第七章 仿真输入数据分析 系统建模和 与仿真课件.pptVIP

第七章 仿真输入数据分析;输入数据的正确性直接影响仿真的结果，正确收集和分析数据是系统仿真的重要组成部分。 输入数据分析的一般步骤是： 1、数据收集； 2、分布识别； 3、参数估计； 4、假设检验。 ;数据收集;独立性检验;分布的识别;一、直方图法 直方图法是根据所收集的有效数据，绘制直方图，然后分别与几类不同的概率密度函数曲线比较，确定直方图与哪一类分布的密度函数接近或相似。 例如：某银行为提高服务窗口的工作效率，决定用仿真研究窗口的设置。为此，需确定在固定时间内顾客到达间隔时间X(min)的分布形式。在固定的时间内有221名顾客来到，每相邻的两个顾客到达的时间间隔，从小到大排列如表;顾客到达的时间间隔;二、分位点-分位点（q-q）图 q-q图建立在yi是X的（j-1/2）/n分位点的估计，即 的近似的基础上。若选定的分布F是X的一个合适的分布，那么yi关于 的图形接近一条直线，如果F的参数值合适，该直线的斜率为1。;汽车装配线上车门的安装时间如下; q-q图;用Excel作q-q图虽然可省去繁杂的计算，但还是比较麻烦。现在已有许多数据软件，例如@risk、SPSS等软件包可方便地用来产生q-q曲线。;三、数字特征法 常用数字特征部分地描述分布的一些特征，而这些数字特征又可用样本数据来估计，因此可用数字特征概略地估计输入数据的概率分布。;常用数字特征及其点估计;一些常用分布的莱克西斯比率和偏差系数;参数估计;极大似然法的步骤如下： 1、写出似然函数 2、求出lnL及似然方程 3、解似然方程求出参数θj的估计值 。 ;单位时间打入电话总机的电话次数是服从泊松分布的随机变量 其中xi是单位时间打入的电话次数，λ是未知参数，其似然函数为 或 ;于是有 则 因此，λ的极大似然估计为 ; 一分钟内打入电话数;假设检验;一、柯尔莫哥洛夫—斯米尔诺夫（K-S）检验 K-S检验是在每一点上考察样本经验分布函数与总体分布函数间的偏差，适用于理论分布F0完全已知的连续分布函数情况。具体步骤是： 1、假设 2、随机数x1，x2，……，xn按大小排列，记为x（1），x（2），……，x（n）； 3、计算K-S检验的统计量 的值 其中 ;4、对给定的水平α，查K-S分布表的临界值Dα(n)： 5、若 则接受假设H0，即认为观测数据与理论分布拟合较好；否则，拒绝假设，认为观测数据与理论分布不相符。 ;用柯尔莫哥洛夫—斯米尔诺夫检验法检验如下一组容量为10的样本： 是否接受分布函数为： 均匀分布的假设 ;计算;二、分布拟合的 χ2 检验 K-S检验考察每点处的经验分布与理论分布的差异，χ2 检验分组处理样本区间，用K.Pearson提出的统计量χ2来检验总体是否服从一个预先给定的连续或离散的分布。χ2 检验的具体步骤是： 1、假设 2、将实数轴分成若干互不相交的区间[a0,a1)，[a1,a2)，……，[ak-1,ak) ;3、计算概率pi=P{ ai-1 X ≤ ai}=F0(ai)－F0(ai－1)，（i =1,2,……,k），由此计算理论频数npi； 4、计算落在每个区间[ai-1,ai)的样本观测数，即经验频数fi； 5、计算皮尔逊统计量 6、由χ2分布表查给定水平α的临界值 ； 7、比较χ2与临界值 ，若 则接受零假定，反之则拒绝零假设。 ;用χ2检验银行服务窗口的数据是否符合指数分布？ 因为λ＝2.380695，理论分布函数为 将区间[0,∞）分为如下10个子区间 ;1、计算各区间的概率和理论频数 2、计算到达间隔的统计量χ2 3、由表查临界值 χ2＝5.3427 ＝15.507 接服从λ＝2.380的负指数分布的假设。 ;离散事件系统仿真采用的MonteCarlo方法，其本质是统计抽样试验，仿真过程中输入数据是来自总体的样本，样本的有效性决定决定仿真结果的有效性，不可靠的输入数据会导致错误的建议。因此，必须对输入的数据进行分析，输入数据分析的内容是：数据收集，分布识别，参数估计，假设检验。 ;