Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Достоинства и недостатки аналитического и табличного методов генерации случайных чисел
1. Оба метода реализуются сравнительно несложными программными процедурами. 2. Аналитический метод не имеет методической ошибки, но в полученные с его помощью формулы входят процедуры, требующие определенных затрат машинного времени. Этот недостаток в связи со стремительным ростом быстродействия ЭВМ становится все менее существенным. Некоторые функции вычисляются разложением в ряды, а ввиду того, что нельзя взять бесконечное количество членов ряда, такой подход приводит к ошибкам. 3. Табличные методы начинают терять свои позиции и, в частности, из-за того, что для их применения требуется составление таблиц и выделение памяти для их хранения. В принципе, повышения достоверности табличных методов можно достичь увеличением количества интервалов в таблице, но при этом увеличивается время поиска нужного интервала и требуемый объем памяти для хранения таблиц.
Как наиболее просто сгенерировать случайные числа, распределённые по гиперэкспоненциальному и эрланговскому закону? Для некоторых законов, особенно составных, можно для генерации случайных чисел составить сравнительно несложные программы. Например, для генерации случайных чисел по эрланговскому закону, состоящему в общем случае из k экспоненциальных фаз, представленному на рис.. Для этого можно сгенерировать k случайных чисел, распределенных Для генерации гиперэкспоненциальных чисел, например состоящих из двух ветвей (рис. 3.11), требуется сгенерировать два равномерно распределенных случайных числа. Первое из них используется для выбора ветви, а второе
Качество случайных чисел, сгенерированных по любым статистическим законам, рекомендуется оценивать по критериям согласия Пирсона и Колмогорова. Какие методы оценки пригодности программной имитационной модели Вы знаете? Как можно оценить значимость результатов имитационного моделирования? 1. Оценка адекватности результатов имитационного моделирования и результатов аналитического моделирования или результатов, полученных на натурном объекте.
2. Оценка устойчивости результатов имитационного моделирования. 3. Оценка значимости зависимости результатов имитационного моделирования от используемых в модели факторов. Оценка адекватности модели Оценка адекватности результатов имитационного моделирования естественно может быть проведена только в случаях, когда имеются либо результаты аналитического моделирования, либо результаты, полученные на натурном объекте. Наиболее часто проводят сравнение средних значений методом построения доверительных интервалов. Так как средние значения при имитационном моделировании находятся сложением достаточно большого количества случайных чисел, то для их представления можно использовать нормальный Оценка устойчивости модели Для оценки устойчивости результатов имитационного моделирования 1. Задаемся доверительной вероятностью . Рекомендуемое значение = 0,95. 2. Задаемся количеством проводимых экспериментов – k. Рекомендуемое значение k = 15, 3. Задаемся количеством реализаций в каждом эксперименте n. Рекомендуемое значение n = 100. 4. Проводим k экспериментов, в каждом из которых проводится по n реализаций. По результатам моделирования находятся оценки математического ожидания , и стандартного отклонения ; 5. Подсчитываем количество случаев выполнения условия сравнения 6. Если количество случаев выполнения условия (4.2) не меньше ,
|
||||||
Последнее изменение этой страницы: 2017-02-07; просмотров: 210; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 18.116.63.236 (0.023 с.) |