Моделирование сетей. Замятина О.М. - 41 стр.

UptoLike

ВУЗ: 

ТПУ | Томск

Составители: 

Рубрика: 

41
Треугольное распределение часто используется при моделировании
случайных явлений при отсутствии достаточных данных, позволяющих
сформулировать гипотезу об ином распределении. Однако использова-
ние треугольного распределения ограничивает исследователя невоз-
можностью независимого варьирования такими параметрами как мода,
медиана, математическое ожидание [13].
2.3. Выходные данные
и стохастические процессы моделирования
В большинстве имитационных моделей в качестве входных данных
используются случайные величины, поэтому выходные данные имита-
ционного моделирования также носят случайный характер. В связи
с этим нужно осторожно делать выводы относительно действительных
характеристик модели (например, об ожидаемой средней задержке тре-
бований в системе массового обслуживания). Правильное проведение
анализа выходных данных невозможно без ознакомления со стохасти-
ческими процессами.
Стохастический процесс представляет совокупность «однород-
ных» случайных величин, которые упорядочены во времени и опреде-
лены в общем, выборочном пространстве. Множество всех возможных
значений, которые могут принимать эти случайные величины, называ-
ется пространством состояний. Если совокупность величин представ-
лена как Х
1
, Х
2
, ..., то речь идет о дискретном стохастическом процессе,
если же как {X(t), t 0}, то о непрерывном [17].
Иногда, для того чтобы сделать статистические выводы о стохасти-
ческом процессе по совокупности выходных данных, необходимо при-
нять относительно него допущения, которые на практике не являются
строго справедливыми (без таких допущений статистический анализ
выходных данных может оказаться невыполнимым). Например, можно
допустить, что стохастический процесс является ковариационно ста-
ционарным. Дискретный стохастический процесс Х
1
, Х
2
, ... считается
ковариационно стационарным, если
22
2
для 1,2,... и ;
для 1,2,... и ,
i
ii
i
i
а
,
Cov ,
i i j i i j
C X X

не зависит от i для j = 1, 2, ...
Таким образом, для ковариационно стационарного процесса сред-
нее значение и дисперсия являются неизменными в течение всего вре-
мени (общее среднее значение и общая дисперсия обозначаются соот-

Страницы