Моделирование - случайный процесс
Cтраница 1
Моделирование случайных процессов п полей на основе точечных потоков Пальма / / Докл. [1]
Моделирование случайных процессов ( СП) играет большую роль в задачах проектирования измерительно-вычислительных комплексов и систем для автоматизации производственных процессов, так как позволяет проводить исследования в условиях, приближенных к реальным, эксплуатационным. При этом модели случайных процессов имитируют информационные сигналы на входах и выходах отдельных блоков измерительных каналов, а также отображают воздействие шумов и помех. [2]
Для моделирования случайных процессов, связанных с применением метода СИ в задачах точности, необходимо осуществлять формирование случайных чисел, подчиняющихся соответствующим законам распределения. Результаты, получаемые методом СИ, носят случайный характер, и, следовательно, необходимо обеспечить их статистическую устойчивость, поэтому вопрос о числе реализаций приобретает первостепенное значение. [3]
Для моделирования случайных процессов связанных с применением метода статистических испытаний, необходимы случайные числа. Количество случайных чисел, используемых для формирования одной реализации моделируемого процесса, различно для разных задач, В сложных задачах оно может достигать сотен тысяч чисел и более, А так как при вычислениях методом статистических испытаний существенное количество опэраций расходуется на оперирование со случайными числами, то наличие простых и экономных способов формирования последовательности случайных чисел имеет большое значение для практического испэльэования этого метода. [4]
Для моделирования случайных процессов обычно используют последовательности независимых случайных чисел. [5]
Для моделирования случайных процессов широко применяются два способа. Первый способ состоит в формировании реализаций случайного процесса на основе представления их в виде суммы детерминированных функций и величин. [6]
Для моделирования любого заданного случайного процесса с помощью метода Монте-Карло необходимо воспроизводить последовательности случайных чисел, соответствующих некоторым фиксированным законам распределения вероятностей. [7]
Предложенный подход к моделированию случайного процесса изменения состояния телекоммуникационной системы справедлив при действии допущения об отсутствии каких-либо инерционных либо гистерезисных свойств по отношению к действию возмущений. [8]
Этот факт используется для моделирования случайного процесса, близкого к белому шуму, на цифровых вычислительных машинах при анализе систем автоматического регулирования, работающих в условиях случайных возмущений и помех. [9]
Последовательное привлечение для целей моделирования случайных процессов и закона больших чисел связано, как известно, с алгоритмами Монте-Карло, цепями Маркова и реализацией так называемой существенной выборки. Как отмечают авторы работы [77], здесь приемлема аналогия с опросами общественного мнения: выясняя взгляды - 103 типичных американских избирателей, Институт Гэллапа в США неплохо предсказывает результаты всеобщих выборов, в которых принимает участие - 108 избирателей. [10]
Таким образом, при моделировании случайных процессов, которые не являются простейшими, достаточно эффективно может быть использован метод Монте-Карло. [11]
Идея метода заключается в моделировании случайного процесса или последовательности испытаний, вероятностные характеристики которых просто связаны с подлежащими вычислению величинами. Если много раз бросать иглу, как описано в задаче Бюффона ( см. § 3 гл. [12]
Такой прием часто применяется при моделировании случайных процессов с дискретными состояниями и непрерывным временем на ЭВМ. [13]
 |
Полигоны распределении выборочных средних квадратических отклонений для. [14] |
По условиям, принятым нами для моделирования случайных процессов, распределение выборочных средних арифметических хп подчиняется для всех трех процессов нормальному закону с математическим ожиданием, равным нулю. Распределение выборочных медиан для данных случайных процессов также не уклоняется существенно от нормального закона с тем же математическим ожиданием. Что касается выборочных 5И и Rn, то характер их распределения в массе выборок зависит от степени корреляционной связи величин, образующих случайный процесс, из которого взяты выборки. На рис. 2, а показаны полигоны распределения выборочных средних квадратических отклонений S, определенных для выборок из пяти величин, отбиравшихся подряд: полигон I - для процесса I; полигон II -для процесса II и полигон III - для процесса III. На рис. 2, б показаны полигоны и параметры распределения выборочных размахов Ra, определенных также для выборок из пяти величин. [15]
Страницы: 1 2 3 4