- •2. Моделирование статистического анализа; факторный анализ, анализ временных рядов.
- •3. Имитационное моделирование систем, технологических процессов; источники погрешностей моделирования.
- •4. Моделирование процессов в аналоговых схемах; синтез устройств управления.
- •5. Моделирование работы цифровых электронных схем, процессов в дискретных схемах.
3. Имитационное моделирование систем, технологических процессов; источники погрешностей моделирования.
Задание: выбрать верные 1
Имитационное моделирование – это:
(+) компьютерное моделирование
Метод Монте-Карло не является:
(+) методом физического моделирования
Основное достоинство метода статистических испытаний (Монте-Карло):
(+) универсальность
Числа, вырабатываемые датчиком случайных чисел должны удовлетворять следующим требованиям (три ответа)…
(+) равномерность
(+) независимость
(+) большой цикл повторяемости
Процедуру моделирования несовместных случайных событий называют:
(+) выбором по жребию
Методы моделирования случайных величин с заданным законом распределения (два ответа)…
(+) метод обратной функции
(+) метод, основанный на математическом смысле случайной величины
В основе какого метода лежит следующая теорема.
Какой бы закон распределения F(x) ни имела случайная величина Х, функция случайного аргумента z(x), равная z(x)=F(x), имеет равномерное распределение в интервале [0,1]:
(+) метод обратной функции
Закон распределения случайной величины, к которой не применим метод обратной функции:
(+) нормальный
Между законом распределения случайной величины и моделированием ее значений с помощью датчика случайных чисел r
С1 Вейбулла О1 x=–a∙[ln(1–r)] (1/b)
С2 Гаусса О2
С3 экспоненциальный О3 x=– [ln(1–r)]/
С4 экспоненциальный со сдвигом О4 x= – [ln(1–r)]/+х0
С5 Эрланга О5
Случайная величина распределенная по закону Пуассона может моделироваться:
(+) ни одним из двух методов – Эйлера или Ньютона
Случайная величина распределенная по биномиальному закону может моделироваться:
(+) любым из двух методов – обратной функции или основанном на математическом смысле случайной величины
Для моделирования случайной величины распределенной по закону Эрланга используется:
(+) два метода – обратной функции и основанный на математическом смысле случайной величины
Зависимость погрешности статистических оценок показателей от числа реализаций процесса моделирования N:
(+)
Если требуется по заданному числу испытаний N определить вероятность события р=m/N, где m – число успехов, то достаточной статистикой является:
(+) m
Определить соответствие законов распределения межпоездных интервалов и законов распределения числа поездов в межподстанционной зоне для известных моделей потока поездов
C1 геометрический О1 биномиальный
С2 экспоненциальный О2 Пуассона
С3 экспоненциальный со сдвигом О3 L-закон
Поток поездов – это:
(+) ординарный стационарный поток с ограниченным последействием
В какой из известных моделей потока поездов нет аналитического выражения для закона распределения числа поездов в межподстанционной зоне:
(+) W - поток
L-закон является:
(+) специально выведенным для модели Е - потока
Моделирование потока поездов в межподстанционной зоне сводится к (два ответа)…
(+) моделированию интервала до первого поезда в межподстанционной зоне
(+) последовательному моделированию интервалов между поездами до конца межподстанционной зоны
Для моделирования случайных процессов:
(+) не существует универсальных методов
Моделирование фидерного тока – это :
(+) моделирование случайного процесса
Для расчета фидерного тока необходимо сначала смоделировать при двустороннем питании (четыре ответа)…
(+) число поездов
(+) местоположения поездов
(+) типы поездов
(+) токи поездов с учетом случайного разброса
Для расчета фидерного тока необходимо сначала смоделировать при одностороннем питании (три ответа)…
(+) число поездов
(+) типы поездов
(+) токи поездов с учетом случайного разброса
Подходы к моделированию потока поездов (два ответа)…
(+) моделирование движения поездов
(+) моделирование поездных ситуаций
Моделирование движения поездов позволяет получить:
(+) закон распределения и корреляционную функцию фидерного тока
Моделирование по поездным ситуациям позволяет получить:
(+) только закон распределения фидерного тока
Наиболее эффективный метод для моделирования редких событий – больших или малых фидерных токов:
(+) аналитико-статистический
Какие бывают погрешности (два ответа)…
(+) систематические
(+) случайные
Источники погрешностей при заглублении модели (два ответа)…
(+) не учет случайного разброса
(+) линеаризация
Источники погрешностей при решении задачи на компьютере (два ответа)…
(+) дискретизация по уровню
(+) дискретизация по времени