Witness中随机分布函数.pptVIP

Witness 中随机分布函数 　为了方便用户构建随机仿真模型，Witness 提供了14 种整型、实数型的标准随机分布函数，它们能返回一系列理论分布的随机样本值。Witness 选择这些分布是因为这些理论分布已经在相当长时间内广泛使用的，而且也是在仿真中被认为是十分有效的。 　2．3．1 伪随机数流PRNS 　　　Witness 不是储存了大量的预先定义的随机数，而是储备了1,000 个不同的数列或者叫伪随机数流PRNS（Pseudo-Random Number Stream）。我们在使用一个标准分布时，必须输入一个伪随机数流和相关的分布函数。 例如，一台机器组装零部件的时间服从泊松分布，均值为5 分钟，我们将伪随机数流PRN1 用到这个分布中，即POISSON(5,1)，则在仿真过程中，系统将使用它储备的1000 个伪随机流中的第一个数列作为种子数，依次生成服从均值为5 的泊松分布随机数流。这样通过调用不同的伪随机数流，在同一次仿真过程中机器每次组装零部件的时间是随机的，而在不同的仿真运行中Witness 产生的组装时间随机数流则是相同的。 由于伪随机流的存在，我们可以改变模型中的一个参数值，保持其它参数不变，重新运行模型，比较仿真运行的结果，从而可以了解该因素对仿真系统的影响。 Witness 提供了如下14 种标准随机分布函数： 1. BETA β分布； 2. NORMAL 正态分布； 3. BINOMIAL 二项分布； 4. POISSON 泊松分布； 5. ERLANG 爱尔朗分布； 6. RANDOM 0-1 均匀分布； 7. GAMMA γ分布； 8. TNORMAL 截断正态分布； 9. IUNIFORM 整数均匀分布； 10. TRIANGLE 三角分布； 11. LOGNORML 对数正态分布； 12. UNIFORM 均匀分布； 13. NEGEXP 负指数分布； 14. WEIBULL 威伯分布 函数下面我们将从如下五方面来介绍以上的随机分布： 函数的名称与函数的简介； 函数语法结构及其参数，所有函数的最后一个参数都是伪随机数流； 分布曲线（曲线图中，横轴表示函数的返回值，纵轴表示对应返回值的发生概率）； 随机分布函数调用示例； 适用情况。 1．BETA（β分布） 该函数提供服从β分布的随机样本值，返回值为实数。适用于在实际系统的数据有限、数据变化范围大的情况。 语法结构：BETA（shape，scale，prns） 参数： shape： 形状参数，实数； scale：比例参数，实数； prns：伪随机数流，整数。 当shape = 1.5, scale = 5 时，分布曲线如图2.1 所示。图2.1 中横轴表示可能取值， 纵轴表示对应取值的概率。 （2） NORMAL（正态分布） 该函数提供服从正态分布的样本值，返回值为实数。该函数是应用最为广泛的一种分布，分布曲线关于均值对称的，经常运用于工作时间围绕均值波动的随机情况。 语法结构： NORMAL（Mean，SD，prns） 参数： Mean: 分布均值，实数； SD：标准差，实数； Prns：为随机数流，整数。 分布曲线： 分布曲线如下图： 函数调用示例： X = NORMAL (10.0,3.0,1) X = NORMAL (5.0,2,2) 适用情况： 机器加工时间等。 注： 从图上可以看出，有95%的随机数据落在两倍标准差之内；如果标准差的数值越小，则数据对均值的波动性就越小。 正态分布可能会产生负的值，所以在使用它作为时间间隔的随机变量时，要特别小心。 （3）BINOMIAL（二项分布） 该函数提供服从二项分布的样本值，返回值为整数。在给定的成功几率和试验次数条件下，该函数返回成功的次数。例如，特定供应商提供的发动机次品率为10%，可以使用二项分布来获得批量为5的n批发动机中每批的次品数，有时是1个，有时是2个……，如下面的第一个图形所示。 语法结构： BINOMIAL（prob，trials ，prns） 参数： prob: 几率，[0，1]之间的实数； trials：试验次数或批量，整数； Prns：为随机数流，整数。 分布曲线： 当prob=0.1，trials=5时，分布曲线如下： 当prob=0.5，trials=5时，分布曲线如下： 函数调用示例： J = BINOMIAL(0.1, 5, 1) J = BINOMIAL(0.1, 10, 1) J = BINOMIAL(0.5, 5, 1) J = BINOMIAL(0.5, 10, 1) 适用情况： 指定尺寸的一批货物当中的次品数目； 仓库中需要的货物的品种数量。 （4）PO