Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 4)

.

Поскольку метод Монте-Карло требует проведения большого числа испытаний, его часто называют методом статистических испытаний.

6.2 Разыгрывание непрерывной случайной величины

Пусть необходимо получить значения случайной величины , распределенной в интервале с плотностью . Докажем, что значения можно найти из уравнения

, (30)

где – случайная величина, равномерно распределенная на интервале .

Т.е. выбрав очередное значение надо решить уравнение (30) и найти очередное значение . Для доказательства рассмотрим функцию:

Имеем общие свойства плотности вероятности:

(31)

(32)

Из (31) и (32) следует, что , а производная .

Значит, функция монотонно возрастает от 0 до 1. И любая прямая , где , пересекает график функции в единственной точке, абсциссу которой мы и принимаем за . Таким образом, уравнение (30) всегда имеет одно и только одно решение.

Выберем теперь произвольный интервал , содержащийся внутри . Точкам этого интервала отвечают ординаты кривой, удовлетворяющие неравенству . Поэтому, если принадлежит интервалу , то

принадлежит интервалу , и наоборот. Значит: . Т.к. равномерно распределена в , то

, а это как раз и означает, что случайная величина , являющаяся корнем уравнения (30) имеет плотность вероятностей .

6.3 Случайная величина с экспоненциальным распределением

Простейшим потоком (или потоком Пуассона) называется такой поток заявок, когда промежуток времени между двумя последовательными заявками есть случайная величина, распределенная на интервале с плотностью

Вычислим математическое ожидание:

После интегрирования по частям, получим:

.

Параметр есть интенсивность потока заявок.

Формулу для розыгрыша получим из уравнения (30), которое в данном случае запишется так: .

Вычислив интеграл, стоящий слева, получим соотношение . Отсюда, выражая , получим:

(33)

Т.к. величина распределена также как и , следовательно, формулу (33) можно записать в виде:

(34)

7 Исследование системы массового обслуживания

7.1 Проверка гипотезы о показательном распределении

Исследуемое мной предприятие представляет собой двухканальную систему массового обслуживания с ограниченной очередью. На вход поступает пуассоновский поток заявок с интенсивностью λ. Интенсивности обслуживания заявок каждым из каналов μ, а максимальное число мест в очереди m.

Начальные параметры:

Время обслуживания заявок имеет эмпирическое распределение, указанное ниже и имеет среднее значение .

Мной были проведены контрольные замеры времени обработки заявок, поступающих в данную СМО. Чтобы приступить к исследованию, необходимо установить по этим замерам закон распределения времени обработки заявок.

Таблица 6.1 – Группировка заявок по времени обработки

Выдвигается гипотеза о показательном распределении генеральной совокупности.

Для того чтобы, при уровне значимости проверить гипотезу о том, что непрерывная случайная величина распределена по показательному закону, надо:

1) Найти по заданному эмпирическому распределению выборочную среднюю . Для этого, каждый i – й интервал заменяем его серединой и составляем последовательность равноотстоящих вариант и соответствующих им частот.

2) Принять в качестве оценки параметра λ показательного распределения величину, обратную выборочной средней:

3) Найти вероятности попадания X в частичные интервалы по формуле:

4) Вычислить теоретические частоты:

,

где - объем выборки

5) Сравнить эмпирические и теоретические частоты с помощью критерия Пирсона, приняв число степеней свободы , где S – число интервалов первоначальной выборки.

Таблица 6.2 – Группировка заявок по времени обработки с усредненным временным интервалом

Найдем выборочную среднюю:

2) Примем в качестве оценки параметра λ экспоненциального распределения величину, равную . Тогда:

( )

3) Найдем вероятности попадания X в каждый из интервалов по формуле:

Для первого интервала:

Для второго интервала:

Для третьего интервала:

Для четвертого интервала:

Для пятого интервала:

Для шестого интервала:

Для седьмого интервала:

Для восьмого интервала:

4) Вычислим теоретические частоты:

Результаты вычислений заносим в таблицу. Сравниваем эмпирические и теоретические частоты с помощью критерия Пирсона.

Для этого вычислим разности , их квадраты, затем отношения . Суммируя значения последнего столбца, находим наблюдаемое значение критерия Пирсона. По таблице критических точек распределения при уровне значимости и числу степеней свободы находим критическую точку

Таблица 6.3 – Результаты вычислений

Т.к. , то нет оснований отвергнуть гипотезу о распределении X по показательному закону. Другими словами, данные наблюдений согласуются с этой гипотезой.

7.2 Расчет основных показателей системы массового обслуживания

Данная система представляет собой частный случай системы гибели и размножения.

Граф данной системы:

Рисунок 10 – Граф состояний исследуемой СМО

Поскольку все состояния являются сообщающимися и существенными, то существует предельное распределение вероятностей состояний. В стационарных условиях поток, входящий в данное состояние должен быть равен потоку, выходящему из данного состояния.

(1)

Для состояния S₀:

Следовательно:

Для состояния S₁:

Следовательно:

С учетом того, что :

Аналогично получаем уравнения для остальных состояний системы. В результате получим систему уравнений:

Решение этой системы будет иметь вид:

; ; ; ; ;

; .

Или, с учетом (1):

; ; ; ; ; ;

.

Коэффициент загруженности СМО:

С учетом этого предельные вероятности перепишем в виде:

Характеристики

Список файлов ВКР