第六章模拟模型的输入处理.pptVIP

第6章 模拟模型的输入处理 ;6.1 模拟模型的输入分析;6.1.2 概率分布的参数估算 给定随机变量X及其概率分布函数F(x,?)，用统计分析的方法来估算出参数集合?。 首先，我们需要采集有关的数据，然后运用统计的方法来分析这些数据，并从中确定（估计）这些数据所服从的最佳分布，最后用这个分布来作为变量X的分布，由此确定F(x,?)的数值特征。 ;6.1.3 分析随机变量的基本方法 1）误差平方均值MSE（Mean Squared Error) 计算拟合误差的平方均值MSE，然后直接用MSE来评估数据拟合程度，最佳分布就是MSE值最小的分布：;2）?2检验 这是统计学中常用的一种拟合误差检验方法。 （1）检验的假设： H0：观察到的样本分布与期望的总体分布没有显著差别。 显著性水平一般定为5％，也即? = 0.05 （2）检验统计量为： 其中ei＝区间i的期望值（i=1,2,…,k），oi＝区间i的观察值。这个统计量服从参数为?和自由度为df=k-2的?2分布。 （3）检验的临界域（Critical Region）： 如果计算得出的检验统计量?2数值大于临界数值，我们将拒绝检验之假设H0，也即： 其中临界数值是根据显著性水平? = 0.05和检验统计量的自由度k-2确定的。 ;3）KS检验 这是统计学中常用的另一种拟合检验方法（LawKelton1984）。 MSE最为简单易行，但其结果也是最不可靠的。?2检验用的理论分布，KS检验用的是经验分布。;6.1.4 检验有关统计假设的方法 1）检验统计独立性假设的方法 （1）估计相关性的表格或图形显示法 假设我们采集了N个数据，我们把这些数据按下面的要求标注成图形：横坐标代表数据的采集顺序（比如采集的时间顺序），而纵坐标代表数据之间的相关性系数。 ;满足统计独立性要求之数据的相关性图形显示 ;（2）配对数据的分布图解法 就是把相邻的数据两两标注在坐标图上，纵横坐标都代表着数据的取值域。 ;2）检验分布平稳性假设的方法 （1）事件发生比例相对于模拟时间的图示 ;（2）事件发生的直方图 ;6.2 随机变量的生成;6.2.1 随机数的生成方法 1）midsquare method (平方取中) xi2 为4s位整数，不足4s位时，高位补0。 例，取s =2，x0 = 1234，则模 102s = 10000，那么： x02 = x1 = 5227 u1 = 0.5227 x12 = x2 = 3215 u2 = 0.3215 x22 = x3 = 3362 u3 = 0.3362 ……;2、midproduct method 3、constant multiplier method ;定理1：若给定任何随机变量的cdf为F (x) ，则Y = F (x)是在区间内的均匀分布随机变量，并与的分布特征无关。 ;6.2.1 逆变法 1）均匀分布 用逆变法求服从均匀分布的随机变量步骤如下： ;2）指数分布 求服从指数分布的随机变量X的逆变过程如下： ;3）韦伯分布 4）三角分布 5）离散分布 ;6.2.2 函数变换法;其中，;令;6.3 经验分布随机变量的产生 1）连续型经验分布随机变量的生成 连续型经验分布随机变量的生成可用插值法，即将各孤立的数据用直线连接起来，然后用这些折线近似描述随机变量的分布函数F(x)，再通过逆变法和内插法求得随机变量X。 如图1.6.13所示，F(x)为随机变量的分布函数，对应x1,x2,xi的值为F(x1)，F(x2)，… F(xi)…，现在我们说明产生随机变量x的过程。 ;例1.6.11 某厂修理机器所需时间(小时) 如表1.6.1所示，试用连续型经验分布产生随机变量X。 ;2）离散型经验分布随机变量的生成 例1.6.12 已知某机械设备每天加工完大零件的概率如下：一件也加工不完的概率为0.50，加工完??件的概率为0.30，加工完两件的概率为0.20，如表1.6.2所示。