Академический Документы
Профессиональный Документы
Культура Документы
Выполнил:
Принял:
Москва 2021
Содержание
Лабораторная работа №1.......................................................................................3
Лабораторная работа №2.....................................................................................14
Лабораторная работа №3.....................................................................................21
Лабораторная работа №4.....................................................................................30
Лабораторная работа №5.....................................................................................41
2
Лабораторная работа №1
«Дисперсионный анализ»
Цель работы:
1) изучение метода дисперсионного анализа с целью установления
влияния факторов (входных величин) на отклик системы;
2) исследование вопросов применимости метода дисперсионного
анализа для решения конкретных статистических задач.
Постановка задачи:
во многих областях практической деятельности встречаются процессы,
состояния которых зависят от входных переменных (факторов), не имеющих
количественного описания. Для изучения влияния факторов на выходную
функцию (отклик), их общего оценивания, ранжирования и выделения среди
них существенных используется подход, получивший название
дисперсионный анализ. Идея подхода заключается в изучении влияния
факторов по величинам дисперсии выходной величины (отклика).
Дисперсионный анализ состоит в выделении и оценке отдельных
факторов, вызывающих изменчивость значений функций отклика. С этой
целью производится разложение дисперсии наблюденных значений отклика
на составляющие, порождаемые независимыми факторами.
Рассмотрим постановку задачи дисперсионного анализа в общем виде.
Выходная переменная Y может зависеть (по физическим причинам) от n
независимых факторов (x1, x2…xn), притом факторы не всегда имеют
количественное описание. Каждый фактор может варьироваться на m уровнях.
Каждая строка с индексом j содержит m наблюдений выходной переменной Y.
3
Требуется определить, в какой мере существенно на фоне случайных
2
σ ε незначимо, то разброс наблюдений, который она характеризует, связан
4
2
2) фактора X с дисперсией σ x , что приводит к общему рассеянию
2 2
наблюдений, то их общая дисперсия является суммой σ x + σ ε , а ее оценка:
S 20 ( y )≈σ 2x +σ 2ε .
6
1
n
Sx σ 2x
2
S ( y i )= ∑ ( y − y ) = p (n−1 )≈ p
n−1 i=1 i
2
(6)
,
дисперсии.
Предположим теперь, что влияние фактора Х на отклик существенно,
7
2
влияния фактора Х, дисперсия S x при этом также увеличивается и перестает
2
σε
2 2 2
служить оценкой только p , откуда следует, что S x≈σ ε + pσ x .
Из сделанного второго предположения очевидно, что при влиянии
2 2 2
фактора Х оценки S 0 , Sε , S x неоднородны. Следовательно, сопоставляя эти
выборочные дисперсии, можно принять решение о справедливости первого
или второго предположения относительно существенности влияния фактора Х
2
(с дисперсией σ x ) на отклик.
Оценка влияния фактора:
для того, чтобы влияние фактора Х было признано существенным
2
S x2
( σ x >0), необходимо и достаточно, чтобы оценка дисперсии значимо
2
отличалось от S ε . Проверку исходной гипотезы Н0 об однородности этих
выборочных дисперсии можно осуществить с помощью критерия Фишера:
2
Sx
FH= (8)
. S 2ε
При использовании критерия Фишера применяется следующее правило
8
Таблица 9 на 10 из чего следует, что критерий Фишера берётся
равным 2,06:
9
Код:
10
Общее среднее значение:
11
Влияние фактора случайности (Se) и выборочная дисперсия
внутри серий (Se2):
13
Лабораторная работа №2
«Системы массового обслуживания»
Цель работы:
изучение системы массового обслуживания (СМО) с отказами и
исследование вопросов оптимального построения подобных систем.
Постановка задачи:
пусть в n-канальной равнодоступной СМО действуют два потока: ·
входной поток заявок; · поток освобождений каналов.
Пусть оба потока являются простейшими с интенсивностью
соответственно λ и μ.
СМО с отказами характерна тем, что если заявка застает свободным
хотя бы один канал, то она принимается к обслуживанию и обслуживается до
конца любым из свободных каналов. Если же заявка застает все n каналов
занятыми, то она получает отказ и покидает систему необслуженной.
СМО с отказами описывается следующим множеством состояний: 𝐴0 –
все n каналов свободны, в системе нет заявок; 𝐴1 – занят один канал,
обслуживается 1 заявка; 𝐴 – занято 𝑘 < каналов, обслуживается k заявок; 𝐴𝑛 –
заняты все n каналов, обслуживается n заявок.
Размеченный граф состояний для СМО с отказами может быть
представлен в следующем виде:
15
Формулы Эрланга (6) дают предельный закон распределения
вероятностей числа занятых каналов в зависимости от параметров входного
потока заявок и потока обслуживания.
Поведение СМО с отказами в стационарном режиме описывается
следующими основными характеристиками: Вероятность отказа заявке в
обслуживании:
16
Код:
17
График, построенный на базе заданных данных на базе MATLAB:
Расчеты
μ 19 20 21
Pотказа 0.0131 0.0111 0.0096
18
Вероятность отказа (Poтказа) при числе линий (n1) равным пяти и цена
этого улучшения (S1):
19
Лабораторная работа №3
«Система массового обслуживания с ожиданием»
Цели работы:
1) изучение системы массового обслуживания (СМО) с ожиданиями;
2) исследование вопросов оптимального построения подобных систем.
Содержание работы:
изучить основные характеристики СМО с отказами;
ответить на вопросы теста;
с использованием ЭВМ решить конкретные задачи;
получить результаты и составить отчет по работе.
Описание СМО с ожиданием:
рассмотрим следующую СМО с простейшими потоками заявок λ и
обслуживания μ: поступившая заявка может обслуживаться любым свободным
каналом; если все п каналов заняты, поступившая заявка становится в очередь
и ждет своего обслуживания. Будем считать, что число мест в очереди
неограниченно, причем заявка, вставшая в очередь раньше, и будет
обслуживаться раньше.
Подобные системы называют СМО с ожиданием. В этих системах
общее число заявок, находящихся в системе, складывается из обслуживаемых
заявок и заявок, находящихся в очереди. Поэтому СМО с ожиданием можно
характеризовать следующим бесконечным множеством состояний:
А0 – все n каналов свободны, в системе нет заявок и нет очереди;
()
k k
1 λ α
Pk = P0 = P0 , 0<k<n α= λ (2)
k! μ k! , μ .
Последние уравнения системы (1), начиная с п+1, одинаковы по
структуре. С помощью вспомогательных переменных:
z r =λPn+r−1−μ nP n+r , (3)
эти уравнения можно записать в виде:
z s −z s+1=0 , (4)
откуда имеем
z r+1=z r =…=z 0 . (5)
Учитывая соотношения (3) и (5), получим следующую рекуррентную
формулу:
λ
Pn+r = P (6)
μn n+r−1 .
Применяя (6) r раз последовательно, получим
21
λr λn+r α n+r
Pn+r = P n= P 0 = P0 (7)
μr nr μn+r nr n! n !nn+r .
[ ( ) ( ) ∑( ) ] .
n ∞ n
1 λ k 1 λ n ∞
λ r
∑ Pk +∑ Pn+r=P0 ∑ k ! μ + n ! μ nμ
(8)
k =0 r=1 k=0 r=1
λ α
ρ= =
Обозначим nμ n . Пусть ρ≤1, тогда сумма бесконечно убывающей
∞
ρ
∑ ρr= 1− ρ
геометрической прогрессии со знаменателем ρ равна r=1 . Соотношение
(8) примет вид:
[ ]
n n
() ()
∞
1 λ k 1 λ n ρ
∑ Pk +∑ Pn+r =P0 ∑ k ! μ + n ! μ ⋅1−ρ
k=0 r=1 k=0 ,
откуда
1
P0 = n
∑ k1! ( μλ ) + n1! ( μλ ) ⋅1−ρ
k n
ρ (9)
k=0 .
С использованием соотношения (9) нетрудно подсчитать основные
характеристики СМО с ожиданием.
1
P0 = n k n
∑ αk ! + αn !⋅1−ρ
ρ (10)
k=0 .
Вероятность того, что все каналы заняты:
22
n
α
Pn = P (11)
n! 0 .
mr
t ож= (14)
λ .
N з=n−N c . (16)
Коэффициент простоя каналов:
Nc
K п= (17)
n .
Nз
K з= (18)
n .
23
поступает λ судов, а среднее время разгрузки одного судна составляет ν
1
μ=
рабочих дней, т.е. интенсивность разгрузки ν судов в сутки.
24
Код:
25
График, построенный на базе заданных данных на базе MATLAB:
26
Расчеты MATLAB выведенные в таблицу:
n P0 Pn Mr t Nc Nz C1
0.025 3.235 1.1805e+0
4 0.1171 2.5909 0.4711 0.7647
6 3 4
0.028 3.591 1.1186e+0
5 0.0841 1.8608 0.3383 1.4090
5 0 4
0.032 3.670 1.0084e+0
6 0.0514 1.1384 0.2070 2.3294
3 6 4
0.035 3.568 8.9831e+0
7 0.0262 0.5803 0.1055 3.4319
6 1 3
0.037 3.425 8.2624e+0
8 0.0112 0.2484 0.0452 4.5747
7 3 3
0.038 3.323 7.9648e+0
9 0.0041 0.917 0.0167 5.6670
7 0 3
1 0.039 3.269 7.9454e+0
0.0014 0.0300 0.0055 6.7303
0 1 7 3
1 0.039 4.0008e- 3.247 8.0626e+0
0.0089 0.0016 7.7529
1 3 04 1 3
1 0.039 1.0799e- 4.3451e- 3.238 8.2349e+0
0.0024 8.7611
2 3 04 04 9 3
1 0.039 2.6883e- 1.0817e- 3.236 8.4266e+0
5.9493e-04 9.7637
3 3 05 04 3 3
1 0.039 6.2130e- 2.4999e- 10.764 3.235 8.6243e+0
1.3750e-04
4 3 06 05 4 6 3
1 0.039 1.3401e- 5.3921e- 11.764 3.235 8.8237e+0
2.9656e-05
5 3 06 06 6 4 3
Наиболее выгодная цена суточного обслуживания порта равна С1 = 1.0084e+04
27
Вывод: в ходе лабораторной работы мы изучили теорию и выполнили
расчеты, просчитали траты (потери) на обслуживание порта, при этом был
определён наиболее выгодный способ обслуживания, представляющим собой
увеличение числа причалов до 12, стоимость которого
равняется 1.0084e+04 y.e.
28
Лабораторная работа №4
«Проверка статистических гипотез»
Цель работы:
уяснение сути методов проверки статистических гипотез,
используемых в теории надёжности изделий и систем ракетно-космической
техники. Закрепление навыков студентов в проверке некоторых часто
используемых статистических гипотез.
29
5. Если окажется, что |r α , min( r α ,max )|≥ r α , то гипотеза отвергается и
следует отбросить данное экспериментальное значение выборки.
[ ]
n 2
1 2∙ i− 1
u= +∑ F x ( xi ) − ,
12 ∙ n i=1 2∙ n
30
где n – количество экспериментальных точек; F x ( xi ) – теоретическое
значение исследуемой функции распределения при параметрах распределения
(mx и D x), найденных из эксперимента; i – порядковый номер наблюдения в
упорядоченной по возрастанию выборке.
Если проверяется нормальный закон распределения, то вместо
функции F x ( xi ) берётся табличное значение нормированной нормальной
функции распределения, то есть:
F x ( xi ) =Φ
( Dx )
x i − mx
.
31
l
n ( ℎ j − p j )2
u=∑ ,
j =1 pj
P j=Φ ( x j +1 − mx
Dx
−Φ ) (
x j − mx
Dx
. )
4. Критическая граница uα для нормального закона распределения
ищется по таблице χ 2 (распределение Пирсона) с (l −3) степенями свободы.
То есть, для нормального закона распределения uα = χ 2.
5. Проверяется условие u<u α. Если оно выполняется, то расхождение
между экспериментальными данными и гипотезой полагают несущественным.
В противном случае гипотеза H 0 отвергается.
32
Проверка гипотезы о равенстве двух дисперсий из нормально
распределённых генеральных совокупностей
Прежде, чем сравнивать между собой две выборки, необходимо
убедиться, что дисперсии этих двух выборок равны между собой в
статистическом смысле. Такая проверка делается с помощью критерия
Фишера.
1. Выдвигается гипотеза H 0: D2x1=D 2x 2.
2. Выбирается уровень значимости α.
3. Критической статистикой служит следующая функция:
D2x 1 2 2
F= 2
, если Dx 1 > D x 2
D x2
2
Dx 2 2 2
F= 2
, если D x 1 < D x 2
D x1
m x1 −m x2
t= √n .
√ D x 1+ D x 2
2 2
t=
m x1 −m x2
√ n1 n2
,
√ ( n −1 ) ∙ D 2x 1+ ( n− 1 ) ∙ D2x2 n1 +n 2
n1 + n2 − 2
34
По варианту даны следующий вариационный ряд:
N: 92, 98, 104, 120, 110, 88, 81, 102, 112, 95.
Гипотезы:
1. о резко выделяющихся членах выборки.
2. о законе распределения по м. Смирнова.
35
Код:
36
Расчеты производимые в MATLAB, а также информация, выведенная в
табличные значения:
Задание 1:
m D rmin rmax
100.2000 11.8397 0.7301 0.4630
Задание 2:
37
Значения критической границы по методу Смирнова:
ans
u
logical
12.5360 0
38
Вывод: в данной лабораторной работе были проверены гипотезы:
1) о резко выделяющихся членах выборки;
2) о законе распределения по м. Смирнова.
Также были рассчитаны и сравнены с табличными значениями критические
значения статистик, в результате чего был сделан вывод, что гипотеза о
законе распределения по м. Смирнова в частном случае неверна.
39
Лабораторная работа №5
«Дисперсионный анализ в EXCEL»
Цель работы:
изучение метода дисперсионного анализа с целью установления
влияния факторов (входных величин) на отклик системы и исследование
вопросов применимости метода дисперсионного анализа для решения
конкретных статистических задач, при помощи программы EXCEL с пакетом
«анализ данных».
Исходные данные:
0,7794 3,6119 4,9549 5,2122 0,8164 0,4558 2,9355 0,7918 1,0139
3,4129 1,5778 3,2301 0,5066 5,2158 1,4395 2,0263 5,6523 3,8947
2,8163 3,9245 5,9768 2,3987 3,4782 0,7399 5,4003 5,7368 4,3903
0,0714 4,1353 0,4691 1,5592 3,2992 1,1034 2,2155 3,4513 3,8865
2,0227 4,4889 2,6561 4,8004 0,8697 1,4397 0,6672 0,3587 2,7055
0,9731 2,7032 0,6399 2,5885 5,1182 2,5036 4,6815 1,4087 3,2821
4,7657 0,5029 5,7714 5,4639 3,7323 0,2979 2,3384 2,119 1,7779
1,8673 1,3739 0,0278 1,0911 2,1057 5,4163 1,4501 4,9272 4,4682
3,1712 5,48 4,6495 1,5828 3,0795 5,6687 2,4235 0,0924 1,1337
0,9939 0,9143 4,9038 0,8732 2,4108 2,9452 0,5787 0,2581 4,1207
40
Расчеты производимые в MATLAB, а также информация,
выведенная в табличные значения:
Наименование Se Se2
Внутри серий 7.2203e+08 8.9140e+06
-//- Sx Sx2
Между сериями 1.1930e+09 1.4913e+08
-//- F
Критерий Фишера 0.5341e+05
41
Вывод: проверили расчеты MATLAB при помощи пакета
«Анализ данных» в программе EXСEL, чтобы сравнить данные на
подлинность результата.
42