Прикладное программирование, 1 семестр (Lexicon)

---

запомнить в избранное   искать в этом разделе

---

ВНИМАНИЕ !!! Это сокращенная версия файла. Предназначена она только для того, чтобы вы могли предварительно ознакомиться с документом, перед тем как его скачать. Здесь нет картинок, не сохранен формат, шрифт, размеры и положение на странице.
Чтобы скачать полную версию, нажмите ссылки которые находятся чуть-чуть ниже (Info File Mail)

---

Info File Mail

Файл относится к разделу:
ПРОГРАММИРОВАHИЕ, БАЗЫ ДАHHЫХ

---

ПРИКЛАДНОЕ ПРОГРАММИРОВАНИЕ В ТЕХНИЧЕСКИХ СИСТЕМАХ
ЛЕКЦИЯ N 16
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ
ФОРМУЛИРОВАНИЕ МОДЕЛИ
Каждое исследование охватывает и сбор данных, под которым
обычно понимают получение каких-то "численных" характеристик. Но
это только одна сторона сбора данных. Системного аналитика должны
интересовать входные и выходные данные изучаемой системы, а также
информация о различных компонентах системы, взаимозависимостях и
соотношениях между ними. Поэтому он заинтересован в "сборе как
количественных, так и качественных данных; он должен решить, какие из них необходимы, насколько они соответствуют поставленной
задаче и как собрать всю эту информацию. Учебники обычно сообщают
студенту нужную для решения задачи информацию без ссылок на то,
как она была собрана и оценена. Но когда такой студент впервые
сталкивается с реальной задачей и при этом сам должен определить,
какие данные ему нужны и как их отобрать, то голова у него идет
кругом.
Создавая стохастическую имитационную модель, всегда приходится решать, следует ли в модели использовать имеющиеся эмпирические данные непосредственно или целесообразно использовать теоретико-вероятностные или частотные распределения. Этот выбор имеет фундаментальное значение по трем причинам. Во-первых, использование необработанных эмпирических данных означает, что, как бы
вы ни старались, вы можете имитировать только прошлое. Использование данных за один год отобразит работу системы за этот год и
не обязательно скажет нам что-либо об ожидаемых особенностях работы системы в будущем. При этом возможными будут считаться только те события, которые уже происходили. Одно дело предполагать,
что данное распределение в своей основной форме будет неизменным
во времени, и совсем иное дело считать, что характерные особенности данного года будут всегда повторяться. Во-вторых, в общем
случае применение теоретических частотных или вероятностных распределений с учетом требований к машинному времени и памяти более
эффективно, чем использован

• подписаться на рассылку. • добавить в избранное. • нашли ошибки ?

Это место