数学实验12精选课件.pptVIP

若连续型随机变量X的概率密度函数为 其中 0为常数，则称X服从参数为 的指数分布。 指数分布的期望值为 排队服务系统中顾客到达率为常数时的到达间隔、故障率为常数时零件的寿命都服从指数分布。 指数分布在排队论、可靠性分析中有广泛应用。 注意：Matlab中，产生参数为 的指数分布的命令为exprnd( ) 例 顾客到达某商店的间隔时间服从参数为0.1的指数分布 指数分布的均值为1/0.1=10。 指两个顾客到达商店的平均间隔时间是10个单位时间.即平均10个单位时间到达1个顾客. 顾客到达的间隔时间可用exprnd(10)模拟。 设离散型随机变量X的所有可能取值为0,1,2,…,且取各个值的概率为 其中 0为常数，则称X服从参数为 的帕松分布。 帕松分布在排队系统、产品检验、天文、物理等领域有广泛应用。 帕松分布的期望值为 如相继两个事件出现的间隔时间服从参数为 的指数分布，则在单位时间间隔内事件出现的次数服从参数为 的泊松分布．即单位时间内该事件出现k次的概率为： 反之亦然。 指数分布与帕松分布的关系： (1)指两个顾客到达商店的平均间隔时间是10个单位时间.即平均10个单位时间到达1个顾客. (2)指一个单位时间内平均到达0.1个顾客 例 (1)顾客到达某商店的间隔时间服从参数为0.1的指数分布 (2)该商店在单位时间内到达的顾客数服从参数为0.1的帕松分布 返回 例2　敌坦克分队对我方阵地实施突袭，其到达规律服从泊松分布，平均每分钟到达４辆．（1）模拟敌坦克在３分钟内到达目标区的数量，以及在第１、２、３分钟内各到达几辆坦克．（2）模拟在3分钟内每辆敌坦克的到达时刻。 （1）用poissrnd(4)进行模拟。 n1=poissrnd(4) n2=poissrnd(4) n3=poissrnd(4) n=n1+n2+n3 （2）坦克到达的间隔时间应服从参数为4的负指数分布，用exprnd（1/4）模拟。 Clear,t=0;j=0; while t3 j=j+1 t=t+exprnd(1/4) end 连续系统模拟实例: 追逐问题 状态随时间连续变化的系统称为连续系统。对连续系统的计算机模拟只能是近似的，只要这种近似达到一定的精度，也就可以满足要求。 例 追逐问题: 如图,正方形ABCD的四个顶点各有一人.在某一时刻,四人同时出发以匀速v=1米/秒按顺时针方向追逐下一人,如果他们始终保持对准目标,则最终按螺旋状曲线于中心点O.试求出这种情况下每个人的行进轨迹. O B C D A 1. 建立平面直角坐标系:A(x1,y1), B(x2,y2), C(x3,y3), D(x4,y4). 2. 取时间间隔为Δt,计算每一点在各个时刻的坐标. 4. 对每一个点，连接它在各时刻的位置,即得所求运动轨迹. 求解过程: v=1; dt=0.05; x=[0 0 10 10]; y=[0 10 10 0]; for i=1:4 plot(x(i),y(i),.),hold on end d=20; while(d0.1) x(5)=x(1);y(5)=y(1); for i=1:4 d=sqrt((x(i+1)-x(i))^2+(y(i+1)-y(i))^2); x(i)=x(i)+v*dt*(x(i+1)-x(i))/d; y(i)=y(i)+v*dt*(y(i+1)-y(i))/d; plot(x(i),y(i),.),hold on end end 计算程序: 离散系统模拟实例: 排队问题 排队论主要研究随机服务系统的工作过程。 在排队系统中，服务对象的到达时间和服务时间都是随机的。排队论通过对每个个别的随机服务现象的统计研究，找出反映这些随机现象平均特性的规律，从而为设计新的服务系统和改进现有服务系统的工作提供依据。 对于排队服务系统, 顾客常常注意排队的人是否太多, 等候的时间是否长, 而服务员则关心他空闲的时间是否太短. 于是人们常用排队的长度、等待的时间及服务利用率等指标来衡量系统的性能. 单服务员的排队模型： 在某商店有一个售货员，顾客陆续来到，售货员逐个地接待顾客．当到来的顾客较多时，一部分顾客便须排队等待，被接待后的顾客便离开商店．设： 1．顾客到来间隔时间服从参数为0.1的指数分布． ２．对顾客的服务时间服从［４，１５］上的均匀分布． ３．排队按先到先服务规则，队长无限制． 假定一个工作日为8小时，时间以分钟为单位。 模拟一个工作日内完成服务的个数及顾客平均等待时间t． 模拟100个工作日，求出平均每日完成服务的个数及每日顾