Моделирование показательного распределения

Моделирование показательного распределения. ........................................................... 51  [c.51]


Моделирование показательного распределения  [c.51]

Рассмотрим моделирование показательного распределения.  [c.51]

Рассмотрим следующую теорему, которая дает способ моделирования показательного распределения, уменьшающий трудоемкость в п раз по сравнению со стандартным алгоритмом.  [c.52]

Вычисление -Ina можно заменить моделированием показательного распределения.  [c.66]

Специальные методы моделирования показательного, нормального, произвольного гамма и бета распределений.  [c.60]

Особенности поведения предприятия, связанные со стохастическим и законами принятия решения в системе оптовой торговли средствами производства, можно исследовать при помощи имитационных моделей с использованием метода машинного моделирования [4]. Имитацию поведения предприятия проведем при заключении данным предприятием договоров с поставщиками и потребителями и при совершении акта продажи своей продукции. При заключении договоров предполагается, что предприятие заявило потребителям количество и номенклатуру продукции, которую ему выгодно выпускать с точки зрения максимума прибыли. С другой стороны, оно сделало заказ поставщикам на ресурсы, необходимые для этого состава и объема выпуска продукции. В процессе формирования договоров случайным является поведение поставщиков и потребителей. Предполагается, что поставщики с некоторым заданным законом распределения вероятностей принимают или не принимают заказы на ресурсы. Аналогично потребители с некоторым заданным законом распределения вероятностей принимают или не принимают заявки на заказ соответствующего вида средств производства. Причем отказ в принятии заказа или заявки на заказ может быть (в большинстве случаев будет именно так) не только полным, но и частичным. Используя способность ЭВМ формировать случайные числа, можно имитировать поведение предприятия при различной реакции внешней среды (потребителей и поставщиков). Экономически вполне оправданно считать, что вероятность величины отказа поставщиков и потребителей распределена по показательному закону. Действительно, с возрастанием величины отказа его вероятность уменьшается, причем это уменьшение происходит явно быстрее, чем по линейному закону. Задавая, кроме того, вероятность той или иной реакции данного предприятия на поведение поставщиков и потребителей при формировании договоров, можно получить приближенную картину его функционирования при разных характеристиках внешней среды и его внутренних характеристиках. Операторная схема и блок-схема моделирующего алгоритма для данной имитационной модели имеют следующий вид  [c.90]


При имитационном моделировании поток событий чаще всего воспроизводится через интервалы времени между соседними событиями. Если время между соседними событиями случайно, то в зависимости от вида распределения воспроизведение его в ЭВМ происходит в соответствии с теми способами, которые были рассмотрены при имитации непрерывных случайных величин, причем случайной величиной является длительность интервала между соседними событиями. Например, для простейшего потока событий время между событиями подчинено показательному закону следовательно, имитация данного потока должна происходить в соответствии с выражением (9.4). Модификация простейшего потока — поток Эрланга — получается в результате имитации простейшего потока и последующего просеивания его событий в соответствии с порядком этого потока. Регулярный поток в системе легко имитируется, так как он задается постоянным временем интервала между событиями. Аналогичным образом могут быть смоделированы и потоки более общего вида через задание соответствующего распределения интервалов между соседними событиями в потоке.  [c.208]

Общеизвестна возможность расчета произвольных систем обслуживания с помощью имитационного моделирования, реализуемого средствами типа GPSS. Однако эти средства негибки, требуют большого расхода машинного времени и, что самое неприятное, дают низкую точность определения вероятностей редких событий. Поэтому предпочтительно использование аналитических методов — при необходимости в сочетании с численными. Простейшие предположения об экспоненциальных распределениях интервалов между смежными заявками и длительности обслуживания приводят к известным формулам Эрланга (около 1910 г.), погрешность которых для распределений, заметно отличающихся от показательного, может быть сколь угодно велика.  [c.113]