Содержание
- 2. Рейтингова система оцінювання знань
- 3. ЗМІСТ ДИСЦИПЛІНИ 1. Основні поняття теорії моделювання 2. Моделювання випадкових явищ 3. Технологія імітаційного моделювання 4.
- 4. Мета викладання дисципліни: засвоєння методів імітаційного моделювання складних систем. Студент повинен знати: ● методи імітаційного моделювання
- 5. ЛІТЕРАТУРА 1. Акопов А.С. Имитационное моделирование : учебник и практикум для академического бакалавриата / М. :
- 6. ГЛОБАЛЬНА ПРОБЛЕМА
- 7. ПІДХОДИ ДО ВИРОБЛЕННЯ РІШЕНЬ Основа: Математична модель задачі прийняття рішень (ЗПР); Імітаційна модель керованого процесу (системи);
- 8. ВИРОБЛЕННЯ РІШЕНЬ НА ОСНОВІ МАТЕМАТИЧНОЇ МОДЕЛІ
- 9. ВИРОБЛЕННЯ РІШЕНЬ НА ОСНОВІ ІМІТАЦІЙНОЇ МОДЕЛІ
- 10. ВИРОБЛЕННЯ РІШЕНЬ НА ОСНОВІ ЕКСПЕРТНОЇ МОДЕЛІ
- 11. 1. Основні поняття теорії моделювання Модель - опис об'єкту на формальній мові, що дозволяє виводити судження
- 12. ГАЛУЗІ ЗАСТОСУВАННЯ МЕТОДІВ МОДЕЛЮВАННЯ
- 13. ІМІТАЦІЙНЕ МОДЕЛЮВАННЯ – реалізація моделюючого алгоритму, який формально відтворює процес функціонування реального об'єкту. Елементарні явища, що
- 14. ПРИКЛАД ІМІТАЦІЙНОГО МОДЕЛЮВАННЯ
- 15. СХЕМА МОДЕЛЮЮЧОГО АЛГОРИТМУ (ПОЧАТОК)
- 16. СХЕМА МОДЕЛЮЮЧОГО АЛГОРИТМУ (кінець)
- 17. ЗАГАЛЬНА СХЕМА ОБ’ЄКТА МОДЕЛЮВАННЯ (СИСТЕМИ)
- 18. ФОРМАЛЬНИЙ ОПИС СИСТЕМИ (1)
- 19. ФОРМАЛЬНИЙ ОПИС СИСТЕМИ (2)
- 20. 2. Моделювання випадкових явищ
- 22. ПРЕДСТАВЛЕННЯ ЗНАЧЕНЬ
- 23. ІМОВІРНІСНІ ХАРАКТЕРИСТИКИ
- 24. СПОСОБИ формування послідовностей випадкових чисел, рівномірно розподілених в інтервалі [0,1]
- 25. АЛГОРИТМІЧНІ МЕТОДИ формування послідовностей псевдовипадкових чисел в інтервалі [0,1] мультиплікативний метод (метод вирахувань); метод підсумовування; метод
- 26. МУЛЬТИПЛІКАТИВНИЙ МЕТОД
- 27. ІЛЮСТРАЦІЯ МУЛЬТИПЛІКАТИВНОГО МЕТОДУ
- 28. МЕТОД ПІДСУМОВУВАННЯ
- 29. ІЛЮСТРАЦІЯ МЕТОДУ ПІДСУМОВУВАННЯ
- 30. МЕТОД УСІКАННЯ
- 31. ІЛЮСТРАЦІЯ МЕТОДУ УСІКАННЯ (1)
- 32. ІЛЮСТРАЦІЯ МЕТОДУ УСІКАННЯ (2)
- 33. ПРОГРАМНІ ЗАСОБИ формування послідовностей псевдовипадкових чисел C++: double result=min+double(rand()) / RAND_MAX * (max - min); C#:
- 34. ПЕРЕВІРКА ЯКОСТІ послідовностей псевдовипадкових чисел, отриманих алгоритмичними методами Тест частот – перевірка рівномірності розподілу псевдовипадкових чисел
- 35. Карл Пірсон (27.03.1857 – 27.04.1936) Професор прикладної математики і механіки Лондонського університетського коледжу. Професор геометрії Грэшем-коледжу.
- 36. ТЕСТ ЧАСТОТ (1)
- 37. ТЕСТ ЧАСТОТ (2)
- 39. ТЕСТ ПАР
- 40. ТЕСТ ПАР (1 спосіб)
- 41. ТЕСТ ПАР (2 спосіб)
- 42. МОДЕЛЮВАННЯ ВИПАДКОВОЇ ПОДІЇ
- 43. МОДЕЛЮВАННЯ ГРУПИ ВИПАДКОВИХ ПОДІЙ
- 44. МОДЕЛЮВАННЯ ЗАЛЕЖНИХ ВИПАДКОВИХ ПОДІЙ (спосіб 1)
- 45. МОДЕЛЮВАННЯ ЗАЛЕЖНИХ ВИПАДКОВИХ ПОДІЙ (спосіб 2)
- 46. Марков Андрій Андрійович (1856-1922) - російський математик, професор Санкт-Петербурзького університету, академік Імператорської Санкт-Петербурзької академії наук. Вніс
- 47. ПОНЯТТЯ МАРКІВСЬКОГО ЛАНЦЮГА
- 48. МОДЕЛЮВАННЯ МАРКІВСЬКИХ ЛАНЦЮГІВ (1)
- 49. МОДЕЛЮВАННЯ МАРКІВСЬКИХ ЛАНЦЮГІВ (2)
- 50. МОДЕЛЮВАННЯ ВИПАДКОВИХ ВЕЛИЧИН
- 51. МОДЕЛЮВАННЯ ДИСКРЕТНИХ ВИПАДКОВИХ ВЕЛИЧИН
- 52. МЕТОДИ МОДЕЛЮВАННЯ БЕЗПЕРЕРВНИХ ВИПАДКОВИХ ВЕЛИЧИН прямого перетворення (зворотній функції); кускової апроксимації функції щільності; відсіювання (виключення); моделювання
- 53. МЕТОД ПРЯМОГО ПЕРЕТВОРЕННЯ
- 54. ПРИКЛАД ЗАСТОСУВАННЯ МЕТОДУ ПРЯМОГО ПЕРЕТВОРЕННЯ
- 55. МЕТОД КУСКОВОЇ АПРОКСИМАЦІЇ
- 56. КУСКОВО-ПОСТІЙНА АПРОКСИМАЦІЯ
- 58. КУСКОВО-ЛІНІЙНА АПРОКСИМАЦІЯ
- 60. МЕТОД ВІДСІЮВАННЯ (1)
- 61. МЕТОД ВІДСІЮВАННЯ (2)
- 62. МЕТОД ВІДСІЮВАННЯ (3)
- 63. МОДЕЛЮВАННЯ НОРМАЛЬНОГО РОЗПОДІЛУ (1)
- 64. ФОРМУВАННЯ НОРМОВАНОЇ ВЕЛИЧИНИ
- 65. МОДЕЛЮВАННЯ НОРМАЛЬНОГО РОЗПОДІЛУ (2)
- 66. МОДЕЛЮВАННЯ РОЗПОДІЛУ ПУАССОНА
- 67. МОДЕЛЮВАННЯ ВИПАДКОВИХ ВЕКТОРІВ (1)
- 68. МОДЕЛЮВАННЯ ВИПАДКОВИХ ВЕКТОРІВ (2)
- 69. МОДЕЛЮВАННЯ ВИПАДКОВИХ ВЕКТОРІВ (3)
- 70. МОДЕЛЮВАННЯ ВИПАДКОВИХ ФУНКЦІЙ (1)
- 71. МОДЕЛЮВАННЯ ВИПАДКОВИХ ФУНКЦІЙ (2)
- 72. МОДЕЛЮВАННЯ СТАЦІОНАРНИХ ВИПАДКОВИХ ФУНКЦІЙ (1)
- 73. МОДЕЛЮВАННЯ СТАЦІОНАРНИХ ВИПАДКОВИХ ФУНКЦІЙ (2)
- 74. 3. ТЕХНОЛОГІЯ ІМІТАЦІЙНОГО МОДЕЛЮВАННЯ ЕТАПИ ІМІТАЦІЙНОГО МОДЕЛЮВАННЯ побудова математичної моделі процесу функціонування об'єкту; комп’ютерна реалізація моделюючого
- 75. ПОБУДОВА МАТЕМАТИЧНОЇ МОДЕЛІ постановка задачі моделювання; вибір незалежних і залежних змінних, характеристик станів і шуканих характеристик
- 76. КОМП’ЮТЕРНА РЕАЛІЗАЦІЯ МОДЕЛЮЮЧОГО АЛГОРИТМУ побудова логічної схеми моделюючого алгоритму; програмування моделюючого алгоритму; визначення необхідної кількості реалізацій
- 77. ПРИНЦИПИ ПОБУДОВИ МОДЕЛЮЮЧИХ АЛГОРИТМІВ
- 80. 5. ОБРОБКА РЕЗУЛЬТАТІВ ЕКСПЕРИМЕНТУ
- 81. Оцінка середнього значення випадкової величини
- 82. Оцінка кореляційного моменту двох випадкових величин
- 83. Оцінка математичного очікування випадкового процесу
- 84. Оцінка математичного очікування стаціонарного випадкового процесу, що має ергодичну властивість
- 85. Оцінка кореляційної функції стаціонарного випадкового процесу, що має ергодичну властивість
- 86. Перевірка статистичних гіпотез
- 87. Точність і достовірність результатів імітаційного моделювання
- 88. Квантіль нормального розподілу
- 89. Значення функції Лапласа
- 90. Значення квантіля нормального розподілу
- 91. Розрахунок кількості експериментів при визначенні ймовірності випадкової події
- 92. ОЦІНКА ВІРОГІДНОСТІ
- 93. ОЦІНКА ДИСПЕРСІЇ
- 94. НЕОБХІДНА КІЛЬКІСТЬ ЕКСПЕРИМЕНТІВ
- 95. Приклад розрахунку кількості експериментів при визначенні ймовірності випадкової події
- 96. КІЛЬКІСТЬ ЕКСПЕРИМЕНТІВ ПРИ ВІДНОСНІЙ ТОЧНОСТІ
- 98. НЕОБХІДНА КІЛЬКІСТЬ ЕКСПЕРИМЕНТІВ
- 100. Скачать презентацию