- •Введение
- •Глава 1. Моделирование случайных величин
- •1.1.1. Понятия модели и моделирования
- •1.1.2. Основной цикл познания при моделировании
- •1.1.3. Математическое моделирование
- •1.1.3.1. Математическое описание сложных систем
- •1.1.3.2. Методы математического моделирования
- •1.1.3.3. Имитационное моделирование
- •1.1.3.4. Принципы построения алгоритмов имитационного моделирования
- •1.1.3.5. Характерные особенности имитационного моделирования на эвм
- •1.1.3.6. Статистическое моделирование
- •1.1.3.7. Понятие о вероятностном физическом моделировании
- •1.1.3.8. Достоинства метода имитационного моделирования на эвм
- •1.1.3.9. Недостатки метода имитационного моделирования
- •1.2. Структура имитационной модели. Технологии построения.
- •1.2.1. Этапы разработки имитационной модели
- •1.2.2. Элементы и структура имитационной модели
- •1.2.3. Технология построения и функционирования.
- •1.3. Генерирование равномерно распределенных на интервале [0,1] случайных чисел. Проверка качества генераторов случайных чисел
- •1.3.1. О приближенных случайных числах
- •Физические датчики случайных величин
- •О проверке физических датчиков случайных чисел
- •Метод псевдослучайных чисел
- •Алгоритмы получения псевдослучаных чисел
- •Алгоритмы порядка r
- •Метод возмущений
- •Генератор Лемера
- •Проверка качества формируемой последовательности псевдослучайных чисел
- •1.4. Методы генерирования случайных событий, дискретных и непрерывных случайных величин, многомерных случайных величин, усеченных случайных величин.
- •1.4.1. Моделирование дискретных случайных величин
- •1.4.2. Моделирование семейства биномиальных распределений
- •1.4.3. Моделирование непрерывных случайных величин Метод обратных функций
- •Метод суперпозиций
- •Моделирование многомерных случайных величин
- •Моделирование n-мерной точки с зависимыми координатами
- •Метод отбора
- •Применение метода отбора. Моделирование усеченных распределений
- •Метод Неймана
- •Выбор равномерно распределенных точек в сложных областях
- •1.5. Методы генерирования наиболее часто встречающихся на практике распределений.
- •1.5.1. Моделирование распределения Эрланга
- •1.5.2. Приближенное моделирование нормально распределенных случайных величин
- •1.5.3. Методы генерирования цепей и процессов Маркова.
- •1.5.4. Метод генерирования процессов Маркова с дискретным множеством состояний.
- •1.5.5. Метод генерирования процессов Маркова с дискретно-непрерывным множеством состояний.
- •Глава 2. Моделирование информационных систем железнодорожного транспорта
- •2.1. Формирование реализаций случайных потоков
- •Однородных событий.
- •2.1.1. Входящие потоки
- •2.1.2. Формирование произвольных случайных потоков однородных событий
- •2.2. Введение марковских процессов при моделировании систем массового обслуживания при произвольных распределениях основных случайных величин.
- •2.3. Моделирование однолинейной системы массового обслуживания
- •2.3.1. Распределение длины очереди
- •2.3.2. Время отклика и время ожидания
- •2.4. Моделирование многолинейной системы массового обслуживания
- •2.4.1. Моделирование многолинейной системы массового обслуживания для расчете времени ожидания
- •2.4.2. Моделирование многолинейной системы массового обслуживания для расчета распределения числа требований в системе.
- •2.5. Моделирование сетей массового обслуживания,
- •Глава 3. Оценка точности результатов моделирования
- •3.1. Постановка задачи по оценке точности результатов моделирования. Характеристики точности результатов моделирования Оценка точности результатов аналитического моделирования
- •3.1.1. Постановка задачи по оценке точности результатов
- •3.1.2. Классификация входных случайных величин
- •3.1.3. Смещение и дисперсия оценки выходного показателя
- •3.2. Оценка точности результатов имитационного
- •3.2.1. Оценка смещения
- •3.2.2. Оценка составляющей дисперсии за счет неточности входных параметров
- •3.2.3. Оценка частных производных от показателя эффективности сложной системы на ее математической модели
- •3.3. Оценка точности результатов статистического
- •Глава 4. Разработка математической модели функционирования двухпутного железнодорожного участка для определения минимального расчетного межпоездного интервала
- •4.1. Постановка задачи
- •4.1.1. Актуальность разработки модели
- •4.1.2. Постановка задачи по разработке модели.
- •4.2.2. Кусочно-непрерывный марковский процесс, описывающий функционирование двухпутного железнодорожного участка
- •4.3. Алгоритм смены состояний кусочно-непрерывного процесса, функционирования железнодорожного участка во времени
- •4.4. Уравнения движения поезда
- •4.5. Программная реализация алгоритма математической модели функционирования двухпутного ж.Д. Участка
- •4.6. Оценка точности линеаризованных решений дифференциальных уравнений движения поезда
- •4.7. Результаты моделирования
- •4.7.1. Описание объекта моделирования и исходные данные
- •4.8. Результаты моделирования для обычных грузовых поездов
- •4.9. Результаты моделирования для поездов повышенной длины и массы
- •4.10. Результаты расчета точности решений линеаризованных уравнений движения поезда
- •Глава 5. Задачи по дисциплине «Моделирование систем» для студентов 4 курса по кафедре «асу» по направлениям
- •Оглавление
- •Глава 1
- •Глава 2. Моделирование информационных систем
- •2.3. Моделирование однолинейной системы массового обслуживания………………………………………………………………...52
- •2.4. Моделирование многолинейной системы массового обслуживания..55
- •Глава 3. Оценка точности результатов моделирования…………………...63
- •Глава 4. Разработка математической модели функционирования
- •Глава 5. Задачи по дисциплине «Моделирование систем»
3.1.3. Смещение и дисперсия оценки выходного показателя
Ошибки расчета
обусловлены конечностью числа реализаций
на модели и погрешностями определения
закона распределения
.
Рассмотрим смещение
оценки
.
Случайность (обозначим ее через
),
обусловленная конечностью числа
реализаций на модели
,
не влияет на смещение, и, если бы
использование распределения
не приводило бы к смещению, модель давала
бы несмещенную оценку показателя. Но
на смещение может оказывать случайность
в распределении
.
Смещение
равно
=
)
-
),
где
- оператор взятия математического
ожидания по распределению вектора (
),
- то же самое для распределения,
характеризующего случайность
.
Определим дисперсию
.
На
будут оказывать влияние обе указанные
выше случайности
и
.
Легко видеть, что они взаимно независимы.
Итак, нужно найти
=
=
-
.
Справедлива следующая теорема.
Теорема 3.1.3.1. При независимых случайностях и для дисперсии имеет место формула
=
+
=
+
.
(1)
Доказательство. По определению = - . Далее имеют место следующие преобразования
=
-
+
-
=
-
+
-
+ 2
-
)
(
-
)
=
+
+2
-
)
(
-
).
(2)
Рассмотрим более
детально выражение
-
)
(
-
).
Используя равенства
=
=
при независимых
случайностях
и
,
имеем
(
-
)
(
-
)
=
(
-
))
(
-
)
= 0, так как
(
-
)
=
-
= 0.
Итак, при независимых случайностях и
= + . (3)
Используя в (2) вместо выражение и проводя аналогичные выкладки, получаем = + . Отсюда приходим к (1) Теорема 3.1 3.1.доказана.
Так как случайность не вызывает смещения в , то (3) можно записать в следующем виде
=
+
.
(4)
В (4) первое слагаемое появляется из-за случайности, обусловленной неточностью исходных данных (входной информации), второе - из-за случайности, обусловленной конечностью числа реализаций . Второе слагаемое имеет вид математического ожидания по распределению от дисперсии, обусловленной конечностью числа реализаций на модели.
Обозначим значение
функции
в
- ой реализации модели через
.
В качестве несмещенной оценки выражения
можно использовать формулу
=
-
)
.
(5)
С целью уменьшения
потребного объема памяти и числа операций
в ЭВМ в данном случае для расчета
и
целесообразно использовать вместо (5)
рекуррентные формулы, имеющие следующий
вид:
=
+(
-
(
-1)))
,
(
)
=
+
.
При большом оказывает малое влияние на распределение (в большинстве практических задач 30-50). Следовательно, при большом распределение оценки будет определяться в основном распределением выражения . При достаточно большом количестве испытаний, проводимых для определения неизвестных параметров и функций распределения входных случайных величин, можно приближенно считать распределенным по нормальному закону. Следовательно, смещение и дисперсия будут полностью определять ее распределение.
