
- •Table (таблица)
- •Tabulate (занести в таблицу)
- •30. Блоки, изменяющие маршруты транзактов (transfer, test, gate). Transfer (передать)
- •Test (проверить)
- •Gate (впустить)
- •31. Блоки и команды для хранения величин (savevalue, initial, msavevalue, matrix). Ячейки (ячейки сохраняемых величин).
- •Матрицы.
- •Savevalue (сохранить величину)
- •Msavevalue(сохранить значение элемента матрицы)
- •32. Блоки формирования и обработки семейств транзактов (split, assemble, gather). Split (расщепить)
- •Assemble (соединить)
- •Gather (собирать)
- •33. Переменные в gpss.
- •Арифметические, условные и логические операторы.
- •Переменные пользователя.
- •Генераторы случайных чисел.
- •Встроенные вероятностные распределения.
- •34. Функции в gpss
- •35. Интерпретация стандартного отчета.
- •1. Заголовок.
- •2. Общая информация о результатах моделирования.
- •3. Информация об именах.
- •4. Информация о блоках.
- •5. Информация об устройствах.
- •6. Информация об очередях.
- •7. Информация о памятях (многоканальных устройствах).
- •8. Информация о таблицах.
- •9. Информация о сохраняемых величинах (ячейках).
- •10. Информация о матрицах.
4. Случайные события. Потоки событий.
Случайные события
Случайным называется событие, которое при определённой совокупности условий (во время испытаний) может произойти или не произойти. Каждому событию из множества возможных соответствует вероятность события. Вероятность достоверного события, которое обязательно должно произойти равна 1. Вероятность невозможного события равна 0. Вероятность любого случайного события есть положительное число, заключённое между 0 и 1.
События называются несовместными, если появление одного из них исключают появление других событий в одном и том же испытании. События называются независимыми, если появление одного события не изменяет вероятность появления другого события.
Несколько событий образуют полную группу, если в результате испытаний появится хотя бы одно из них. Если при этом события попарно несовместны, то в результате испытаний появятся только одно из них.
Потоки событий
Потоком событий называется последовательность событий, которые наступают в случайные моменты времени. Поток событий называется однородным, если он характеризуется только моментами наступления событий.
,t-1., ,t-2., …, ,t-i.,,t-i+1.,…,,t-n. (,t-i.<,t-i+1.)
Поток неоднородных событий характеризуется моментами времени наступления событий и набором признаков
,ψ-1., ,ψ-2., …, ,ψ-i.,,ψ-i+1.,…,,ψ-n.
К числу признаков может относиться, например, приоритет заявки.
Поток событий может обладать свойством стационарности, которое заключается в том, что вероятность появления k-событий на любом промежутке времени зависит только от числа k и от длительности промежутка и не зависит от положения промежутка на оси времени.
Поток событий может обладать свойством отсутствия последействия, если появления k-событий на любом промежутке времени не зависит от предыстории, т.е. от того появлялись ли события в предыдущие моменты времени.
Поток событий может обладать свойством ординарности, если появление двух или более событий за малый промежуток времени практически невозможно. Если поток событий обладает свойствами стационарности, отсутствие последействия и ординарности его называют простейшим (пуассоновским) потоком.
Интенсивностью потока называется среднее число событий, которые появляются в единицу времени.
Для простейшего потока время между двумя соседними событиями является случайной величиной с показательным распределением.
Его можно задать функцией распределения:
где - параметр распределения (интенсивность потока).
МО времени T между соседними событиями:
Соответственно СКО времени T между соседними событиями:
5. Центральная предельная теорема теории вероятностей.
ЦПТ (теорема Ляпунова) содержит доказательства того, что если случайные величины
,X-1., ,X-2., …, ,X-n.
независимы, одинаково распределены и имеют конечные математические ожидания и дисперсии , то распределения суммы этих СВ при неограниченном увеличении n приближается к нормальному распределению.
На практике теорему Ляпунова можно использовать уже при n>10.