![]() |
Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | |
|
При статистическом моделировании одним из основных вопросов является учет стохастических воздействий. Количество случайных чисел, которые используются в модели, зависит от класса объекта моделирования, вида оцениваемых характеристик, необходимой точности и достоверности результата моделирования. Кроме этого качество модели зависит от качества исходных или базовых последовательностей случайных чисел. На практике используются 3 основных метода формирования случайных чисел:
1) аппаратный (физический);
2) табличный;
3) алгоритмический.
1. Аппаратный метод:
В этом случае случайные числа выбираются специальной электронной приставкой, которая является внешним устройством ЭВМ. В качестве физических эффектов, лежащих в основе таких генераторов используются различные шумы в электронных приборах, распад радиактивных веществ и т. д.
Структурная схема аппаратного генератора случайных чисел:
Uш
ИШ
t
Uш
Uc Uc
КС
t
0 T
Uk
Uk
Uc
ФИ
t
![]() |
Uср
Uср
![]() |
ПС
t
0 T
Xi
ИШ - источник шума, КС - ключевая схема, ФИ - формирователь импульса, ПС - пересчетная схема.
Если провести масштабирование и взять интервал [0,T] за интервал [0,1], тогда Dt = ti+1 - ti будет давать случайное число в выбранном масштабе.
Достоинства метода:
а) самая качественная последовательность случайных чисел (СЧ);
б) формирование СЧ может идти параллельно с процессом моделирования.
Недостатки метода:
а) невозможно повторить реализацию с одинаковой последовательностью СЧ;
б) используется тогда, когда решаются задачи статистического моделирования.
2. Табличный (файловый) метод:
СЧ оформляются в виде таблиц и заносятся в память ЭВМ.
Недостатки метода:
а) объем выборки ограничен;
б) если таблица хранится в АЗУ, то в этом случае неэффективное использование оперативной памяти;
в) если таблица находится на внешних ЗУ, то тратится время на передачу данных в оперативную память.
3. Алгоритмический метод:
Основан на формировании СЧ в ЭВМ с помощью специальных алгоритмов и реализующих их программ. Каждое СЧ вычисляется в соответствии с заданным алгоритмом при возникновении необходимости в этом числе при моделировании.
Псевдослучайное число - число, полученное алгоритмическим методом.
Квазиравномерные числа - равномерное распределение непрерывное, поэтому при вычислении равномерных чисел на ЭВМ мы переходим к ограничению количества разрядов в числе, что связано с определенной разрядностью конкретной ЭВМ.
В основе всех датчиков должно лежать базовое распределение. Этим базовым распределением считают равномерное распределение. Его и необходимо использовать при моделировании.
Проверка качества квазиравномерных чисел:
Для того, чтобы оценить качество необходимо:
а) проверить на равномерность по критериям согласия;
б) проверить независимость с помощью коэффициента корреляции и корреляционного момента;
в) проверить на стохастичность или случайность методом серий;
г) определить длину периода.
8.4.Моделирование испытаний в схеме случайных событий
1) Моделирование случайных воздействий:
Простейшими случайными объектами при статистическом моделировании систем являются случайные события. Пусть СЧ Xi - это возможные значения случайной величины x, равномерно распределенной на интервале [0,1]. Необходимо реализовать случайное событие А, которое наступает с заданной вероятностью P. Определим А как событие, состоящее в том, что выбранное значение Xi случайной величины x удовлетворяет неравенству Xi £ P, тогда вероятность наступления события А определяется как P(A):
P
P(A) = ò dx = P
0
А вероятность того, что событие А не наступит: P(`A) = 1 - P(A)
Пример:
Ротказ. = 0,3; Рнорм. = 0,7
ДСЧ с норм. з-ном
распред-я
![]() |
нет
Xi £ 0,3
да работа
отказ
2) Группа событий (метод розыгрыша по жребию):
Пусть А1, ¼ Аs- полная группа событий, Р1, ¼ Рs - вероятность наступления этих событий.
Определим Am как событие, состоящее в том, что выбранное значение Xi cлучайной величины x удовлетворяет неравенству lm-1 £ Xi £ lm,
r lm
где lr = å Pi. Тогда P(Am) = ò dx = Pm
i=1 lm-1
3) Моделирование испытаний, состоящих из двух независимых простых событий:
P(A), P(B) - вероятности наступления событий А и В соответственно.
P(AB) = P(A)P(B)
P(A`B) = P(A)P(`B) = P(A)[1 -P(B)]
P(`AB) = P(`A)P(B) = [1 - P(A)]P(B)
P(`A`B) = P(`A)P(`B) = [1- P(A)][1- P(B)]
4) Моделирование сложного события, состоящего из зависимых событий:
P(A), P(B)
P(B/A)
P(B/`A) -?
Применим формулу Байеса:
P(B) = P(A)P(B/A) + P(`A)P(B/`A) (8.3)
P(B/A) = [P(B) - P(A)P(B/A)] / P(`A)
Исход моделируется также, как и при независимых испытаниях (2 подхода).
Дата публикования: 2015-11-01; Прочитано: 361 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!