Міністерство освіти та науки України
Національний університет «Львівська політехніка»
Кафедра автоматизованих систем управління
Звіт
про виконання лабораторної роботи №1
з курсу МОДЕЛЮВАННЯ СИСТЕМ
на тему:
“Ідентифікація законів розподілу та оцінювання параметрів вибіркових даних при моделюванні випадкових процесів”
Мета роботи: вивчення методів ідентифікації характеристик випадкових величин та процесів при статистичному моделюванні систем.
Теоретичні положення
Точкове оцінювання математичного сподівання та дисперсії
Точкові оцінки являють собою числа, отримані шляхом підстановки значень вибірки у формулу для оцінюваного параметру. Математичне сподівання mx та дисперсію оцінюють за допомогою співвідношень:
Інтервальне оцінювання математичного сподівання та дисперсії
Точкові оцінки параметрів не дозволяють оцінити, наскільки близька оцінка до відповідного значення теоретичного параметру g. Більш інформативний спосіб полягає в побудові інтервалу, в якому з заданою достовірністю виявиться оцінюваний параметр, тобто в визначенні інтервальної оцінки параметру g.
Інтервальною оцінкою параметру g називається інтервал, межі якого l1 та l2 являють собою функції значень вибірки і який з заданою ймовірністю Р накриває оцінюваний параметр:
Інтервал називається довірчим, а його межі l1 та l2 - випадкові величини - нижня та верхня довірчі межі відповідно. Р називається довірчяою ймовірністю, а величина α=1-P - рівнем значимості, який використовується при побудові довірчого інтервалу. Таким чином інтервальна оцінка характеризується шириною довірчого інтервалу L=l2-l1 та довірчою ймовірністю Р, яка характеризує степінь надійності результатів.
Побудова гістограми
Гiстограма являє собою емпіричний аналог функції густини закону розподілу f(x). Побудова гістограми відбувається наступним чином:
Визначаємо попередню кількість інтервалів розбиття осі ординат К за формулою
заокруглюючи отримане число до найближчого більшого цілого.
Визначаємо довжину інтервалів за формулою
(x = (xmax - xmin)/K
Для зручності обчислень значення можна дещо скоректувати.
Середину області зміни вибірки приймаємо як центр деякого інтервалу (xmax - xmin)/2, після чого знаходимо межі та остаточну кількість інтервалів таким чином, щоб вони в сукупності перекривали цілу область від xmin до xmax.
Підраховуємо кількість спостережень Nm, які потрапляють в кожен інтервал: Nm дорівнює числу членів варіаційного ряду, для яких справедлива нерівність xm ( xi ( xm + (x, де xm , xm + (x - межі т-го інтервалу. Значення xi, які потрапляють на межу між т-м та (т-1)м інтервалами, відносимо до т - го інтервалу.
Підраховуємо відносну кількість спостережень Nm/N, які потрапляють в даний інтервал.
Будуємо гістограму, яка являє собою криву зі сходинок, значення якої на т-му інтервалі (xm, xm + (x) постійне та дорівнює Nm/N.
Стандартний метод моделювання неперервної випадкової величини (метод Монте-Карло)
Загальний розподіл дійсної випадкової величини ξ описується в термінах інтегральної функції закону розподілу F(x) = Pξ(ξ≤x) - ймовірність того, що випадкова величина ξ прийме значення (x. F(x) - монотонно неспадна функція, межі зміни якої від 0 до 1 (F(-()=0, F(+()=1).
Загальний спосіб генерації випадкової величини ξ з функцією F(x), яка має обернену функцію F-1, полягає в тому, що реалізацію випадкової величини ξ обчислюють за формулою , де y - рівномірно розподілене в інтервалі (0,1) число.
Методи моделювання нормально розподілених випадкових величин
Модифікація метода полярних координат дозволяє отримати дві незалежних нормально розподілених випадкових величини. Генерація проводиться за допомогою наступного алгоритму:
І. Згенерувати два рівномірно розподілених в інтервалі (0,1) випадкових числа (1 та (2. Обчислити .
2. Обчислити .
3. Якщо S(1 то перейти до кроку 1.
4. Обчислити два значення нормально розподілених випадкових величин з параметрам...