книги / Моделирование систем
..pdf2. Сложность исследуемой системы S при ее моделировании на ЭВМ часто приводит к тому, что априорное суждение о харак теристиках процесса функционирования системы, например о типе ожидаемого распределения выходных переменных, является невоз можным. Поэтому при моделировании систем широко используют ся непараметрические оценки и оценки моментов распределения.
3. Блочность конструкции машинной модели Мм и раздельное исследование блоков связаны с программной имитацией входных переменных для одной частичной модели по оценкам выходных переменных, полученных на другой частичной модели. Если ЭВМ, используемая для моделирования, не позволяет воспользоваться переменными, записанными на внешние носители, то следует пред ставить эти переменные в форме, удобной для построения алгорит ма их имитации.
Методы оценки. Рассмотрим наиболее удобные для про граммной реализации методы оценки распределений и некоторых их моментов при достаточно большом объеме выборки (числе реализаций N). Математическое ожидание и дисперсия случайной величины £ соответственно имеют вид
li(= M [Q = | xf(x)dx\ ol=D[Q =M [(x—Ц()г]=
—00
= f (x-fi()zf(x)dx,
—00
где / ( JC) — плотность распределения случайной величины £, прини мающей значения х.
При проведении имитационного эксперимента со стохастической моделью системы S определить эти моменты нельзя, так как плот ность распределения, как правило, априори неизвестна. Поэтому при обработке результатов моделирования приходится довольст воваться лишь некоторыми оценками моментов, полученными на конечном числе реализаций N. При независимых наблюдениях зна чений случайной величины £ в качестве таких оценок используются
x= fk= (l/N ) £ |
xr, Si= Si= (l/N ) £ ( ъ - х ) 2, |
i=1 |
i =l |
где 5c и Sb2 — выборочное среднее и выборочная дисперсия соответ ственно. Знак ~ над /2$ и о* означает, что эти выборочные моменты используются в качестве оценок математического ожидания и ди сперсии Of2.
К качеству оценок, полученных в результате статистической обработки резуль татов моделирования, предъявляются следующие требования [7, 11, 25]:
1) несмещенность оценки, т. е. равенство математического ожидания оценки определяемому параметру M \ g \ = g , где g — оценка переменной (параметра) g;
2) эффективность оценки, т. е. минимальность среднего квадрата ошибки данной
16 — 4833 |
241 |
оценки M\gx—g]^M[(gi—g)2], где gx — рассматриваемая оценка; gi — любая другая оценка;
3) состоятельность оценки, т. е. сходимость по вероятности при N-+ со к оцени ваемому параметру
lim P{\g-g\>e}=0, е>0,
*-♦00
либо, учитывая неравенство Чебышева, достаточное (но не обязательно необходи мое) условие выполнения этого неравенства заключается в том, чтобы
lim JV-+0D
Рассмотрим оценку выборочного среднего значения х. Математическое ожида ние выборочного среднего значения х составит
щ
т.е. оценка Д{=х является несмещенной.
С учетом независимости значений х,- средний квадрат ошибки
т.е. оценка р^=х состоятельна. Можно показать, что эта оценка также и эффективна. Рассмотрим оценку выборочной дисперсии S2. Математическое ожидание выбо
рочной дисперсии
X (x,-x)2J = i м|^Х
Учитывая, что |
If |
|
ft |
(хг-/1{)2 -#(х-Д{)2, |
|
х |
(х,-х) 2 = £ |
|
1-1 |
1-1 |
|
M |
f a i - |
M p - / i {)2]=o-£/W, |
получим M[S2]=(M rf—af)fN—(N—1)ixf/iV, т. e. оценка erf—5? является смещенной. Можно показать, что эта оценка состоятельна и эффективна.
Несмещенную оценку дисперсии of можно получить, вычисляя выборочную дисперсию вида
Эта оценка также удовлетворяет условиям эффективности и состоятельности.
Статистические методы обработки. Рассмотрим некоторые осо бенности статистических методов, используемых для обработки результатов моделирования системы S. Для случая исследования сложных систем при большом числе реализаций N в результате моделирования на ЭВМ получается значительный объем инфор мации о состояниях процесса функционирования системы. Поэтому необходимо так организовать в процессе вычислений фиксацию и обработку результатов моделирования, чтобы оценки для ис
242
комых характеристик формировались постепенно по ходу модели рования, т. е. без специального запоминания всей информации о состояниях процесса функционирования системы S.
Бели при моделировании процесса функционирования конкрет ной системы S учитываются случайные факторы, то и среди резуль татов моделирования присутствуют случайные величины. В качест ве оценок для искомых характеристик рассчитывают средние значе ния, дисперсии, корреляционные моменты и т. д.
Пусть в качестве искомой величины фигурирует вероятность некоторого события А. В качестве оценки для искомой вероятности р —Р{А) используется частость наступления события m/N, где т — число случаев наступления события А; N — число реализаций. Такая оценка вероятности появления события А является состо ятельной, несмещенной и эффективной. В случае необходимости получения оценки вероятности в памяти ЭВМ при обработке ре зультатов моделирования достаточно накапливать лишь число m (при условии, что N задано заранее).
Аналогично при обработке результатов моделирования можно подойти к оценке вероятностей возможных значений случайной величины, т. е. закона распределения. Область возможных значений случайной величины rj разбивается на п интервалов. Затем накап ливается количество попаданий случайной величины в эти интерва
лы тк, к —1, /2. Оценкой для вероятности попадания случайной величины в интервал с номером к служит величина mk/N. Таким образом, при этом достаточно фиксировать п значений тк при обработке результатов моделирования на ЭВМ.
Для оценки среднего значения случайной величины Т]накаплива
ется сумма возможных значений случайной величины ук, к= 1, N, которые она принимает при различных реализациях. Тогда среднее значение
У=0/ЛО £ Ук.
При этом ввиду несмещенности и состоятельности оценки
=D{p]=D[rj]/N=^IN.
Вкачестве оценки дисперсии случайной величины т]при обработ ке результатов моделирования можно использовать
S i = t (Ук- y flN .
Непосредственное вычисление дисперсии по этой формуле нера
ционально, так как среднее значение у изменяется в процессе накоп ления значений ук. Это приводит к необходимости запоминания всех N значений ук. Поэтому более рационально организовать фик
16* |
2 4 3 |
сацию результатов моделирования для оценки дисперсии с исполь зованием следующей формулы:
Тогда для вычисления дисперсии достаточно накапливать две
суммы: значений ук и их квадратов ук1.
Для случайных величин { и rj с возможными значениями хк и ук корреляционный момент
N или
*{, = ( д w - ( . m J ; |
£ y ^ j o r - 1). |
Последнее выражение вычисляется при запоминании в процессе моделирования небольшого числа значений.
Если при моделировании системы S искомыми характеристи ками являются математическое ожидание и корреляционная функ ция случайного процесса y(t) [в интервале моделирования (0, 7)], то для нахождения оценок этих величин указанный интервал разбива ют на отрезки с постоянным шагом At и накапливают значения процесса ук(/) для фиксированных моментов времени t — tm=mAt.
При обработке результатов моделирования математическое ожидание и корреляционную функцию запишем так:
N |
N |
У(‘т)= £ |
yh(tm)IN; B(u, z)= £ (Ук1и)-у(и))(Ук(г)~У (z))l(N -1), |
Jt= l |
к=1 |
где и R Z пробегают все значения tm.
Для уменьшения затрат машинных ресурсов на хранение проме жуточных результатов последнее выражение также целесообразно
привести к следующему виду: |
|
|
|
z)= ( £ ук(и) yt (z)-(llN ) |
£ |
ytl(u) £ |
у к(z) j (ЛГ-1). |
\Jfc= 1 |
*=1 |
к=1 |
/ |
Отметим особенности фиксации и обработки результатов моде лирования, связанные с оценкой характеристик стационарных слу чайных процессов, обладающих эргодическим свойством. Пусть рассматривается процесс y(t). Тогда с учетом этих предположений поступают в соответствии с правилом: среднее по времени равно среднему по множеству. Это означает, что для оценки искомых характеристик выбирается одна достаточно продолжительная ре
244