![]() Главная страница Случайная страница КАТЕГОРИИ: АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника |
Нормальный закон распределенияСтр 1 из 25Следующая ⇒
Функция плотности вероятности имеет вид где а и s – параметры закона распределения; p = 3.1415.... Функция распределения Точечные оценки параметров нормального закона распределения равны: а = xм, s=S.
3.Вычисление частот и частостей случайной величины. 5) подсчитать число попаданий случайной величины в каждый j-й интервал (частоты Мj), для чего пересмотреть все числа xi (i =1... n) относительно границ интервалов Мj = М j + 1, если X j-1 £ xi < X j при j = 1... N-1; Мj = М j + 1, если X j-1 £ xi £ X j при j = N; 6) определить частости (эмпирические вероятности) pэj попадания значений случайной величины в каждый из интервалов путем деления соответствующих частот на объем выборки n, т.е. pэj = Мj / n. Сумма всех частот равна объему выборки
а сумма частостей pэj соответственно равна единице.
4.Генерация случайных чисел по равномерному распределению
Наиболее распространенными способами получения псевдослучайных равномерно распределенных чисел в интервале 0. – 1.0 являются: мультипликативный; смешанный; с использованием числа p; с использованием тригонометрических функций. Алгоритм смешанного метода следующий: 1-й вход
r = rн 0.0 < rн < 1.0 p = pн pн = 8. I ±3, I = 2, 3,...
Последу- r = r p +a- int(r p +a) ющие входы выход
Наиболее часто в качестве a принимается число пи (a=p). Мультипликативный метод отличается от смешанного тем, что a=0. В этом случае начальное значение rн ≠ 0, 5. При большом числе сгенерированных случайных чисел оценка их математического ожидания должна стремится к 0.5 и среднеквадратическое отклонение к 5.Классификация математических методов и моделей принятия решений Модели могут быть статическими (рассматривается на конкретный момент времени) и динамическими (описывают процессы во времени). Если состояние системы описывается в каждый момент времени, то модель – непрерывная, если в фиксированные моменты времени– дискретная. Модели, в которых зависимости носят неслучайный характер являются детерминированными, а в которых случайный характер – стохастическими. По числу оптимизируемых параметров различают одномерные и многопараметрические задачи. Задачи с ограничениями – задачи условной оптимизации и без ограничений – безусловной. Первые относятся к задачам математического программирования. Задачи оптимизации при линейных критериях и ограничениях являются задачами линейного программирования, а при нелинейных – нелинейного (динамического, геометрического, выпуклого программирования). Модели (задачи), в которых критерий оптимальности может иметь несколько локальных экстремумов, называют многоэкстремальными. В зависимости от условий внешней среды и степени информированности об ее состоянии различают следующие задачи принятия решений: а) в условиях определенности; б) в случайных условиях (в условиях риска); г) в условиях неопределенности; д) в условиях конфликтных ситуаций или противодействия (активного противника). По способу исследования (оптимизации) различают следующие методы: детерминированные – аналитические или численные методы; методы случайного (статистического) поиска. В зависимости от типа решаемых задач различают методы локальной оптимизации, позволяющие найти экстремум только унимодальной функции, и методы глобальной оптимизации, с помощью которых можно найти оптимум многоэкстремальной функции. Кроме того методы оптимизации различают в зависимости от типа (вида) математической модели. Типичными классами оптимизационных задач на транспорте являются: управление запасами; нахождение кратчайших путей; распределение ресурсов; массовое обслуживание; сетевое планирование и управление; замена оборудования. 6.Методы вычисления специальных функций (гамма-функция). Специальные функции – это такие, которые нельзя выразить аналитически через элементарные функции. Примерами таких функций являются гамма-функция, интегральная функция нормального закона распределения и др. Специальные функции вычисляются в зависимости от их вида одним из следующих методов: численным интегрированием; по реккурентным соотношениям; разложением в ряды; на основе аппроксимаций.
|