- •Сан на не. Он рвение одов во причем (нтации in, где е, что в сфере х реше- менные веские стемы, плани- ических
- •1. Основы алгоритмического
- •1.3.1. Построение концептуальной модели
- •1.3.2. Разработка алгоритма модели
- •Разработка программы
- •Проведение машинных экспериментов с моделью системы
- •1.6.1. Моделирование простого события
- •Метод обратной функции
- •Моделирование случайных величин с показательным распределением
- •1.8.4. Моделирование случайных величин с нормальным распределением
- •1.8.5. Моделирование случайных величин с усеченным нормальным распределением
- •1.8.6. Моделирование случайных величин с произвольным распределением
- •1.9.1. Повременное моделирование с постоянным шагом
- •1.9.2. Повременное моделирование с переменным шагом
- •1.9.3. Последовательная проводка заявок
- •1.9.4. Поэтапная последовательная проводка заявок
- •Поток заявок первого приоритета
- •Гн1.1 Гк1.1 Гк1.2 Гн1.3 Гк1.3 Гкон
- •2. Классификация математических моделей экономических систем
- •3. «Паутинообразная» модель фирмы
- •4.4. Пример решения задачи моделирования
- •5.5. Пример решения задачи моделирования
- •6.4. Пример решения задачи моделирования
- •7.4. Пример решения задачи моделирования
- •1.1. Таблица свойств
- •1.2. Процедуры обработки прерываний
- •2.1. Таблица свойств формы 2
- •1.1. Таблица свойств
- •1.1. Таблица свойств
- •1.1. Таблица свойств
- •1.2. Процедуры обработки прерываний
1.6.1. Моделирование простого события
Пусть имеется событие А, вероятность наступления которого равна РД Требуется выработать правило, при многократном использовании которого частота появления события стремилась бы к его вероятности. Выберем с помощью датчика случайных чисел, равномерно распределенных в интервале (0,1) некоторое число z и определим вероятность того, что z < РА. Для случайной величины z с равномерным распределением справедлива следующая зависимость:
РА
P(z < Рл) = \ffx)dx = РА. о
Таким образом, вероятность попадания случайной величины в интервал (О/л) равна величине РА . Поэтому если при розыгрыше число z попало в этот интервал, то следует считать, что событие А произошло. Противоположное событие (не А) произойдет с вероятностью (1 -РА) в том случае, если z £ РА .
Процедура моделирования простого события в имитационной модели описывается алгоритмом, схема которого показана на рис. 1.2.
Рис. 1.2. Моделирование
простого события
Оператор 1 обращается к датчику случайных чисел, генерирующему случайную величину z. Оператор 2 проверяет условие z < РА. Если оно выполняется, считается, что произошло событие А. В противном случае считается, что произошло противоположное событие (не А).
1.6.2. Моделирование полной группы несовместных событий
Пусть имеется полная группа несовместных событий (ПГНС) А,, Аъ ...,Ак с вероятностями Р\, Ръ ....Р^ При этом выполняется условие
к
1*1- I-
»=1
Разделим интервал (0,1) на к отрезков, длины которых составляют />,; Р2\ ..., Рк (рис. 1.3).
1
Рис.
1.3. Моделирование полной
группы несовместных событий
Если случайное число z, генерированное датчиком случайных чисел с равномерным распределением в интервале (0,1), попало, например, на участок Рк_\ то это должно означать, что произошло событие .
Действительно, если обозначить
/=1
то окажется справедливым выражение
P{Lk.2<z<Lk_l) = {1 ■dz = Pk_l.
4-2
Следовательно, произойдет событие, которое имеет вероятность Рк 1.
Процедура моделирования полной группы несовместных событий описывается алгоритмом, схема которого показана на рис. 1.4.
Оператор 1 обращается к датчику случайных чисел с равномерным распределением в интервале (0,1). Условный оператор 2 проверяет условие попадания случайной величины z в интервал (0, Li). Если это условие выполняется, то считается, что произошло событие А |. Если условие в операторе 2 не выполняется, то алгоритм осуществляет проверку условий попадания случайной величины в другие интервалы. Одно из событий А\, Аъ ... , Ак обязательно произойдет.
Рис.
1.4. Схема алгоритма
моделирования ПГНС
1.7. МОДЕЛИРОВАНИЕ ДИСКРЕТНОИ СЛУЧАЙНОЙ ВЕЛИЧИНЫ
Дискретная случайная величина может быть задана табличной зависимостью:
Л
Здесь pj - вероятность того, что дискретная случайная величина Xпримет значение хг При этом р\+р2+—+рп = 1- Разделим интервал (0,1) на п отрезков, длины которых пропорциональны заданным вероятностям. Если случайное число z, вырабатываемое датчиком случайных чисел, равномерно распределенных в интервале (0,1), попадет в интервал рк, то случайная величина А' примет значение хк. Таким образом, при моделировании дискретных случайных величин фактически используется та же процедура, что и при моделировании ПГНС.
1.8. МОДЕЛИРОВАНИЕ НЕПРЕРЫВНЫХ СЛУЧАЙНЫХ ВЕЛИЧИН