Датчик - случайная величина
Cтраница 1
Датчик случайных величин - специальная программа, позволяющая получать псевдослучайные наборы чисел, распределенных по заданному закону. В современных компьютерах, если в качестве начальных кодов использовать коды таймера, реально получается последовательность случайных величин. [1]
 |
Датчик равномерно распределенных случайных величин. [2] |
Датчик случайных величин, распределенных неравномерно. Все датчики неравномерно распределенных случайных величин включают в качестве составного элемента датчик равномерно распределенных случайных чисел. Затем используется один из методов перевода равномерно распределенного случайного числа ( или чисел) в случайное число с равномерным распределением. Необходимость рассмотрения неравномерно распределенных случайных чисел возникает как в дискретном, так и в непрерывном случае. [3]
Получая от датчика случайных величин случайные числа Ri, распределенные в интервале 0 - 1, можно по функциям распределения интервалов времени до аварии F T) и длительности времени восстановления F ( t) получить TI и t для данной реализации. [4]
Основой практического применения метода Монте-Карло являются датчики случайных величин и, в первую очередь, да1чнки равномерно распределенных случайных величин. [5]
Основой практического применения метода Монте-Карло являются датчики случайных величин и в первую очередь датчики равномерно распределенных случайных величин, так как, располагая датчиками равномерно распределенных случайных величин, можно, как будет показано ниже, получать случайные величины любого закона распределения. Эти датчики вводятся в конструкцию цифровой вычислительной машины, что дает возможность запрограммировать на такой машине решение задач по методу Монте-Карло. [6]
В простейшем случае при использовании значения одного последнего по времени опроса датчика случайной величины даже подбор масштабного коэффициента позволяет снизить влияние помехи на результат замера. Если бы, например, критерием качества было отношение дисперсии полезного сигнала к дисперсии шума в отфильтрованном сигнале, то такой фильтр был бы бесполезен. Таким образом, процедуру умножения измеряемого значения на постоянный коэффициент с целью снижения влияния помехи целесообразно условно также считать фильтрацией, в дальнейшем будем именовать ее фильтром нулевого порядка. [7]
Машина генерирует последовательности П.ч. ( иногда их называют просто случайными) с помощью датчика случайных величин. [8]
Первоначально применение вычислительной техники и статистических методов к решению прикладных задач характеризовались использованием так называемых физических датчиков случайных величин и датчиков псевдослучайных чисел, не сопровождавшимся серьезным анализом качества этих датчиков. [9]
Особенностью GPSS является возможность использования эмпирических функций распределения случайных величин, полученных в результате натурного эксперимента, для построения датчиков случайных величин. [10]
 |
Датчик равномерно распределенных случайных величин. [11] |
Датчик случайных величин, распределенных неравномерно. Все датчики неравномерно распределенных случайных величин включают в качестве составного элемента датчик равномерно распределенных случайных чисел. Затем используется один из методов перевода равномерно распределенного случайного числа ( или чисел) в случайное число с равномерным распределением. Необходимость рассмотрения неравномерно распределенных случайных чисел возникает как в дискретном, так и в непрерывном случае. [12]
Состояние системы в каждый момент времени определяется путем математического моделирования состояний всех элементов системы методом статистических испытаний. Практически это производится следующим образом; число из датчика случайных величин, равномерно распределенных в интервале от нуля до единицы, сравнивается с коэффициентом технического использования какого-то элемента схемы. [13]
ПЛАНИРОВАНИЕ ЭКСПЕРИМЕНТА [ experimental design techniques ] - математи-ко-статистическая дисциплина, изучающая методы рациональной организации экспериментальных исследований - от оптимального выбора исследуемых факторов и определения собственно пиана эксперимента в соответствии с его целью до методов анализа результатов. Основными понятиями теории П.э., имеющими значение для машинной имитации ( как экспериментального способа исследования экономики), являются управляемый фактор ( экзогенная или входная переменная), откчик ( реакция), план эксперимента, имитационная модель и др. Поскольку в имитационных экспериментах не бывает неуправляемых и ненаблюдаемых факторов ( что существенно искажает реальные условия, в которых такие факторы неизбежны), то в имитационную модель ( с помощью датчика случайных величин) вводятся случайные экзогенные переменные. При этом эксперимент сводится к серии ( выборке) проигрываний модели на ЭВМ. [14]
Одним из способов проверки правильности применения уравнений в схемах алгоритмов является использование известных результатов. При контроле достоверности логической схемы алгоритма модели можно рекомендовать такую последовательность действий: сравнить каждую функцию модели с ее реализацией в схеме алгоритма модели; проверить: полноту схемы алгоритма ( не отсутствуют ли необходимые функции системы); присутствие в схеме непредвиденных циклов; просмотреть все ветви схемы алгоритма при движении по предусмотренным в ней направлениям; проверить: узловые точки принятия решений и правильность их описания; правильность связей и переходов; ясность описания и точность представления алгоритмов блоков; полноту описания блоков и подблоков; правильность иерархической расстановки элементов схемы алгоритма; имеются ли вход и выход из схемы алгоритма; просмотреть все логические циклы и убедиться, что каждый из них имеет вход и выход; проверить: Правильность модификации факторов во всех блоках при многовариантном моделировании; правильность применяемого способа нумерации блоков; сравнить фактические значения выходных величин модели с предполагаемыми; проверить: правильность уравнений в блоках, включая размерности всех величин в уравнениях; использование выходных величин во всех уравнениях; правильность задания всех констант в уравнениях; правильность получения параметров и переменных; употребление всех математических и логических символов; правильность расчета производных в блоках; использование индексов; все скалярные и векторные величины; правильность задания специальных функций; работу всех датчиков случайных величин; правильность задания начальных значений всех параметров и переменных модели; оценить полноту таблиц параметров модели; проверить правильность реализации в блоках всех математических выражений. [15]
Страницы: 1 2