жен інтервал і підраховують загальну кількість вимірювань. Після завершення експерименту для кожного інтервалу обчислюють відношення числа влучень характеристики до загального числа вимірювань і довжині інтервалу. Для побудованої гістограми можна спробувати підібрати теоретичний закон розподілу. Робиться це так само, як і при підготовці вихідних даних моделювання. p align="justify"> Якщо шукана характеристика є стаціонарною випадковою функцією часу y (t) і має властивість ергодичності, то для її оцінки обчислення середнього за часом замінюється обчисленням середнього по безлічі вимірювань при одному досить тривалому експерименті.
Для випадкових нестаціонарних характеристик період моделювання T розбивається на відрізки з постійним кроком T m (прогони або перетину), і запам'ятовуються значення характеристики в кінці кожного прогону. Проводиться серія експериментів з різними послідовностями випадкових параметрів моделі. Потім вимірювання кожного перерізу обробляються як при оцінці випадкових величин. У книзі розглянуто методику цих обчислень.
Процеси обробки вимірювань імітаційного експерименту спрямовані на отримання інтегральних характеристик, тобто на стиснення даних.
Визначення залежностей характеристик від параметрів системи. За результатами статистичного моделювання може бути проведений аналіз залежностей характеристик від параметрів системи і зовнішніх впливів. Для цього можна скористатися кореляційним, дисперсійним або регресійним методами.
За допомогою кореляційного аналізу можна встановити наявність зв'язку між двома або більше випадковими величинами. Оцінкою зв'язку служить коефіцієнт кореляції при наявності лінійного зв'язку між величинами і нормальному законі їх спільного розподілу. Коефіцієнт кореляції, що дорівнює одиниці за абсолютною величиною, свідчить про наявність функціональної нестохастичної лінійного зв'язку між аналізованими величинами. При рівності нулю коефіцієнта кореляції зв'язок відсутній. Проміжні значення коефіцієнта кореляції відповідають наявності лінійного зв'язку з розсіюванням або нелінійної кореляції. p align="justify"> Дисперсійний аналіз можна використовувати для встановлення відносного впливу різних факторів на значення вихідних характеристик. При цьому загальна дисперсія характеристики розкладається на компоненти, відповідні розглядаються чинникам. За значеннями окремих компонентів роблять висновок про ступінь впливу того чи іншого чинника на аналізовану характеристику. p align="justify"> Коли всі фактори в експерименті є кількісними, можна знайти аналітичну залежність між характеристиками і чинниками. Для цього використовуються методи регресійного аналізу. Знайдена залежність називається емпіричною моделлю. Регресійний аналіз полягає в тому, що вибирається вид співвідношення між залежними і незалежними змінними, за експериментальними даними обчислюються параметри обраної залежності і оцінюється якість апроксимації експериментальних даних моделлю. Якщо якість незадовільна, береться залежність іншого виду, і процедура повторюється. p align="justify"> До аналізу результатів моделювання можна віднести завдання аналізу чутливості моделі до варіацій її параметрів. Під аналізом чутливості розуміють перевірку стійкості характеристик процесу функціонування системи до можливих відхилень значень параметрів. p align="justify"> Аналіз результатів моделювання дозволяє уточнити безліч інформативних параметрів моделі, що може призвести до істотної зміни первісного вигляду концептуальної моделі; знайти функціональні залежності характеристик і параметрів, що іноді дає можливість створити аналітичні моделі системи, або визначити вагові коефіцієнти критерію ефективності.
Використання результатів моделювання. У кінцевому рахунку результати моделювання використовуються для прийняття рішення про працездатність системи, для вибору кращого проектного варіанту або для оптимізації системи. Рішення про працездатність приймається по тому, виходять або не виходять характеристики системи за встановлені межі за будь-яких допустимих змінах параметрів. При виборі кращого варіанту з усіх працездатних варіантів вибирається той, у якого максимальне значення критерію ефективності. Найбільш загальною і складною є оптимізація системи: потрібно знайти таке поєднання значень змінних параметрів системи або робочого навантаження з безлічі допустимих, яке максимізує значення критерію ефективності:
В
при дотриманні обмежень на всі п характеристик
В
Якщо вихідна характеристика yi, є випадковою величиною з деякою щільністю розподілу f (yi) , доцільно ввести в завдання оптимізації стохастичні обмеження такого вигляду:
В
де - м...
