Розроблення експерименту користувача для дослідження вагомості впливу обраних змінних на об’єкт моделі.

Мета лабораторної роботи – ознайомитись з алгоритмом проведення експерименту користувачата розібратись з оцінками отриманих результатів.

Короткі теоретичні відомості

Для наглядності і кращого розуміння розглянемо вже розроблений Plus-експеримент користувача для проведення дисперсійного аналізу.

****************************************************************

* Експеримент користувача Eksp_Kor_TF *

****************************************************************

Rizalt_TF MATRIX,4,5,3;Визначення матриці результатів

INITIAL Rizalt_TF,UNSPECIFIED;Ініціалізація матриці результатів

EXPERIMENT Eksp_Kor_TF() BEGIN

TEMPORARY MaZ_Poch,MaZ_KR,MaZ_Krok,KamaZ_Poch,KamaZ_KR,KamaZ_Krok;

MaZ_Poch = 2; /*Початкова кількість авт. марки МаЗ (1 фактор)*/

MaZ_KR = 4; /*Кількість рівнів 1-го фактора*/

MaZ_Krok = 3; /*Рівень варіювання 1-го фактора*/

KamaZ_Poch = 2; /*Початкова кількість авт. марки КамаЗ (2 фактор)*/

KamaZ_KR = 5; /*Кількість рівнів 2-го фактора*/

KamaZ_Krok = 3; /*Рівень варіювання 2-го фактора*/

/* Запис в журнал найменування експеримента */

DoCommand("SHOW "" """);

DoCommand("SHOW ""***Діяльність транспортної фірми***""");

DoCommand("SHOW ""*Двохфакторний дисперсійний аналіз*""");

DoCommand("SHOW "" """);

P_Maz = Maz_Poch; /*Поточній к-сті авт. марки МаЗ – поч. значення*/

P_Maz_KR = 1; /*Поточному номеру рівня 1-го фактора – поч. знач.*/

WHILE (P_Maz_KR<=MaZ_KR) DO BEGIN /*Цикл варіювання 1-го фактора*/

P_KamaZ = KamaZ_Poch; /*Поточній к-сті авт. марки КамаЗ – поч. знач.*/

P_KamaZ_KR = 1; /*Поточному номеру рівня 2-го фактора – поч. знач.*/

WHILE (P_KamaZ_KR<=KamaZ_KR) DO BEGIN /*Цикл варіювання 2-го фактора*/

N_Spost = 1; /*Поточному номеру спостереження – поч. значення*/

WHILE (N_Spost<=3) DO BEGIN /*Цикл за числом спостереження*/

/*Виклик процедури запуску - виконання одного спостереження*/

Eksp_Kor_Run(P_Maz,P_KamaZ,N_Spost);

/*Запис результатів моделювання (спостереження) в матрицю*/

Rizalt_TF[P_Maz_KR,P_KamaZ_KR,N_Spost]=X$Prub;

N_Spost = N_Spost + 1; /*Перейти до наступного спостереження*/

END;

P_KamaZ_KR = P_KamaZ_KR + 1; /*Перейти до наступного рівня 2-го фактора*/

P_KamaZ = P_KamaZ + KamaZ_Krok; /*Встан. наступне знач. 2-го фактора*/

END;

P_Maz_KR = P_Maz_KR + 1; /*Перейти до наступного рівня 1-го фактора*/

P_Maz = P_Maz + MaZ_Krok; /*Встан. наступне значення 1-го фактора*/

END;

ANOVA(Eksp_Kor_TF,3,2) /*Провести двохфакторний дисперсійний аналіз*/

END;

PROCEDURE Eksp_Kor_Run(RP_Maz,RP_KamaZ,RN_Spost) BEGIN

TEMPORARY Ran_Num; /*Визначення локальної змінної*/

/*Змінити початкове значення генератора випадкових чисел*/

Ran_Num = 248 # RN_Spost;

DoCommand("CLEAR OFF"); /*OFF викор. для збереження результата*/

/*Встановити початкове значення генератора випадкових чисел*/

DoCommand(Catenate("RMULT ",Ran_Num));

DoCommand("EP_Maz EQU ",RP_Maz); /*Встановити знач. 1-го фактора*/

DoCommand("EP_KamaZ EQU ",RP_KamaZ); /*Встановити знач. 2-го фактора*/

DoCommand("START 100,NP"); /*Пропустити перехідний режим*/

DoCommand("RESET"); /*Почати збирати статистику*/

DoCommand("START 1,NP"); /*Запустити модель*/

END;

Експеримент Eksp_Kor_TF розроблений для заповнення результатами моделювання глобальної матриці Rizalt_TF і передачі її бібліотечній процедурі ANOVA. Процедура ANOVA призначена для виконаня багатофакторного дисперсійного аналізу, який розглядає до шести факторів і трьохфакторних взаємодій.

Елементи матриці результатів Rizalt_TF ініціалізуються в невизначений стан (UNSPECIFIED) для того, щоб процедура ANOVA могла визначити, які спостереження не були виконані (спостережень не було, відповідно, елементи матриць залишились у невизначеному стані).

Початкові значення факторів, кількість рівнів варіювання, значення інтервалів варіювання визначаються в процедурі експерименту.

Оскільки здійснюється двохфакторний дисперсійний аналіз (кількість автомобілів марки МаЗ – перший (А) фактор, кількість автомобілів марки КамаЗ – другий (В) фактор) і для кожного поєднання рівнів факторів виконуються три додаткових спостереження (N_Spost) при різних початкових значеннях (Ran_Num = 248 # N_Spost) генератора випадкових чисел, то процедура Plus-експерименту має три цикли WHILE / DO. Ці цикли виконуєть все необхідне для експерименту. Внутрішній цикл організований за числом додаткових спостережень, наступний внутрішній цикл – за кількістю рівнів 2-го фактора, а зовнішній цикл – за кількістю рівнів 1-го фактора.

У внутрішньому циклі за кількістю додаткових спостережень Plus-експерименту Eksp_Kor_TF перший оператор викликає процедуру запуску Eksp_Kor_Run. Процедура запуску містить набір команд для ініціалізації і виконання одного спостереження, яке складається з прогонів, кількість яких вказана в процедурі

DoCommand("START 1,NP"); /*Запустити модель*/

Кожного разу при завершенні роботи процедури Eksp_Kor_Run експеримент Eksp_Kor_TF зберігає результат (значення X$Prub) у відповідному елементі глобальної матриці Rizalt_TF.

Процедура дисперсійного аналізу ANOVA розглядає кожний вимір матриці результатів як фактор. Розмір виміру матриці результатів повинен бути не менший, ніж кількість рівнів фактору або максимальна кількість додаткових спостережень (додаткові спостереження вказаються останнім індексом). Кількість рівнів кожного фактору обмежується лише об’ємом віртуальної пам’яті комп’ютера.

Оскільки в прикладі проводиться двохфакторний дисперсійний аналіз, то перший індекс матриці результатів призначений для рівнів першого фактору, другий індекс – для рівнів другого фактору, третій індекс – для індексації додаткових спостережень.

Перш, ніж здійснювати експеримент, закріпіть за функціональною клавішою [F10] команду CONDUCT для запуску експерименту. Виберіть Edit►Settings►Function Keys (Правка►Настройки►Функціональні клавіші). В полі F10 введіть

CONDUCT Eksp_Kor_TF

Натисніть кнопки Застосувати і Ок. Тепер створіть процес моделювання, натиснувши [Ctrl] + [Alt] + [S]. Після цього для запуску експерименту натисніть функціональну клавішу [F10]. Експеримент виконується автоматично, що видно у журналі процесу моделювання.

Після завершення в журналі процесу моделювання з’являється таблиця ANOVA (Дисперсійний аналіз).

В таблиці ANOVA:

· Source of Variance – складова компоненту відхилення значень;

· Treatment Level – відхилення значень за рахунок рівнів факторів;

· Error – відхилення значень всередині рівня факторів;

· Total – загальне відхилення;

· Sum of Squares – сума квадратів відхилень;

· Degrees of Freedom – число степенів свободи;

· Mean Square – середньоквадратичне відхилення;

· F – обчислене значення критерія.

Нижня частина таблиці відображає результати розрахунку довірчих інтервалів.

Кожен фактор і взаємодія в таблиці ANOVA представлений окремим рядком. В кодному рядку спочатку йде сума квадратів відхилень (Sum of Squares) і кількість степенів свободи (Degrees of Freedom), пов’язані з даною оцінкою. Вони є основними, за якими розраховуються решта даних рядку. Діленням суми квадратів на кількість степенів свободи отримаємо середньоквадратичне відхилення. Частка від ділення цього середньоквадратичного відхилення на середньоквадратичне відхилення всередині рівня фактора дає F-статистику для даного ефекту.

Постановка завдання

Власник магазину найняв на роботу N продавців для обслуговування покупців, які відвідують магазин кожних α хв. Якщо в магазині вже знаходиться М клієнтів, то кожний наступний покупець не залишається в магазині, а йде необслуженим. Час, який витрачає продавець на одного покупця становить β хв. Заробітня плата одного продавця становить γ грн./день, а від одного покупця власник отримує прибуток в розмірі δ грн. Є можливість зменшити час обслуговування одного покупця за рахунок нарахування додаткової заробітньої плати продавцю. Збільшення заробітньої плати на 10 грн./день призведе до зменшення часу обслуговування одного клієнта на 1 хв. Розрахувати рентабельність діяльності магазину при надбавці до заробітніх плат продавців в розмірі 30 грн.

Провести двохфакторний дисперсійний аналіз результатів моделювання (фактор А – кількість продавців, фактор В – кількість надбавок до заробітніх плат).

Вхідні дані для моделювання

№ варіанту	α	β	γ	δ	N	М

Лабораторна робота 15