- •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
1.8.5. Моделирование случайных величин с усеченным нормальным распределением
Усеченное нормальное распределение случайной величины х задается четырьмя параметрами: математическим ожиданием М(Х), средним квадратическим отклонением с(Х), а также минимальным и максимальным значениями и х2 (точками усечения).
Функция распределения случайной величины х определяется равенством
О при х < jc,;
F(x)
=
1
А =
1 при X > х2,
ГДе ^ = Фс(/2)-Фо('.);
х-М(Х)_ х, - М(Х) _ х2 -М(Х) ' ~ ст(А-) ' ''~ o(Z) ' h ~ ст(А-)
Существуют также формулы для расчета математического ожидания, дисперсии и среднего квадратического отклонения случайной величины х. Однако с достаточной для практики точностью при моделировании случайной величины с усеченным нормальным распределением можно обойтись без расчетов по формулам.
Для определения возможных значений случайной величины с этим распределением можно использовать алгоритм, схема которого приведена на рис. 1.5.
Рис.
1.5. Схема алгоритма
моделирования случайной величины с
усеченным нормальным распределением
Оператор 1 обращается к процедуре моделирования возможных значений нормированной и центрированной случайной величины г| с нормальным распределением. Оператор 2 вычисляет значение случайной величины у с заданными параметрами M(Y) и ст(У).
Условный оператор 3 проверяет условие попадания случайной величины у в неусеченную область. При выполнении этого условия значение случайной величины у с усеченным нормальным распределением считается найденным. В противном случае управление в алгоритме передается вновь на вход оператора 1 и генерируется другая случайная величина.
1.8.6. Моделирование случайных величин с произвольным распределением
Пусть случайная величина х задана в интервале (а0, aj кусочно-постоянной функцией f(x). Это значит, что интервал разбит на п частичных интервалов и плотность распределения f(x) на каждом из них постоянна (рис. 1.6).
-т
Рз
р2
1 1
Рп
►
О ао а1
а2 а3 ал-1
Рис.
1.6. Плотность распределения
произвольной функции
Целесообразно выбрать величины аА так, чтобы вероятности попадания в любой частичный интервал Р* были одинаковы, т. е.
|f(x)dx=I {к =1,2 ri).
я 1.-1
Из условия постоянства функции на каждом частичном интервале следует, что случайная величина х может быть определена по формуле
х= а*ч + z(а* - а*_,) (к = 1, 2,...,«), (1.4)
где z - возможное значение (реализация) случайной величины, равномерно распределенной в интервале (0,1); а* , - левая граница частичного интервала;
&к - правая граница частичного интервала.
Попадание в любой частичный интервал можно рассматривать как событие, входящее в полную группу несовместных событий. Поэтому процедура моделирования в общем случае состоит в следующем.
С помощью датчика случайных чисел с равномерным распределением, вырабатывающего величину z, моделируют дискретную случайную величину - номер интервала к.
Вторично разыгрывают случайную величину z и определяют возможное значение случайной величины х по формуле (1.4).
Схема алгоритма показана на рис. 1.7.
ДСЧ (z)
6
X = afc-1
+(ak'ak-l)*z
Выход
1.9. СПОСОБЫ ПОСТРОЕНИЯ МОДЕЛИРУЮЩИХ АЛГОРИТМОВ
Существуют следующие способы (или принципы) построения моделирующих алгоритмов:
способ повременного моделирования с постоянным шагом; способ повременного моделирования с переменным шагом; способ последовательной проводки заявок; способ поэтапной последовательной проводки заявок.