М.В. Кретов
1. Моделирование случайной величины, распределенной по равномерному законуНепрерывная случайная величина имеет равномерное распределение на отрезке , если ее функция распределения задается следующей формулой:
,
Плотность распределения вероятностей при этом имеет вид:
Математическое ожидание и дисперсия случайной величины соответственно равны [3]:
, .
Обозначим буквой случайную величину с равномерным распределением на отрезке . Для этой случайной величины функция распределения и плотность распределения вероятностей соответственно имеют вид:
,
Если , то вероятность
Моделировать случайную величину можно многими способами [1].
Мы рассмотрим метод псевдослучайных последовательностей, который наиболее просто реализуется в компьютере. Для получения псевдослучайной последовательности используем алгоритм, который называется методом середины квадратов [4]. Поясним его на примере. Возьмем некоторое число . Пусть Возведем его в квадрат: Выберем четыре средние цифры этого числа и положим Затем возводим в квадрат: и снова выбираем четыре средние цифры. Получаем Далее находим и т. д. Последовательность чисел принимают за последовательность значений случайной величины имеющей равномерное распределение на отрезке . Для оценки степени приближения последовательности к последовательности случайных чисел с равномерным распределением используют статистические критерии, например, аналогичные критерию, который используется в работе [2].
2. Моделирование последовательности независимых случайных испытанийПусть проводится последовательность независимых испытаний. В результате каждого испытания может произойти одно из несовместных событий объединение которых совпадает с пространством элементарных событий . Известна вероятность появления каждого события , , которая не изменяется при переходе от одного испытания к другому. Очевидно, что .
Моделирование последовательности испытаний проводится следующим образом. Разделим отрезок на участков длины которых соответственно равны Получаем последовательность значений случайной величины Если , то считаем, что в -м испытании наступило событие , так как
.
... 2. Таблица 2. Устранение недостатков анализа чувствительности и анализа сценариев при использовании для риск-анализа метода Монте-Карло Метод Недостаток Решение с помощью имитационного моделирования Анализ чувствительности Не учитывается наличие корреляции между различными составляющими проекта Корреляция моделируется различными методами и учитывается в модели Рассматривается влияние ...
... порыв ветра, интенсивность горения пороха, влажность и т.д. Из всех случайных величин рассмотрим только сопротивление воздуха. Учитывая то, что сопротивление воздуха направленно в противоположную сторону движения тела [4], то силу сопротивления можно представить в виде двух составляющих: вертикальной и горизонтальной, при этом, чем выше скорость, тем больше сопротивление и наоборот. Выделим ...
... как точки на временной оси. Для достижения основной цели моделирования достаточно наблюдать систему в моменты реализации основных событий. Рассмотрим пример одноканальной системы массового обслуживания. Целью имитационного моделирования подобной системы является определение оценок ее основных характеристик, таких, как среднее время пребывания заявки в очереди, средняя длина очереди и доля ...
... тех же условий анализа. Так, в точке эквивалентности при титровании 0,01 М AgNO3 глицином величина рAg оказалaсь: по потенциометрическим данным - 4,2, по результатам компьютерного моделирования - 3,5; соответственно при титровании 0,0010 М AgNO3 комплексоном III - 5,6 и 4,9. Невелики (менее 10%) и расхождения по объему титранта, соответствующему точке эквивалентности. Отмеченные расхождения можно ...
0 комментариев