МОДЕЛИРОВАНИЕ НЕПРИРЫВНЫХ СЛУЧАЙНЫХ ВОЗДЕЙСТВИЙ
1. ЦЕЛЬ И ЗАДАЧИ РАБОТЫ
Освоение методов получения реализаций непрерывной случайной величины на ЭВМ. Имитация случайных воздействий по заданному закону на ЭВМ.
2. ОСНОВЫ ТЕОРИИ
При построении имитационных моделей часто возникает необходимость в получение реализаций разного рода случайных величин: промежутков времени между некоторыми событиями, воздействий некоторых физических величин на систему управления, размеров обрабатываемых деталей и т.п.
Для формирования возможных значений случайных величин с заданным законом распределения исходным материалом служат обычно случайные величины, имеющие равномерное распределение в интервале [0,1].
Для получения реализаций непрерывной случайной величины X с заданной плотностью распределения вероятностей f(x) существует немало искусственных приёмов. Они достаточно полно излагаются в [2]. Из этих методов весьма распространен метод нелинейного преобразования, называемым методом обратной функции. Этот метод основан на использовании соотношения
, i=1,2,…
в котором ui - i-я реализация случайной величины U, равномерно распределённой в интервале [0,1]; xi - i-я реализация случайной величины X, описываемой плотностью вероятности f x).
При использовании интегральной функции распределения вероятностей P[x<xi]=F(xi) получаем уравнение
F( xi)=ui, i=1,2,3,...,
решение которого относительно xi даёт явную функциональную связь между xi и ui: xi=F-1( ui).
В некоторых случаях метод обратной функции легко алгоритмизируется и даёт явное выражение для расчёта искомой случайной величины с заданным законом распределения вероятностей.
Равномерное распределение
Для имитации равномерного распределения на интервале от a до b используют обратное преобразование соответствующей функции распределения, которое приводит к выражению
x= a + (b-a) u,
где u - случайные числа, полученные от ДСЧ.
Экспоненциальное распределение
Когда вероятность наступления события в малом интервале времени Dt очень мала и не зависит от наступления других событий, то интервалы времени между последовательными событиями распределяются по экспоненциальному закону с плотностью вероятностей
, m £ t < , ( m=const).
Этому закону распределения подчиняются многие явления, например, длительность телефонных разговоров, срок службы многих электронных деталей, время поступления заказов на предприятие и т.д.
Для имитации экспоненциального распределения используют обратное преобразование функции плотности
T = -(l/ ) ln u + m,
где u - случайные числа, получаемые от ДСЧ.
Метод обратных функций позволяет формально записать формулы для моделирования любой случайной величины. Однако довольно часто невозможно аналитическое определение обратной функции. В подобных случаях используют специальные методы моделирования. Используют либо специальные законы теории вероятностей, либо особенности моделируемого закона распределения вероятностей. К числу подобных подходов относится и подход при моделировании нормально распределённой случайной величины.
Дата добавления: 2015-02-19; просмотров: 828;