ьша її обробка. У процесі обробки виявляється можливість подання параметра деяким теоретичним законом розподілу. Це необхідно у зв'язку з тим, що за певних законах розподілу основних параметрів системи і навантаження з'являється можливість створення аналітичної моделі, а при імітаційному моделюванні може виявитися простіше задати вид закону розподілу і основні статистичні характеристики, ніж представляти випадкову величину, наприклад, у вигляді таблиці.
Процедура підбору виду закону розподілу полягає в наступному. За сукупністю чисельних значень параметра будується гістограма відносних частот - емпірична щільність розподілу. Гістограма апроксимується плавною кривою. Отримана крива послідовно порівнюється з кривими щільності розподілу різних теоретичних законів розподілу. Вибирається один із законів по найкращому збігу виду порівнюваних кривих. За емпіричними значеннями обчислюють параметри цього розподілу. Потім виконують кількісну оцінку ступеня збігу емпіричного і теоретичного розподілу з того чи іншого критерію згоди, наприклад, Пірсона (хі-квадрат), Колмогорова, Смирнова, Фішера або Стьюдента. Питання підбору виду закону розподілу детально розроблені в математичній статистиці. p align="justify"> Особливу складність представляє збір даних по випадкових параметрах, які є функціями часу. У першу чергу такі параметри характерні для зовнішніх впливів. Нехтування фактами нестаціонарності параметрів, яке часто має місце на практиці моделювання, призводить до суттєвих порушень адекватності моделі. p align="justify"> Апроксимація функцій. Для кожного елемента системи існує функціональний зв'язок між параметрами вхідних впливів на цей елемент і його вихідними характеристиками. Вид функціональної залежності для одних елементів буває очевидний, для інших може бути легко виявлено виходячи з природи функціонування. Однак для деяких елементів може бути отримана тільки сукупність експериментальних даних про кількісні значеннях вихідних характеристик при різних значеннях параметрів. У цьому випадку виникає необхідність ввести деяку гіпотезу про характер функціональної залежності, тобто апроксимувати її певним математичним рівнянням. Пошук математичних залежностей між двома або більше змінними за зібраними досвідченим даними-може виконуватися за допомогою методів регресійного, кореляційного або дисперсійного аналізу.
Попередньо для опису певного елемента вид рівняння задає дослідник. При двох змінних це робиться досить просто за результатами порівняння графіка, на який нанесені експериментальні точки, з графіками найбільш поширених апроксимуючих функцій, таких як пряма, парабола, гіпербола, експонента і т. д. Потім методами регресійного аналізу обчислюються константи обраного рівняння таким чином, щоб забезпечити найкраще наближення кривої до експериментальних даних незалежно від того, наскільки добре вибраний вигляд кривої. Найчастіше наближення оцінюється за критерієм найменших квадратів. p align="justify"> Для з'ясування того, наскільки точно обрана залежність узгоджується з дослідними даними, використовується кореляційний аналіз. Коефіцієнт кореляції лежить в межах від 0 до В± 1, що відповідає зміні ступеня узгодження від повної відсутності кореляції до випадку, коли всі експериментальні точки лежать точно на кривій. p align="justify"> Висування гіпотез . По частині параметрів, які відображають нові елементи майбутньої системи або нові умови функціонування, відсутня можливість збору фактичних даних. Для таких параметрів висуваються гіпотези про їх можливі значеннях. Важливо, щоб гіпотези висували експерти-фахівці, які досить добре уявляють створювану систему або нові зовнішні впливи на систему. Більший успіх може бути досягнутий, якщо надають можливість отримати відомості від групи фахівців. У цьому випадку можна зменшити ступінь суб'єктивності і скористатися добре відпрацьованими методиками експертних оцінок. При проведенні даної роботи певні відомості можна отримати в результаті аналізу функціонування аналогічних, систем або прототипів майбутньої системи.
Закінчується етап збору та обробки вихідних даних класифікацією на зовнішні і внутрішні, постійні та змінні, безперервні і дискретні, лінійні і нелінійні, стаціонарні та нестаціонарні, детерміновані та стохастичні. Для змінних кількісних параметрів, якими може варіювати дослідник в ході моделювання, визначаються межі їх змін, а для дискретних - можливі значення. p align="justify"> 3. Розробка математичної моделі
Узагальнені моделі. Концептуальна модель і кількісні вихідні дані служать основою для розробки математичної моделі. Створення математичної моделі переслідує дві основні мети: 1) дати формалізований опис структури і процесу...
