- •1. Особенности больших систем.
- •3. Понятие модели, типы и виды моделей.
- •Процесс исследования проектируемых систем методом моделирования
- •6. Знаковые ориентированные графы.
- •7. Адекватность модели
- •8. Смо. Общее описание. Потоки событий
- •9. Свойства потоков. Простейший поток. Вывод уравнений Колмогорова
- •11.Правило составления дифференциальных уравнений колмагорова
- •12.Описание простейшей системы с отказами
- •13. Процессы гибели размножения. Математическое описание.
- •14. Общая структура смо…. См вопрос №9
- •18. Вывод формул Литтла.
- •19. Уравнение колмагорова для процесса гибели-размножения
- •20. Вывод соотношений для Процесса гибели – размножения.
- •21.Канонический метод построения алгоритмов моделирования смо
- •22. Метод сигнальных графов при моделировании систем.
- •23.Преобразование сигнальных графов.
- •24. Формула Мэзона Для сигнальных графов
- •25.Применеие формулы Мезона для решения слау
- •27.Неэргодические (поглощающие) цепи Маркова. Описание с помощью сигнальных графов.
- •29. Когнитивные карты (идена)
- •[Править]Когнитивное моделирование
- •30. Генераторы псч в имитационном моделировании. Свойства, примеры. Проверка качества.
- •31.Статическая обработка результатов Имитационного моделирования
- •Математическое ожидание
- •Определения
- •Определение
- •Определение
- •33. Потоковые модели потоковые модели
- •34. Понятие доверительно интервала.
- •35. Исследование эффективности систем на основе теории полезности. Аксиоматика.
- •36. Экстремальные задачи теории полезности. Метод множителей Лагранжа.
- •38. Модели систем в виде сетей Петри.
- •39. Правила выполнения переходов в сети Петри. Основные задачи моделирования.
- •43. Непрерывные потоковые модели (наверно в. 33 тока непрерывные)
- •44 Модель Солоу-Рамсея
- •[Править]Мультипликативная производственная функция
- •[Править]Условия модели
- •6.1. Оценка вероятности
- •6.4. Оценка дисперсии.
31.Статическая обработка результатов Имитационного моделирования
Имитационное моделирование — это метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику. Имитационное моделирование — это метод исследования, основанный на том, что изучаемая система заменяется имитатором и с ним проводятся эксперименты с целью получения информации об этой системе. Экспериментирование с имитатором называют имитацией (имитация — это постижение сути явления, не прибегая к экспериментам на реальном объекте).
Имитационное моделирование — это частный случай математического моделирования. Существует класс объектов, для которых по различным причинам не разработаны аналитические модели, либо не разработаны методы решения полученной модели. В этом случае математическая модель заменяется имитатором или имитационной моделью.
Имитационная модель — логико-математическое описание объекта, которое может быть использовано для экспериментирования на компьютере в целях проектирования, анализа и оценки функционирования объекта.
Имитация, как метод решения нетривиальных задач, получила начальное развитие в связи с созданием ЭВМ в 1950х — 1960х годах.
Можно выделить две разновидности имитации:
Метод Монте-Карло (метод статистических испытаний);
Метод имитационного моделирования (статистическое моделирование).
32.Диспе́рсия случа́йной величины́ — мера разброса данной случайной величины, т. е. её отклонения от математического ожидания. Обозначается D[X] в русской литературе и (англ. variance) в зарубежной. В статистике часто употребляется обозначение или . Квадратный корень из дисперсии называется среднеквадрати́чным отклоне́нием, станда́ртным отклоне́нием или стандартным разбросом.
Для оценок математического ожидания и дисперсии необходимо воспользоваться следующими формулами:
Для определения средних или наиболее типичных значений совокупности используются показатели центра распределения. Основные из них — математическое ожидание (или среднее), медиана, мода.
Расчёт средних величин производится разными способами, и, соответственно, применение их тоже зависит от исследуемой совокупности.
У симметричного одномерного унимодального распределения среднее, медиана и мода одинаковы.
Математическое ожидание
.
В зарубежной литературе применяется обозначение .
В статистике применяется выборочное среднее:
.
Преимущества: если эксперимент повторяется многократно, а результаты суммируются (например, в страховании, азартных играх), математическое ожидание — естественный выбор.
Недостатки: не соответствует интуитивному пониманию «среднего»; меньшинство с аномальными значениями (долгожители, миллиардеры, бракованные изделия и т. д.) серьёзно смещают матожидание. В статистических расчётах рекомендуется отбрасывать такой «хвост».
Состоя́тельная оце́нка в математической статистике — это точечная оценка, сходящаяся по вероятности к оцениваемому параметру.