- •Реферат
- •Содержание
- •1.1 Рапределение Вейбулла-Гнеденко . . . . . . . . . . . . . . . . . . . . . 4
- •1 Краткая теоритическая часть
- •1.1 Распределение Вейбула-Гнеденко
- •1.2 Числовые характеристики непрерывных случайных величин.
- •2 Практическая часть
- •2.1 Проверка качества генератора
- •2.2 Результаты исследования работы генератора.
- •2.3 Блок-схема алгоритма.
Реферат
В данной курсовой работе был разработан генератор, генерирующий сигналы, распределенные по закону Вейбулла-Гнеденко со средним значением 30 минут и b = 0,8.Курсовая работа состоит из 17 страниц.
Содержание
Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1. Краткая теоритическая часть . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4
1.1 Рапределение Вейбулла-Гнеденко . . . . . . . . . . . . . . . . . . . . . 4
1.2 Числовые характеристики непрерывных случайных
величин. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5
2 Практическая часть . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6
2.1 Результаты исследования работы генератора . . . . . . . . . . . . .6
2.2 Результаты исследования работы генератора. . . . . . . . . . . . . .8
2.3 Блок-схема алгоритма. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .9
Заключение. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .10
Список использованной литературы. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .11
Приложение А. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
У
Введение
В практике моделирования систем наиболее часто приходится иметь дело с объектами, которые в процессе своего функционирования содержат элементы стохастичности внешней среды. Поэтому основным методом получения результатов с помощью имитационных моделей таких стохастических систем является метод статисчического моделирования на ЭВМ, используюший в качестве теоритической базы предельные теоремы теории вероятности.Возможность получения пользователем модели результатов статистического моделирования сложных систем в условиях ограниченности машинных ресурсов существенно зависит от эффиктивности процедур генерации псевдослучайных последовательностей на ЭВМ, положенных в основу имитации воздействий на элементы моделируемой системы.Для получения представляющих интерес оценок характеристик моделируемой системы S с учетом воздействий внешней среды Е статистические данные обрабатываются и классифицируются с использованием методом математической статистики.
Теоритической основой статистического моделирования систем на ЭВМ являются предельные теоремы теории вероятности. Множества случайных явлений подчиняются определенным закономерностям, позволяющим не только прогнозировать их поведение, но и количество оценить некоторые средние их характеристики. Принципиальное значение предельных теорем состоит а том, что они гарантируют высокое качество статистических оценок при весьма большом количествеиспытаний N.Статистическое моделирование систем на ЭВМ требует формирования значений случайных величин, что реализуется с помощью генераторов случайных чисел. Результаты статистического моделирования существенно зависят от качества базовых последовательностей случайных чисел.