第八节 输入数据分析.ppt

六、相关性分析 系统运行过程中，随机变量有多个，如激励存在多种因素的影响；系统参数的变化等。这些随机变量之间可能是独立的，也有可能是相互有牵连的，牵连程度的强弱有所不同。需要进行相关性分析。 相关性分析的目的：更好地了解系统以及系统随机变量的关联性，更正确地把握问题的关键。 六、相关性分析 协方差和相关系数 1 协方差和相关系数是X1和X2之间线性相关程度的度量 设X1和X2是两个随机变量，令 分别是Xi的均值和方差。 X1和X2的协方差的定义为 六、相关性分析 相关系数 ρ越接近于-1或1，X1和X2之间的线性关系就越强 六、相关性分析 样本协方差 相关系数 提前期 6.5 4.3 6.9 6.0 6.9 6.9 5.8 7.3 4.5 6.3 需求量 103 83 116 97 112 104 106 109 92 96 六、相关性分析 例题9.20：令X1表示工业机器人交货的平均提前期，X2表示年需求量。下面的数据是过去10年的需求量和提前期： 计算得到： 六、相关性分析 因此 提前期和需求量有很强的依赖性 单变量线性回归 2 假设要估计在自变量x与一个因变量y之间的相关性。设在y与x之间真实相关是线性关系，这里观察值y是随机变量。而x是数学变量。那么在给定x的值之下，y的期望值假设是 式中：?0为一未知常数，是x取零时y的值； ?1为斜率，即x变化一个单位所引起的y的变化，也是一个待定的未知常数。 六、相关性分析 假设 y 的每一个观察值可用下式表示 y = ?0 + ?1 x + ? 式中? 是均值为0，方差为?2的随机误差。 假设存在n对观察值(xi ，yi)，i=1，2，……，n，通常采用最小二乘法来估计上式中的yi 。设 yi = ?0 + ?1 xi + ?i i=1，2，……，n， 则 ?i = yi - ?0 - ?1 xi 假设?是不相关的随机变量。 六、相关性分析 随机变量偏差? 的平方和为(最小二乘法函数形式) 为了使L（偏差）极小，可求出 和 ，并置它们为0，从而可 以得到?0 、?1的线性代数方程，既有： 六、相关性分析 回归显著性检验 2 检验统计量的构造方法 β1的均方误差： 在xi处观测值yi与回归值yi之间的误差为 均方误差值为 也称为回归的剩余方差，它是 误差方差的无偏估计量。 ^ 六、相关性分析 构造检验统计量 服从自由度为n-2的t分布。 设定一个显著性水平α，当 时，x、y是显著相关。 六、相关性分析 提前期 6.5 4.3 6.9 6 6.9 6.9 5.8 7.3 4.5 6.3 需求量 103 83 116 97 112 104 106 109 92 96 六、相关性分析 计算出： 六、相关性分析 * 一、输入数据的收集 第八章 输入数据分析 二、分布的识别 三、参数估计 四、拟合度检验 五、相关性分析 ?模型的输入数据哪里来？ 输入数据分析 生产仿真结果的准确性 生产模型的准确建立 仿真数据的准确性 输入数据是仿真模型的动力 GIGO（garbage in garbage out） 系统名称 典型的输入数据 排队系统 顾客到达的间隔时间 顾客被服务时间的分布 自动化物流系统 货物到达间隔时间 装载时间 卸载时间 生产系统 作业到达的间隔时间 作业类型的概率 每种作业每道工序服务时间的分布 可靠性系统 生产无故障作业时间 系统的仿真依靠这些原型系统的运行数据，缺乏这些数据的实验和实验值的提取，仿真也就毫无意义。 收集原始数据 基本统计分布的辨识 参 数 估 计 拟合度检验 可信否？ 否 是 是输入数据分析的基础，需要分析的经验，对收集的方法、数据需要做预先的设计和估算。因此这是一个关键的、细致的工作。 通过统计的数学手段（计数统计、频率分析、直方图制作等），得出统计分布的假设函数（如：正态分布、负指数分布、Erlang分布等） 根据统计特征，计算确定系统的假设分布参数。 运用统计分布的检验方法，对假设的分布函数进行可信度检验。通常采用的是?2检验。 正确输入数据 一、输入数据的收集 做好仿真计划，详细规划仿真所需要收集的数据 在收集数据过程中要注意分析数据 数据的均匀组合 收集的数据要满足独立性的要求 数据自相关性的检验 根据问题的特征，进行仿真的前期研究。分析影响系统