Лабораторная работа № 4
По дисциплине «Математические основы теории систем»
Случайные величины и случайные функции
Цель работы: моделирование случайных величин и случайных процессов на основе метода статистических испытаний.
Задание. Смоделировать случайные величины и случайные процессы в соответствии с заданным вариантом.
Общие положения
Сущность метода статистических испытаний (МСИ) заключается в многократной имитации изучаемых процессов и явлений с последующей статистической обработкой полученных данных. Узловым моментом в методе выступает моделирование различного рода воздействий, которое носит характер имитации случайных событий, величин и процессов.
Можно выделить основные этапы применения (составляющие) МСИ для исследования сложных систем:
1. Определение случайных параметров и процессов функционирования системы, исходя из целей исследования. На основании опыта или имеющейся априорной информации оценка характеристик случайности (определение вероятности событий, выбор законов распределения и оценка их параметров, определение и оценка корреляционных функций и т.д.).
|
|
2. Разработка алгоритмов моделирования случайных событий, величин и процессов и оценка их качества (проведение тестовых проверок).
3. Разработка моделирующего алгоритма, имитирующего поведение и взаимодействие элементов системы с учетом случайных входных воздействий и воздействий внешней среды, и реализация этого алгоритма с использованием программно-технических средств ЭВМ.
4. Определение необходимого числа статистических испытаний (прогонов, реализаций), исходя из требуемых характеристик точности и надежности выходных параметров системы в статистическом смысле.
5. Проведение вычислительного эксперимента и статистическая обработка полученных данных.
Теоретической основой МСИ являются предельные теоремы теории вероятностей. Множества случайных явлений (событий, величин) подчиняются определенным закономерностям, позволяющим не только прогнозировать их поведение, но и количественно оценивать некоторые средние их характеристики, проявляющие определенную устойчивость. Характерные закономерности наблюдаются также в распределениях случайных величин, которые образуются при сложении множества воздействий. Выражением этих закономерностей и устойчивости средних показателей являются так называемые предельные теоремы теории вероятностей. Принципиальное значение предельных теорем состоит в том, что они гарантируют высокое качество статистических оценок при весьма большом числе испытаний (реализаций). При практическом использовании МСИ, как правило, достаточным бывает использование закона больших чисел в виде теорем Бернулли и Чебышева, а также центральной предельной теоремы:
|
|
Теорема Бернулли. Если проводится N независимых испытаний, в каждом из которых некоторое событие А осуществляется с вероятностью р, то относительная частота (частость) появления события m/N при N сходится по вероятности к р, т.е. при любом > 0
lim P{|m/N-p| } =0, (1.1)
N
где m- число положительных исходов испытания.
Теорема Чебышева. Если в N независимых испытаниях наблюдаются значения x1,…,xn случайной величины Х, то при N среднее арифметическое значений случайной величины сходится по вероятности к P ее математическому ожиданию а, т.е. при любом e>0
lim Р{|(1/N) -a| }=0. (1.2)
N
Центральная предельная теорема (в одной из формулировок Ляпунова). Если случайная величина Х имеет конечные математическое ожидание М[Х] и дисперсию D[X], то распределение среднего арифметического , вычисленного по наблюдавшимся значениям случайной величины в N независимых испытаниях, проведенных в одинаковых условиях, при N приближается к нормальному с МОЖ М[Х] и дисперсией D[X]/N.
Таким образом, метод статистических испытаний основан на самых общих теоремах теории вероятностей и не содержит в своей принципиальной сущности никаких ограничений. Применяется он как для исследования стохастических систем, так и для решения детерминированных задач.