
- •Дайте определение имитации. Назовите характерные особенности имитации. В каких случаях рекомендуется проводить имитационное моделирование?
- •1 Этап моделирования. Анализ моделируемой системы и постановка задач 1.1. Задачи первого этапа
- •1.2. Содержательное описание моделируемой системы
- •Задачи, решаемые при формализации ои
- •Приведите характерные особенности равномерного закона.!!!!!!!!!!!!!!!!!!!!!!!!!!! Метод моментов для равномерного закона
- •Назовите три замечательных свойства экспоненциального закона, позволяющие строить марковские цепи.
- •1. Ординарность.
- •2. Стационарность (независимость от времени).
- •3. Отсутствие последействия.
- •По каким принципам выбирается метод моделирования?
- •Какие работы выполняются на этапе разработки имитационной модели? По какому принципу рекомендуется выбирать язык программирования для создания имитационных моделей?
- •Расшифруйте следующие классификаторы смо: м/м/1; м/н2/1; е4/м/1; м/м/ m/к. В скольких состояниях могут находиться смо с классификатором м/м/ m/к? Модель м/м/1
- •Модель м/м/1/3
- •Модель м/м/3
- •1. Метод квадратов:
- •3. Конгруэнтный метод:
- •Тест частот
- •Аналитический метод
- •Табличный метод
- •Достоинства и недостатки аналитического и табличного методов генерации случайных чисел
- •Как наиболее просто сгенерировать случайные числа, распределённые по гиперэкспоненциальному и эрланговскому закону?
- •Какие методы оценки пригодности программной имитационной модели Вы знаете? Как можно оценить значимость результатов имитационного моделирования?
- •Оценка адекватности модели
- •Оценка устойчивости модели
- •Оценка значимости результатов имитационного моделирования
- •План дробного факторного эксперимента
- •Назовите особенности ортогонального центрального композиционного плана (оцкп) и ротатабельного центрального композиционного плана (рцкп).
- •Назовите особенности построения d-оптимальных планов. Чем планы Коно отличаются от планов Кифера?
- •Планы Коно
- •Планы Кифера
- •На каких предпосылках получены формулы для вычисления количества реализаций экспериментов для обеспечения требуемой достоверности результатов?
- •Определение требуемого количества реализаций на основании неравенства Чебышева
- •1. Коэффициент множественной детерминации, который показывает, какую часть изменения результативного показателя удалось объяснить изменением переменных, вошедших в уравнение регрессии
- •2. Критерий Фишера
- •Поясните особенности оптимизации при применении метода решения системы уравнений в частных производных. Какие ограничения накладываются при применении данного метода?
- •При каких условиях для решения оптимизационных задач используются методы линейного программирования? Какие «классические» задачи линейного программирования Вы знаете?
- •Задача о поставщиках
- •Какое условие к оптимизируемой функции должно выполняться, чтобы можно было использовать метод Ньютона? Как по-другому называется метод Ньютона и почему он имеет такое название?
Задачи, решаемые при формализации ои
Задача 1. Производится переход от функциональных зависимостей результативных показателей эффективности от влияющих на них факторов к математическим зависимостям.
Задача 2. Количественные характеристики функционирования элементов ОИ, заданные на предыдущем этапе последовательностями случайных чисел, представляются стандартными статистическими законами.
Задача 3. Выбирается метод исследования.
В лучшем случае при переходе от функциональных зависимостей вида к математическим известен закон, т.е. вид математической зависимости результативных показателей эффективности от факторов, и тогда задача сводится только к вычислению коэффициентов этой известной математической зависимости, но чаще всего вид математической зависимости неизвестен. В этом случае рекомендуется использовать для ее представления степенные полиномы. При увеличении степени полинома можно через экспериментальные точки провести математическую зависимость с любой заданной достоверностью.
На каком принципе основывается метод моментов? Приведите методику применения метода моментов. Приведите формулы для вычисления начальных и центральных моментов. Какие критерии согласия Вы знаете?
На практике для аппроксимации экспериментальных распределений случайных чисел, характеризующих функционирование элементов моделируемой системы, наиболее часто применяется метод моментов. Суть метода моментов заключается в приравнивании оценок моментов, вычисленных по экспериментальным данным, соответствующим им моментам, вычисленным по функции плотности (ФП) или моментной производящей функции (МПФ). Качество представления рекомендуется оценивать по критериям согласия.
Методика. Для применения метода моментов требуется выполнить следующие действия.
1. На основании физической сущности анализируемого случайного процесса высказывается гипотеза о его подчинении какому-то стандартному статистическому закону. Для выбранного закона, который будем называть гипотетическим, записывается функция плотности или МПФ, и определяется количество параметров гипотетического закона d.
2. По экспериментальным данным вычисляются оценки начальных моментов. Если все случайные значения равновероятны, то используются следующие формулы для вычисления оценок начальных моментов:
,
где
s
– порядок момента (
);
n
– количество реализаций случайной
величины.
Оценка
математического
ожидания
(первого
начального момента)
.
Оценка
второго
начального момента
.
О
ценки
центральных
моментов
Оценка
второго
центрального момента (дисперсии)
Оценка
среднего
квадратического отклонения (стандартного
отклонения)
.
На
практике обычно оценку
стандартного отклонения
вычисляют по оценкам второго и первого
начального моментов:
.
При
количестве случайных чисел n
в выборке (частная выборка), стремящемуся
к бесконечности (к генеральной
совокупности) n→
∞; оценки начальных моментов стремятся
к соответствующим им моментам
.
3. Записываем формулы для вычисления моментов по ФП или МПФ и составляем систему уравнений, решение которой определит значения параметров гипотетического закона. Таким образом, система должна состоять из d уравнений, но в любом случае, если даже d = 1, рекомендуется определять не менее двух первых моментов и их оценок.
4. Оцениваем качество аппроксимации по критериям согласия (КС), среди которых наибольшее применение получили КС c2 (Пирсона) и Колмогорова–Смирнова.