- •Основные понятия (определения) моделирования.
- •Методология моделирования.
- •I этап моделирования (анализ моделируемой системы и постановка задач).
- •II этап моделирования. Формализация. Решение задачи. Выбор метода моделирования (подробно).
- •Корреляционный анализ.
- •Этап моделирования. Разработка имитационных моделей.
- •Системные числовые атрибуты
- •Генерация равномерно-распределенных случайных чисел. Оценка их качества на тестах (по книге).
- •Тест частот. Функция распределения равномерно распределенных случайных чисел в диапазоне от 0 до 1 представлена на рис.14.1, а функция плотности на рис.
- •Планирование имитационных экспериментов. Концепция «черного ящика».
- •План дфэ (дробных факторных экспериментов).
- •Рцкп (ротатабельный центральный композиционный план).
- •Планы Кифера
- •12. Тактическое планирование имитационных эксперементов.
- •Метод моментов. Равномерный закон.
- •Метод моментов. Нормальный закон.
- •Метод моментов. Экспоненциальный закон.
- •Метод моментов. Гиперэкспоненциальный закон.
- •Метод моментов. Специальный эрланговский закон.
- •Табличный метод генерации случайных чисел. Достоинства и недостатки.
- •План пфэ (полного факторного эксперимента).
- •10. План оцкп (ортогональный центральный композиционный план).
- •12. Применение дисперсионного анализа для оценки качества уравнений регрессии. Оценка значимости коэффициентов полинома.
- •13. Метод оптимизации по системе уравнений в частных производных.
- •14. Геометрический метод для 2 факторов.
12. Тактическое планирование имитационных эксперементов.
Ц
ентральная
предельная теорема утверждает, что
сумма достаточно большого количества
случайных чисел, выработанных при
достаточно общих условиях, подчинена
нормальному закону вне зависимости от
того какому закону подчинены сами
случайные числа При этом соблюдается
следующее соотношение математического
ожидания и среднего квадратического
отклонения между введенным и исходным
распределением:
,
а
.
Поэтому для оценок математических
ожиданий, вычисляемых на основе
суммирования случайных чисел, можно
построить доверительный интервал по
нормальному закону, так как это показано
на рис.15.6.
Доверительный интервал для оценок математических ожиданий, построенный на основании их подчинения нормальному закону
При
выводе формулы для вычисления количества
реализаций в эксперименте проведена
замена вероятности попадания нормально
распределённой случайной величины от
минус бесконечности до левой границы
доверительного интервала, ввиду
симметричности нормального закона, на
вероятность попадания от правой границы
доверительного интервала до плюс
бесконечности, то есть на величину
.
Вероятность попадания случайной величины в доверительный интервал вычисляется при следующих преобразованиях:
Для
использования формулы требуется задаться
доверительной вероятностью β. Рекомендуемое
значение: β=0,95. По статистическим таблицам
находим
.
Задаёмся половиной ширины доверительного
интервала
Принимаем
Если условия центральной предельной теоремы теории вероятностей не выполняются, например, если сравнительно невелико количество случайных чисел, или они выработаны при недостаточно общих условиях, например, от весьма различающихся законов или параметров других законов, то применяют неравенство Чебышева:
.
Вероятность β в (15.13) показывает, что
разность случайной величины Х и ее
математического ожидания по абсолютной
величине меньше, или равно сколь угодно
малому положительному числу ε, не меньше,
чем величина
.
Возьмем
вместо переменной Х оценку математического
ожидания
,
тогда неравенство (15.13) запишется в виде:
.Преобразуя
получим формулу для вычисления количества
реализаций случайной величины для
получения результатов с заданной
достоверностью.
.
Если по результатам моделирования с
заданной достоверностью требуется
оценить вероятность какого-либо события,
то считают, что с вероятностью р событие
наступает и равно 1, и с вероятностью
(1-р) событие, равное 0, не наступает, тогда
Тогда по центральной предельной теореме:
по
неравенству Чебышева:
Полученные формулы позволяют вычислять требуемое количество реализаций случайного процесса в моделируемых вариантах систем при тактическом планировании.
С математикой
Метод моментов. Равномерный закон.
Функция плотности равномерного закона:
Вычислим первый и второй начальные моменты:
Вычислим стандартное отклонение и параметры равномерного закона:
Вычислим вероятность попадания случайной величины в интервалы гистограммы и гипотетическую ФР:
Следует
учитывать, что при построении гистограммы
принимается:
;
.
