- •202. Алгоритм імітації роботи обчислювальної системи з терміналами.
- •203. Визначення інтервалів значень випадкових параметрів.
- •204. Визначення ключових параметрів ризику.
- •206. Визначення математичного сподівання та дисперсії з генерованих випадкових величин.
- •207. Визначення тісноти взаємозв'язку між випадковими параметрами.
- •209. Задачі планування експериментів.
- •208. Загальна схема і цілі машинної імітації.
- •211. Застосування методу Монте-Карло для розв'язування детермінованих задач (обчислення визначеного інтегралу).
- •212. Збір даних про чинники та побудова аналітичної моделі для проведення імітаційних експериментів.
- •213. Імітаційна модель керування запасами (логічна структурна схема).
- •214. Імітація випадкових подій, Схема випробувань за "жеребкуванням".
- •215. Імітація еволюційних процесів у динамічних моделях.
- •216. Керування багато продуктовими запасами: основні перед посилки.
- •217. Опис концептуальної моделі та перевірка її вірогідності.
- •218. Основні етапи факторного аналізу.
- •219. Основні поняття планування експериментів: відгук, фактори, функція відгуку.
- •220. Перевірка значущості коефіцієнтів регресії.
- •222. Побудова імітаційної моделі: визначення задачі та її аналіз.
- •221. Перевірка однорідності дисперсії.
- •223. Поняття і характеристики квазірівномірної випадкової послідовність чисел.
- •224. Поняття і характеристики рівномірної випадкової послідовність чисел.
- •233. Статична детермінована модель керування запасами: економіко-математична модель.
- •226. Поняття та інструментарій планування експериментів.
- •227. Прийняття гіпотез стосовно розподілів випадкових параметрів.
- •228. Програмні способи одержання рівномірної випадкової послідовність чисел: метод серединних квадратів.
- •229. Програмні способи одержання рівномірної випадкової послідовність чисел: мультиплікативний конгруентний метод.
- •230. Способи програмної реалізації імітаційних моделей, їх переваги та вади.
- •234. Статична детермінована модель керування запасами: основні перед посилки.
- •231. Стандартний метод імітації дискретної випадкової величини.
- •232. Статистичне оброблення експериментальних даних.
- •235. Стратегії (політики) керування запасами.
- •236. Сутність критерію Стьюдента.
- •237. Сутність критерію Фішера.
- •240. Сутність оптимального керування запасами.
- •238. Сутність методу Бокса-Уілсона.
- •239. Сутність методу добору при генеруванні випадкових величин.
- •201. Gpss- програма імітаційної моделі завантаження еом.
- •202. Алгоритм імітації роботи обчислювальної системи з терміналами.
- •203. Визначення інтервалів значень випадкових параметрів.
221. Перевірка однорідності дисперсії.
Необхідною умовою застосування методу найменших квадратів для розрахунку оцінок коефіцієнтів моделі є однорідність оцінок дисперсії відтворюваності середнього значення функції відгуку у всіх точках плану. Тому обов'язковим етапом обробки повинна бути перевірка статистичної гіпотези про однорідність сукупності дисперсій відтворюваності. В умовах різної кількості дослідів в точках плану застосовують критерії Фішера або Бартлетта Якщо кількість повторних дослідів в кожній точці плану досить велике (більше 7), то середні значення функції відгуку можна вважати розподіленими по нормальному закону. Перевірка однорідності за критерієм Фішера зводиться до перевірки гіпотези про рівність дисперсій двох нормально розподілених випадкових величин:
із сукупності оцінок дисперсії середнього значення функції відгуку вибирається мінімальне Du min и максимальное Du max значения з числом ступенів волі відповідно ju min и ju max;
обчислюється значення критерію Фішера F = Du max/Du min, яке порівнюється з критичним значенням Fкр = F(a; ju max; ju min), где a – уровень значимости (обычно a выбирают в пределах от 0,01 до 0,1). Критична область є односторонньою (альтернативна гіпотеза допускає між перевіряються оцінками дисперсії співвідношення Du max > Du min). Критичне значення визначають за спеціальними таблицями (наприклад, табл. П.1 додатка) або з використання стандартних функцій математичних пакетів;
гіпотеза про однорідність оцінок дисперсії відтворюваності в різних точках плану приймається, якщо умова F <= Fкр виконується, і відкидається в протилежному випадку.
Істотним недоліком критерію Фішера є ігнорування всіх оцінок дисперсії відтворюваності, крім максимального і мінімального значення.
Перевірка однорідності по Бартлетт враховує оцінки дисперсії відтворюваності у всіх точках плану і проводиться на основі обчислення критерію
.
Випадкова величина В при справедливості гіsпотези про однорідність дисперсій розподілена приблизно як хі-квадрат з N-1 ступенями свободи, якщо все ru > 3. Отже, критичне значення Вкр = c2(a; N–1), воно визначається за спеціальними таблицями або за використання стандартних функцій математичних пакетів. Якщо В £ Вкр,, то гіпотеза про однорідність приймається, при В > Вкр - відкидається.
Критерій Бартлетта чутливий до відхилень розподілу від нормального, тому до результатів порівняння слід ставитися обережно, а при однаковому обсязі дослідів в різних точках плану краще застосовувати критерій Кочрена [8, стр. 13].
Отже, якщо не виявлена неоднорідність дисперсії відтворюваності, то обробку результатів експериментів можна продовжувати далі. В іншому випадку слід виявити та усунути причини неоднорідності. Зазвичай неоднорідність є наслідком прийнятих рішень з організації та проведення експериментів.
По-перше, в експериментальному дослідженні можливо не враховано деякий істотний фактор (фактори), який змінювався в ході дослідів. Такий фактор (фактори) слід виявити, включити в модель чи забезпечити його стабільність в ході досліджень і повторити досліди;
По-друге, кількість повторних дослідів в точках плану з великою дисперсією функції відгуку проведено недостатньо. Дійсно, дисперсія функції відгуку su2 може істотно відрізнятися в різних точках плану. Так, дисперсія середньої кількості заявок у черзі для одноканальної системи масового обслуговування при пуассоновском вхідному потоці і експоненціально розподіленому часу обслуговування дорівнює r/(1–r)2, где r - завантаження системи. Інакше кажучи, ця дисперсія завідомо неоднорідна при зміні завантаження. Зокрема, зміна завантаження з 0,8 до 0,9 призводить до збільшення дисперсії в 4,5 рази. Тому для забезпечення однорідності дисперсії відтворюваності середнього значення в точці плану при r = 0,9 слід провести в 4,5 рази більше повторних дослідів в порівнянні з точкою плану, в якій r = 0,8.
Неоднорідність можна знизити за рахунок зменшення інтервалу варіювання факторів або збільшення кількості дослідів у відповідних точках плану. Зміна інтервалів варіювання тягне необхідність повторення дослідів у всіх точках плану. Тому із зазначених способів зниження неоднорідності слід вибрати той, який вимагає меншої кількості нових дослідів.
Після того, як встановлена однорідність дисперсії відтворюваності, можна приступати до обчислення оцінок коефіцієнтів функції відгуку. Оцінки коефіцієнтів функції відгуку обчислюються за формулами (3.1). Результати обчислень цих оцінок завжди відрізняються від нуля. Але це не означає, що вони є значущими, тобто самі коефіцієнти не дорівнюють нулю. Перевірку значущості оцінок зазвичай здійснюють після перевірки адекватності моделі.