Главная страница
Навигация по странице:

  • ОТЧЁТ по лабораторной работе №5 « Имитационное моделирование случайных величин, обработка результатов моделирования »

  • 1. Цели лабораторной работы

  • 2. Задание к лабораторной работе

  • Вариант Функция плотности распределения C В Z 5.


  • Функция плотности распределения СВ Программная система Метод моделирования

  • Ошибка оценки дисперсии Общее количество СЧ, включая отброшенные

  • ЛР5 Моделирование. новосибирский государственный технический университет


    Скачать 215.85 Kb.
    Названиеновосибирский государственный технический университет
    АнкорЛР5 Моделирование
    Дата06.06.2022
    Размер215.85 Kb.
    Формат файлаdocx
    Имя файлаKorolev_Plotnikov_lab_5.docx
    ТипДокументы
    #571616

    МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
    ФЕДЕРАЛЬНОЕ государственное БЮДЖЕТНОЕ

    образовательное учреждение

    высшего образования

    «НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ»

    _________________________________________________________________


    Факультет автоматики и вычислительной техники

    Кафедра автоматики

    ОТЧЁТ

    по лабораторной работе №5

    « Имитационное моделирование случайных величин,

    обработка результатов моделирования»

    по дисциплине: «Моделирование»

    Выполнили:Проверила:

    студенты гр. АВТ-918 Пинигина Д.Л.

    Королев Даниил

    Плотников Михаил


    Новосибирск

    2021

    1. Цели лабораторной работы:

    - изучить алгоритмы и методы имитации случайных величин (СВ) и обработки результатов моделирования;

    - ознакомиться и получить практические навыки работы со средствами систем моделирования GPSS World, ExtendSim, реализующими имитационное моделирование СВ и обработку результатов моделирования;

    - сравнить эффективность использования (простота реализации, объем вычислений, точность) различных методов и программных средств для имитационного моделирования СВ.

    2. Задание к лабораторной работе

    1. Осуществить моделирование последовательности значений случайной величины (СВ) Z с заданной функцией плотности распределения вероятностей в соответствии с вариантом (см. табл. 1). Длина последовательности N=200.
    Таблица 1.

    Вариант

    Функция плотности распределения CВZ

    5.

    ,



    1.1. Реализовать моделирование на основе использования метода обратной функции в разных программных средах (ExtendSim, GPSS World, Statistica, Excel, C++ …). Получить две выборки, используя разные программные средства (на выбор).

    1.2. Реализовать моделирование на основе использования метода Неймана с использованием любых программных средств.

    1.3. Фрагменты сгенерированных последовательностей (первые 10 значений) оформить в виде табл. 2.


    Моделирование

    Задана функция плотности распределения вероятности СВ Y:

    (1)

    СВ Z изменяется в диапазоне от 1 до 2.

    Согласно методу обратной функции найдем выражение для функции распределения вероятностей СВ Z и приравняем к СЧ, распределенному равномерно на [1,2]:



    (2)

    Из (2) найдем выражение для :



    D=

    (3)

    Выбран положительный корень, учитывая диапазон изменения СВ Z.

    Реализуем моделирование на основе обратной функции в программных средах: ExtendSim, GPSS, Excel. Метод Неймана реализуем в C++.

    ExtendSim:


    Рис 1. Модель в ExtendSim

    Рис 2. Гистограмма в ExtendSim


    Математическое ожидание M=1,57;

    Дисперсия D=0,08
    GPSS:

    Ниже приведена программа, моделирующая значения CВY и вывод статистических характеристик в GPSS





    Рис 3. Гистограмма времени пребывания заявки в системе
    Мат ожидание M=1,582

    Дисперсия D=0,07

    C++:

    Реализация метода Неймана на языке c++



    Мат ожидание M=1,5101

    Дисперсия D=0,8319
    Excel:



    Мат ожидание M=1,5787

    Дисперсия D=0,0806

    Таблица 2.

    п/п

    Метод обратной функции

    GPSS

    Метод обратной функции

    Excel

    Метод обратной функции

    ExtendSim

    Метод

    Неймана

    С++

    1.

    1,993

    1,383

    1,053

    1,96374




    2.

    1,423

    1,2366

    1,023

    1,53270


    3.

    1,830

    1,2571

    1,2228

    1,12571


    4.

    1,917

    1,0173

    1,7276

    1,13901


    5.

    1,731

    1,966

    1,9987

    1,37223


    6.

    1,476

    1,7972

    1,2426

    1,63021


    7.

    1,697

    1,8537

    1,4009

    1,92645


    8.

    1,670

    1,845

    1,4412

    1,41774


    9.

    1,108

    1,9485

    1,8051

    1,79766


    10.

    1,625

    1,879

    1,3954

    1,43773



    Таблица 3.

    Вычисленные значения M(X) и D(X) для разных методов моделирования






    Метод обратной функции, ExtendSim

    Метод обратной функции, GPSS

    Метод обратной функции, Excel

    Метод Неймана, C++

    M(Z)

    1,57

    1,55

    1,549413

    1,568

    D(Z)

    0,08

    0,07

    0,085423

    0,83


    Часть 2. Обработка результатов моделирования

    2.1 Теоретический расчет значений математического ожидания и дисперсии заданной СВ Z.



    Вычислим ошибки оценивания математического ожидания и дисперсии (точность оценки) при использовании разных методов моделирования и программных средств. Результаты представим в табл. 4.

    Таблица 4.

    Функция плотности распределения СВ

    Программная система

    Метод

    моделирования

    Ошибка оценки мат. ожидания

    Ошибка оценки дисперсии

    Общее количество СЧ, включая отброшенные

    z-1/2

    ExtendSim

    Обратная функция

    0,013

    0,004

    200

    GPSS

    Обратная функция

    0,001

    0,006

    200

    Excel

    Обратная функция

    0,034

    0,009

    200

    C++

    Метод Неймана

    0,015

    0,007

    200


    Моделирования в различных средах показали отличную точность.

    Ошибки оценивания математического ожидания и дисперсии (точность оценки) различаются, не превышая погрешности в 3%.

    Для смоделированных значений СВ Z реализуем проверку гипотезы о согласии эмпирического и теоретического распределений на основе критерия согласия хи-квадрат (Пирсона).

    С помощью выборки из 200 значений по правилу Стёрджеса определим оптимальное количество интервалов, на которые разбивается наблюдаемый диапазон изменения случайной величины:


    где N{\displaystyle N}N — общее число наблюдений величины
    Определим длину каждого интервала l=
    Построим интервальный вариационный ряд


    Интервал

    (1,000-1,125]

    (1,125-1,250]

    (1,250-1,375]

    (1,375-1,500]

    (1,500-1,625]

    (1,625-1,750]

    (1,750-1,875]

    (1,875-2,000]

    ni

    17

    16

    20

    24

    25

    32

    34

    32

    pi

    0,042

    0,0594

    0,1028

    0,1382

    0,1701

    0,1523

    0,1737

    0,1708






    Положим α = 0,05, число степеней свободы r = n – 1 = 7.

    Тогда по таблице квантилей распределения хи-квадрат =1,6899, =16,0128.

    Значение попадает в этот интервал. Гипотеза принята при данном

    значении α.


    Построим 95% доверительные интервалы для M(Z)и D(Z) по выборке из 200 значений, сформированной в Excel:
    M(Z)=1,549413

    D(Z)=0,085423

    σ=0,29227

    t0,95=1,96



    M(Z)


    D(Z) (0,085423-0,0007; 0,085423+0,0007)
    Оценим объем выборки, необходимый для оценки математического ожидания и

    дисперсии:
    t0,95=1,96 t0,99=2,576






    Таблица 5 Оценка объема выборки

    f(z)

    Достоверность

    Точность

    Nm

    Nd

    z-1/2

    0,95

    0,01

    2916,235

    253,444

    0,99

    5037,35

    437,787

    Выводы
    Было проведено моделирование заданной функции в четырех программных средах на основе метода обратной функции и метода Неймана.

    Метод обратной функции включает в себя необходимость

    вычисления интегралов, что может быть трудоемким

    процессом для вычислительного устройства, поэтому целесообразнее пользоваться

    приближенными методами, например, метод Неймана. Его легко

    запрограммировать, зная заданные начальные параметры. При этом точности методов практически не отличаются.

    При проверке гипотезы о согласии

    эмпирического и теоретического распределений на основе критерия согласия хи-квадрат (Пирсона) получили, что данная гипотеза

    подтверждается, так как значение хи-квадрат попадает в заданный диапазон

    для 8 интервалов. Значения объёмов выборки для достоверностей 95% и 99%

    как для дисперсии, так и для мат. ожидания, отличаются.


    написать администратору сайта