Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АрхитектураБиологияГеографияДругоеИностранные языки
ИнформатикаИсторияКультураЛитератураМатематика
МедицинаМеханикаОбразованиеОхрана трудаПедагогика
ПолитикаПравоПрограммированиеПсихологияРелигия
СоциологияСпортСтроительствоФизикаФилософия
ФинансыХимияЭкологияЭкономикаЭлектроника

Датчики случайных чисел

Распределение капиталовложений | Решений | Сетевая структура модели | Описание элементов модели | Сбор результатов компьютерного эксперимента | Остановка модели | Структуры файлов результатов | Гистограммы | Модели потоков в сетевых структурах | Описание модели примера 2 |


Читайте также:
  1. I. Теоретико-множественный смысл разности целых неотрицательных чисел.
  2. I. Теоретико-множественный смысл суммы целых неотрицательных чисел.
  3. Возведение комплексных чисел в степень
  4. Вопрос 18. Датчики расхода
  5. Вычитание комплексных чисел
  6. Глава IV О НЕКОТОРЫХ ЗАКОНОМЕРНЫХ И СЛУЧАЙНЫХ ПРИЧИНАХ, КОТОРЫЕ ВЕДУТ ДЕМОКРАТИЧЕСКИЕ НАРОДЫ К ЦЕНТРАЛИЗАЦИИ ВЛАСТИ ЛИБО ПРЕПЯТСТВУЮТ ЭТОМУ
  7. Датчики ионизирующего излучения.

Датчики случайных чисел реализуют механизмы имитации стоха­стических факторов. Значения таких факторов характеризуются рас­пределениями вероятностей. Например, когда время между прихода­ми автомобилей на заправочную станцию задается величиной 10±3 ед. времени, подразумевается, что такое время является случайным фак­тором, значения которого равномерно распределены в интервале [7, 13] ед. времени.

Равномерное распределение вероятностей (Rectangular Distribution, Uniform Distribution) продуцируется функцией random(), которая вы­дает действительные случайные числа в диапазоне 0.0 - 1.0, и функ­цией randomlnt (min, max), которая выдает целые случайные числа в диапазоне от min до max.

Кроме равномерного распределения вероятностей в прикладных задачах широко используются также экспоненциальное распределе­ние и распределение Пуассона.


114


Часть 2. Имитационное моделирование


Дополнительные методы и средства имитации


115


 


Экспоненциальное распределение (Exponential Distribution) связано с моделированием простейших потоков. В таких потоках время между событиями распределено по экспоненциальному закону. Это распреде­ление характеризуется единственным параметром — средним значени­ем. Вызов функции ехроп(Меап) вернет в качестве результата значение случайного числа, выбранного из экспоненциального распределения со средним mean. Если в задаче задана интенсивность простейшего по­тока Int, то среднее время между событиями будет определяться как mean=l/ Int. Поэтому для имитации задержек между появлениями со­бытий следует воспользоваться вызовом функции expon(l/Int).

Распределение Пуассона (Poisson Distribution) тесно связано с экс­поненциальным распределением: оно характеризует количество собы­тий в простейшем потоке, наблюдаемое за определенный интервал времени. Если задать величину этого интервала (Т) и интенсивность потока (Int), то произведение Mean=(Int*T) будет определять среднее количество событий за интервал времени Т. Эта характеристика явля­ется единственным параметром функции poisson(Mean), которая ис­пользуется как датчик пуассоновских случайных чисел. Использова­ние функции poisson(Mean) возможно и для других задач, например для имитации количества записей в инвентаризационной ведомости, объемов производства деталей в течение рабочего дня и т. п. Функция poisson(Mean) всегда выдает случайные числа, которые являются по-ложительными и целыми.

Для более подробного знакомства с использованием других рас­пределений вероятностей следует обратиться к справочной информа­ции системы или специальной литературе.


Дата добавления: 2015-07-16; просмотров: 62 | Нарушение авторских прав


<== предыдущая страница | следующая страница ==>
Пример 3; модель автозаправки с несколькими колонками| Функции

mybiblioteka.su - 2015-2024 год. (0.005 сек.)