சீரான விநியோகம்.சீரற்ற மதிப்பு எக்ஸ்.இது பிரிவின் எல்லைகளால் தேர்ந்தெடுக்கப்பட்ட புள்ளியின் ஒருங்கிணைப்புகளை அர்த்தப்படுத்துகிறது

[A, b. சீரற்ற மாறியின் சீரான விநியோகம் அடர்த்தி எக்ஸ்.(படம் 10.5, ஆனாலும்) நீங்கள் வரையறுக்கலாம்:

படம். 10.5. சீரற்ற மாறி சீருடை விநியோகம்: ஆனாலும் - விநியோக அடர்த்தி; பி - விநியோக செயல்பாடு

சீரற்ற மாறி விநியோகம் செயல்பாடு எக்ஸ். இது வடிவம்:

சீரான விநியோக செயல்பாட்டின் வரைபடம் படத்தில் காட்டப்பட்டுள்ளது. 10.5, b.

சீருடையில் விநியோகிக்கப்பட்ட மென்பொருளின் மாற்றியமைக்கப்பட்ட மென்பொருள் (10.3):

கணித எதிர்பார்ப்பு மற்றும் சிதைவு எளிதில் தொடர்புடைய வரையறையிலிருந்து நேரடியாக கணக்கிடப்படுகிறது:

கணித எதிர்பார்ப்பு மற்றும் சிதைவுகளுக்கான இதே போன்ற சூத்திரங்கள், சூத்திரங்கள் (10.8), (10.9) பயன்படுத்தி லப்ப்ளேஸ் உருமாற்றங்களைப் பயன்படுத்தி பெறலாம்.

சீரான விநியோகம் மூலம் விவரிக்கக்கூடிய ஒரு முறைமையின் ஒரு உதாரணத்தை கருத்தில் கொள்ளுங்கள்.

குறுக்கீட்டில் போக்குவரத்து இயக்கம் ஒரு தானியங்கி போக்குவரத்து ஒளி மூலம் கட்டுப்படுத்தப்படுகிறது, இதில் பச்சை விளக்கு லிட்டர் மற்றும் 0.5 நிமிடம் - சிவப்பு. டிரைவர்கள் ஒரு சீரற்ற தருணங்களில் குறுக்கீடு வரைந்து போக்குவரத்து ஒளி வேலை தொடர்புடைய இல்லை என்று ஒரு சீரான தருணங்களில். கார் நிறுத்தாமல் குறுக்கிடுவதைத் தடுக்கும் சாத்தியக்கூறைக் காண்கிறோம்.

வெட்டும் வழியாக காரின் பத்தியில் 1 + 0.5 \u003d 1.5 நிமிடங்கள் வரம்பில் சமமாக விநியோகிக்கப்படுகிறது. பயணத்தின் தருணத்தின் தருணத்தில் இடைவெளியில் இடைவெளியில் விழும் போது காரை வெட்டுவதன் மூலம் கடந்து செல்லும். வரம்பில் ஒரு சீரான முறையில் விநியோகிக்கப்பட்ட சீரற்ற மாறி, இடைவெளியில் நுழைவதற்கான நிகழ்தகவு 1 / 1.5 \u003d 2/3 ஆகும். நேரம் r சரி உணவு சாப்பிட காத்திருக்கிறது சீரற்ற மதிப்பு. 2/3 ஒரு நிகழ்தகவு மூலம், அது பூஜ்யம், மற்றும் 0.5 / 1.5 ஒரு நிகழ்தகவு 0 மற்றும் 0.5 நிமிடம் இடையே எந்த மதிப்பு எடுக்கும். இதன் விளைவாக, சந்திப்பில் எதிர்பார்ப்புகளை வழங்கும் சராசரி நேரம் மற்றும் சிதைவு

அதிவேகமான (குறிக்கோள்) விநியோகம்.அதிவேக விநியோகத்திற்காக, சீரற்ற மாறியின் விநியோகம் அடர்த்தி எழுதப்படலாம்:

அங்கு ஒரு அழைப்பு விநியோக அளவுருவை அழைக்கப்படுகிறது.

அதிவேக விநியோகத்தின் நிகழ்தகவு அடர்த்தி அட்டவணை படத்தில் வழங்கப்படுகிறது. 10.6, ஆனாலும்.

விரிவான விநியோகம் கொண்ட ஒரு சீரற்ற மாறி விநியோக செயல்பாடு வடிவம் உள்ளது

படம். 10.6. சீரற்ற மாறி அதிவேக விநியோகம்: ஆனாலும் - விநியோக அடர்த்தி; பி - பகிர்வு செயல்பாடு

அதிவேக விநியோகத்தின் செயல்பாட்டின் வரைபடம் படத்தில் காட்டப்பட்டுள்ளது. 10.6, 6.

மென்பொருள் கணக்கிடுவதன் மூலம் (10.3) கணக்கிடுவதன் மூலம் அதிவேகமான விநியோகத்தின் கலவையை மாற்றுதல்:

நாம் ஒரு சீரற்ற மாறிக்கு என்று காட்டுகிறோம் எக்ஸ் ஒரு அதிவேக விநியோகம் கொண்ட, கணித எதிர்பார்ப்பு நிலையான விலகல் ஒரு மற்றும் அளவுரு அளவு ஒரு சமநிலை ஒரு சமமாக உள்ளது ::

எனவே, நாம் அதிவேக விநியோகம் நாம்: நீங்கள் அதை காட்ட முடியும்

அந்த. அதிவேக விநியோகம் ஒரு நடுத்தர மதிப்பு அல்லது அளவுருவை முழுமையாக வகைப்படுத்தப்படுகிறது. எக்ஸ். .

அதிவேக விநியோகம் அருகில் உள்ளது பயனுள்ள பண்புகள்மாடலிங் சேவை அமைப்புகள் போது பயன்படுத்தப்படும். உதாரணமாக, அது நினைவகம் இல்லை. எப்பொழுது டி

வேறு வார்த்தைகளில் கூறுவதானால், சீரற்ற மதிப்பு நேரம் பொருந்தும் என்றால், மீதமுள்ள கால விநியோகம் ஏற்கனவே கடந்து என்று நேரம் சார்ந்து இல்லை. இந்த சொத்து படம் விளக்குகிறது. 10.7.

படம். 10.7.

ஒரு செயல்பாட்டு அளவுருக்கள் ஒரு அதிவேக விநியோகம் மூலம் விவரிக்கப்படக்கூடிய ஒரு முறையின் ஒரு உதாரணம் கருத்தில் கொள்ளுங்கள்.

நேரம் சீரற்ற தருணங்களில் சில சாதனம் வேலை செய்யும் போது, \u200b\u200bதவறுகள் ஏற்படும். சாதனத்தின் செயல்பாட்டின் நேரம் டி அதன் சேர்ப்பிலிருந்து, தவறு ஏற்படும் வரை, அளவுருவுடன் அதிவேகமான சட்டத்தால் விநியோகிக்கப்படும் வரை எக்ஸ். ஒரு செயலிழப்பு கண்டறியப்பட்டால், சாதனம் உடனடியாக பழுதுபார்ப்புக்குள் நுழைகிறது, இது நேரத்தை / 0 தொடர்கிறது. இரண்டு பக்கவாட்டு தவறுகள், கணித எதிர்பார்ப்பு மற்றும் சிதைவு ஆகியவற்றிற்கு இடையேயான நேரத்தின் நேரத்தை வழங்குவதற்கான அடர்த்தி மற்றும் செயல்பாட்டைக் கண்டுபிடிப்போம் டி. எச். இன்னும் இருக்கும் 2t 0.

பின்னர், பின்னர்

சாதாரண விநியோகம்.இயல்பான ஒரு தொடர்ச்சியான சீரற்ற மாறி நிகழ்தகவுகளை விநியோகம் என்று அழைக்கப்படுகிறது, இது அடர்த்தி விவரிக்கப்படுகிறது

(10.48) இருந்து இது சாதாரண விநியோகம் இரண்டு அளவுருக்கள் தீர்மானிக்கப்படுகிறது என்று பின்வருமாறு - கணித எதிர்பார்ப்பு டி மற்றும் சிதைவு 2. ஒரு சாதாரண விநியோகத்துடன் ஒரு சீரற்ற மாறி நிகழ்தகவுகளின் வரைபடம் t \u003d.0, மற்றும் 2 \u003d 1 படம் காட்டப்பட்டுள்ளது. 10.8, ஆனாலும்.

படம். 10.8. சீரற்ற மாறி விநியோகத்தின் சாதாரண சட்டம் எப்போது டி \u003d 0, கலை 2 \u003d 1: ஆனாலும் - நிகழ்தகவு அடர்த்தி; 6 - விநியோக செயல்பாடு

விநியோக செயல்பாடு சூத்திரத்தால் விவரிக்கப்படுகிறது

சாதாரணமாக விநியோகிக்கப்பட்ட சீரற்ற மாறி நிகழ்தகவு விநியோக செயல்பாட்டின் வரைபடம் டி \u003d 0, மற்றும் 2 \u003d 1 படம் காட்டப்பட்டுள்ளது. 10.8, b.

நாம் சாத்தியக்கூறுகளை வரையறுக்கிறோம் எக்ஸ்.இது இடைவெளியில் சொந்தமான மதிப்பை எடுக்கும் (A, P):

எங்கே - லாப்ளேஸ் செயல்பாடு, மற்றும் சாத்தியக்கூறுகள்

விலகல் முழுமையான மதிப்பு ஒரு நேர்மறையான எண் 6 ஐ விட குறைவாக உள்ளது:

குறிப்பாக, எப்போது t \u003d. 0 சமத்துவம் உண்மை:

பார்க்க முடியும் என, ஒரு சாதாரண விநியோகம் ஒரு சீரற்ற மாறி நேர்மறை மதிப்புகள் மற்றும் எதிர்மறை இருவரும் எடுக்க முடியும். எனவே, தருணங்களை கணக்கிட, லப்பிள் இருதரப்பு மாற்றம் பயன்படுத்த வேண்டும்

எனினும், இந்த ஒருங்கிணைந்த அவசியம் இல்லை. அது இருந்தால், அதற்கு பதிலாக (10.50), வெளிப்பாடு பொதுவாக பயன்படுத்தப்படுகிறது

இது அழைக்கப்படுகிறது பண்பு செயல்பாடு அல்லது தருணங்களின் செயல்பாடு.

சாதாரண விநியோகம் தருணங்களின் உற்பத்தி செயல்பாடு ஃபார்முலா (10.51) கணக்கிடுங்கள்:

நுட்பமான வெளிப்பாட்டின் எண்ணிக்கையை மாற்றியமைத்த பிறகு வகைக்கு நாம் கிடைக்கும்

ஒருங்கிணைந்தன

இது அளவுருக்கள் கொண்ட சாதாரண நிகழ்தகவு அடர்த்தியின் ஒரு ஒருங்கிணைந்த என்பதால் t + எனவே 2. மற்றும் 2. எனவே,

வேறுபாடு (10.52), நாம் பெறுகிறோம்

இந்த வெளிப்பாடுகளிலிருந்து நீங்கள் தருணங்களைக் காணலாம்:

இயல்பான விநியோகம் நடைமுறையில் பரவலாக உள்ளது, இது மத்திய வரம்பு தேற்றத்தின் படி, சீரற்ற மதிப்பு பரஸ்பர சுதந்திரமான சீரற்ற மாறிகள் மிக அதிக எண்ணிக்கையிலான மொத்த தொகை என்றால், இவை ஒவ்வொன்றின் செல்வாக்கும் சிறியதாக இருக்கும், இது ஒரு பரவலாக உள்ளது சாதாரணமாக.

ஒரு சாதாரண விநியோகத்தால் விவரிக்கப்படக்கூடிய ஒரு முறையின் ஒரு எடுத்துக்காட்டு கருத்தில் கொள்ளுங்கள்.

நிறுவனம் குறிப்பிட்ட அளவுக்கு ஒரு விவரத்தை உருவாக்குகிறது. விவரங்களின் தரம் அதன் அளவை அளவிடுவதன் மூலம் மதிப்பிடப்படுகிறது. சீரற்ற அளவீட்டு பிழைகள் சராசரியாக இருபடி விலகல் ஒரு சாதாரண சட்டத்திற்கு கீழ்ப்படுத்தப்படுகின்றன. ஆனாலும் - Yumkm. அளவீட்டு பிழை 15 μm க்கு மேல் இருக்காது என்ற சாத்தியக்கூறைக் காண்கிறோம்.

(10.49) படி நாம் காண்கிறோம்

விவாதிக்கப்பட்ட விநியோகங்களைப் பயன்படுத்துவதற்கான வசதிக்காக, மேஜையில் விளைவாக சூத்திரங்களை குறைப்போம். 10.1 மற்றும் 10.2.

அட்டவணை 10.1. தொடர்ச்சியான விநியோகங்களின் முக்கிய பண்புகள்

அட்டவணை 10.2. தொடர்ச்சியான விநியோக செயல்பாடுகளை நிகழ்த்துதல்

கட்டுப்பாட்டு கேள்விகள்

• 1. நிகழ்தகவுகளைத் தொடர்ந்து தொடர்புபடுத்துவது என்ன?
• 2. LaPlas Stnetetes மாற்றம் என்ன? அது என்ன பயன்படுத்தப்படுகிறது?
• 3. லேபிள்-பாணி மாற்றங்களைப் பயன்படுத்தி சீரற்ற மாறிகளின் தருணங்களை எவ்வாறு கணக்கிடுவது?
• 4. சுயாதீனமான சீரற்ற மாறிகள் தொகையின் மடிப்பு மாற்றம் என்ன?
• 5. ஒரு மாநிலத்திலிருந்து மற்றொரு மாநிலத்தின் மாற்றத்தை மாற்றியமைப்பது எப்படி சிக்னல் வரைபடங்களைப் பயன்படுத்துவது?
• 6. சீரான விநியோகத்தின் அடிப்படை பண்புகளை கொடுங்கள். சேவை பணிகளில் அதன் பயன்பாட்டின் உதாரணங்களைக் கொடுங்கள்.
• 7. அதிவேகமான விநியோகத்தின் முக்கிய சிறப்பியல்புகளை கொடுங்கள். சேவை பணிகளில் அதன் பயன்பாட்டின் உதாரணங்களைக் கொடுங்கள்.
• 8. சாதாரண விநியோகத்தின் அடிப்படை பண்புகளை கொடுங்கள். சேவை பணிகளில் அதன் பயன்பாட்டின் உதாரணங்களைக் கொடுங்கள்.

முன்னர் குறிப்பிட்டுள்ளபடி, நிகழ்தகவு விநியோகங்களின் எடுத்துக்காட்டுகள் தொடர்ச்சியான சீரற்ற மாறி X:

• தொடர்ச்சியான சீரற்ற மாறி நிகழ்தகவுகளின் சீரான விநியோகம்;
• தொடர்ச்சியான சீரற்ற மாறி நிகழ்தகவுகளின் புள்ளிவிவரங்கள்;
• சாதாரண விநியோகம் தொடர்ச்சியான சீரற்ற மாறி நிகழ்தகவுகள்.

நாங்கள் சீருடை மற்றும் அடையாளச் சட்டங்களின் கருத்தை, நிகழ்தகவு சூத்திரங்கள், நிகழ்தகவு சூத்திரம் மற்றும் கருத்துக்களின் செயல்பாடுகளின் எண்ணியல் பண்புகளை வழங்குவோம்.

பேருக்கு	Ranodern விநியோக சட்டம்	குறிக்கோள் விநியோக சட்டம்
வரையறை	சீரான என்று அழைக்கப்படுகிறது ஒரு தொடர்ச்சியான சீரற்ற மாறி எக்ஸ் நிகழ்தகவுகளின் விநியோகம், அடர்த்தியின் அடர்த்தி பிரிவில் ஒரு நிலையான மதிப்பை வைத்திருக்கிறது மற்றும் உள்ளது	சுட்டிக்காட்டி (அதிவேகமான) என்று அழைக்கப்படுகிறது ஒரு தொடர்ச்சியான சீரற்ற மாறி x இன் நிகழ்தகவுகளின் விநியோகம், ஒரு பார்வை கொண்ட அடர்த்தி மூலம் விவரிக்கப்படுகிறது
		எங்கே λ ஒரு நிலையான நேர்மறை மதிப்பு
பகிர்வு செயல்பாடு
நிகழ்தகவு தாக்கல் இடைவெளி
எதிர்பார்க்கப்படும் மதிப்பு
சிதறல்
சராசரி இருபடி விலகல்

தலைப்பில் சிக்கல்களை தீர்க்கும் எடுத்துக்காட்டுகள் "சீருடை மற்றும் குறிக்கோள் சட்டங்கள்"

பணி 1.

பேருந்துகள் கண்டிப்பாக திட்டமிடப்படுகின்றன. இயக்கம் இடைவெளி 7 நிமிடம். கண்டுபிடி: a) கடத்தலுக்கு அணுகும் பயணிகள் இரண்டு நிமிடங்களுக்கும் குறைவான மற்றொரு பஸ்சை எதிர்பார்க்கும் சாத்தியம்; b) கடத்தலுக்கு அணுகும் பயணிகள் மற்றொரு பஸ்சை குறைந்தது மூன்று நிமிடங்கள் எதிர்பார்க்கலாம் என்று சாத்தியம்; சி) கணித எதிர்பார்ப்பு மற்றும் சீரற்ற மாறி x இன் சராசரி இருபடி விலகல் எக்ஸ் பயணிகள் காத்திருக்கும் நேரம் ஆகும்.

முடிவு. 1. பிரச்சனையின் நிபந்தனையால், தொடர்ச்சியான சீரற்ற மதிப்பு x \u003d (பயணிகள் காத்திருக்கும் நேரம்) ஒரே மாதிரியாக விநியோகிக்கப்பட்டது இரண்டு பஸ்கள் வருகைக்கு இடையில். சீரற்ற மாறி x இன் விநியோக இடைவெளியின் நீளம் B - A \u003d 7 க்கு சமமாக உள்ளது, அங்கு ஒரு \u003d 0, b \u003d 7.

2. சீரற்ற மதிப்பு x இடைவெளியில் (5; 7) நுழைந்தால், காத்திருக்கும் நேரம் இரண்டு நிமிடங்களுக்கும் குறைவாக இருக்கும். குறிப்பிட்ட இடைவெளியில் நுழைவதற்கான நிகழ்தகவு சூத்திரத்தால் காணப்படும்: பி (x 1.<Х<х 2)=(х 2 -х 1)/(b-a) .
ப (5.< Х < 7) = (7-5)/(7-0) = 2/7 ≈ 0,286.

3. காத்திருக்கும் நேரம் குறைந்தது மூன்று நிமிடங்கள் (I.E. மூன்று முதல் ஏழு நிமிடம் வரை) இருக்கும். சீரற்ற மதிப்பு x இடைவெளியில் (0; 4) விழும் என்றால். குறிப்பிட்ட இடைவெளியில் நுழைவதற்கான நிகழ்தகவு சூத்திரத்தால் காணப்படும்: பி (x 1.<Х<х 2)=(х 2 -х 1)/(b-a) .
ப (0.< Х < 4) = (4-0)/(7-0) = 4/7 ≈ 0,571.

4. ஒரு தொடர்ச்சியான, சீராக விநியோகிக்கப்பட்ட சீரற்ற மாறி x இன் கணித எதிர்பார்ப்பு - பயணிகள் காத்திருக்கும் நேரம், நாங்கள் சூத்திரத்தை கண்டுபிடிப்போம்: M (x) \u003d (A + B) / 2. M (x) \u003d (0 + 7) / 2 \u003d 7/2 \u003d 3.5.

5. ஒரு தொடர்ச்சியான, சீரான முறையில் விநியோகிக்கப்பட்ட சீரற்ற மாறி எக்ஸ் சராசரி indricatic விலகல் எக்ஸ் - பயணிகள் காத்திருக்கும் நேரம், நாங்கள் சூத்திரத்தை கண்டுபிடிப்போம்: σ (x) \u003d √d \u003d (b-a) / 2√3. σ (x) \u003d (7-0) / 2√3 \u003d 7 / 2√3≈2.02.

பணி 2.

குறிக்கோள் விநியோகம் x ≥ 0 அடர்த்தி f (x) \u003d 5e - 5x இல் அமைக்கப்பட்டுள்ளது. தேவை: ஒரு) விநியோக செயல்பாடு ஒரு வெளிப்பாடு எழுத; b) சோதனையின் விளைவாக இடைவெளியில் (1; 4) நுழைகிறது; சி) சோதனை x ≥ 2 விளைவாக ஏற்படும் சாத்தியம் கண்டுபிடிக்க; ஈ) மீ (எக்ஸ்), டி (எக்ஸ்), σ (x) கணக்கிடுங்கள்.

முடிவு. 1. நிபந்தனையின் கீழ் அமைக்கப்பட்டது சுட்டிக்காட்டி விநியோகம் , சீரற்ற மாறி எக்ஸ் நிகழ்தகவு விநியோகத்தின் அடர்த்திக்கு சூத்திரத்தில் இருந்து நாம் λ \u003d 5 ஐ பெறுவோம். பின்னர் விநியோகச் செயல்பாடு இருக்கும்:

2. சோதனையின் விளைவாக இடைவெளியில் (1; 4) இடைவெளியில் நுழைகிறது என்று சாத்தியம்:
பி (ஏ< X < b) = e −λa − e −λb .
P (1.< X < 4) = e −5*1 − e −5*4 = e −5 − e −20 .

3. சோதனை x ≥ 2 இன் விளைவாக ஃபார்முலா மூலம் காணப்படும் சாத்தியம்: p (a< X < b) = e −λa − e −λb при a=2, b=∞.
பி (x≥2) \u003d p (1.< X < 4) = e −λ*2 − e −λ*∞ = e −2λ − e −∞ = e −2λ - 0 = e −10 (т.к. предел e −х при х стремящемся к ∞ равен нулю).

4. சுட்டிக்காட்டப்பட்ட விநியோகத்திற்கான கண்டுபிடி:

• ஃபார்முலா எம் (x) \u003d 1 / λ \u003d 1/5 \u003d 0.2; கணித எதிர்பார்ப்பு;
• ஃபார்முலா டி (எக்ஸ்) \u003d 1 / λ 2 \u003d 1/25 \u003d 0.04 மூலம் சிதறல்;
• ஃபார்முலா ™ (x) \u003d 1 / λ \u003d 1/5 \u003d 1.2 மூலம் சராசரியாக quadratic விலகல்.

பல உண்மையான செயல்முறைகள் உருவகப்படுத்தப்பட்டன. மற்றும் மிகவும் பொதுவான உதாரணம் பொது போக்குவரத்து ஒரு அட்டவணை ஆகும். சில பஸ் (டிராலிபஸ் / டிராம்) இது 10 நிமிட இடைவெளியில் செல்கிறது, மற்றும் சீரற்ற கட்டத்தில் நிறுத்தத்தில் வந்தது. பஸ் 1 நிமிடம் ஏற்றது என்று சாத்தியம் என்ன? வெளிப்படையாக, 1/10th. நீங்கள் 4-5 நிமிடங்கள் காத்திருக்க வேண்டும் என்று சாத்தியம்? மேலும். பஸ் 9 நிமிடங்களுக்கு மேல் காத்திருக்க வேண்டும் என்று சாத்தியம்? பத்தில் ஒரு பங்கு!

சிலர் கருதுகின்றனர் வரையறுக்கப்பட்ட இடைவெளி, அது வரையறைக்கு ஒரு பிரிவு கூட. ஏ சீரற்ற மதிப்பு சொந்தமாக நிரந்தர நிகழ்தகவு விநியோகம் அடர்த்தி இந்த பிரிவிலும், பூஜ்ஜிய அடர்த்தியிலும், அது விநியோகிக்கப்படுவதாக அவர்கள் கூறுகின்றனர் சமமாக. இந்த வழக்கில், அடர்த்தி செயல்பாடு கண்டிப்பாக வரையறுக்கப்படும்:

உண்மையில், பிரிவின் நீளம் என்றால் (வரைதல் பார்க்கவும்) எழுந்து, மதிப்பு தவிர்க்க முடியாமல் சமமாக - செவ்வகத்தின் அலகு பகுதியாக இருக்க வேண்டும், மேலும் அனுசரிக்கப்பட்டது பிரபல சொத்து:


முறையாக சரிபார்க்கவும்:
, bt.p. பார்வையின் ஒரு நிகழ்தகவு புள்ளியில் இருந்து, இது ஒரு சீரற்ற மதிப்பு என்று பொருள் நம்பத்தகுந்த இது பிரிவின் மதிப்புகளில் ஒன்றை எடுக்கும் ..., EH, நாங்கள் மெதுவாக சலிப்பாக இருக்கிறோம் \u003d)

சீரான சாரம் என்னவென்றால் உள்துறை நிலையான நீளம் நாங்கள் கருதுகிறோம் (நாங்கள் "பஸ்" நிமிடங்கள் நினைவில்) - இந்த இடைவெளியில் இருந்து ஒரு சீரற்ற மதிப்பு ஒரு மதிப்பை எடுக்கும் சாத்தியக்கூறுகள் ஒரே மாதிரியாக இருக்கும். வரைபடத்தில், நான் அத்தகைய நிகழ்தகவுகளின் triethrower எழுப்பினேன் - மீண்டும் மீண்டும் கவனம் செலுத்துகிறது அவர்கள் சதுரங்களால் தீர்மானிக்கப்படுகிறார்கள், செயல்பாட்டின் மதிப்புகள் அல்ல!

ஒரு பொதுவான பணியைக் கவனியுங்கள்:

உதாரணம் 1.

தொடர்ச்சியான சீரற்ற மதிப்பு அதன் விநியோக அடர்த்தி மூலம் அமைக்கப்படுகிறது:

ஒரு மாறிலி, கணக்கிட மற்றும் ஒரு விநியோக செயல்பாடு கண்டுபிடிக்க. கிராபிக்ஸ் உருவாக்க. கண்டுபிடிக்க

வேறு வார்த்தைகளில் கூறுவதானால், நீங்கள் மட்டும் கனவு முடியும் எல்லாம் :)

முடிவு: இடைவெளியில் இருந்து (வரையறுக்கப்பட்ட இடைவெளி) , சீரற்ற மதிப்பு ஒரு சீரான விநியோகம் உள்ளது, மற்றும் "CE" மதிப்பு ஒரு நேரடி சூத்திரத்தில் காணலாம் . ஆனால் அது பொதுவாக உள்ளது - சொத்து பயன்படுத்தி:

... ஏன் இது சிறந்தது? அதனால் கூடுதல் கேள்விகள் இல்லை;)

இதனால், அடர்த்தி செயல்பாடு:

ஒரு வரைபடத்தை செய்யவும். மதிப்புகள் சாத்தியமற்றது எனவே கொழுப்பு புள்ளிகள் கீழே உள்ளன:


ஒரு எக்ஸ்பிரஸ் காசோலை என, செவ்வகத்தின் பகுதியை கணக்கிட:
, bt.p.

கண்டுபிடிக்க எதிர்பார்க்கப்படும் மதிப்புமற்றும், அநேகமாக, நீங்கள் ஏற்கனவே சமமாக என்ன நினைக்கிறேன். "10 நிமிட" பஸ் நினைவில்: என்றால் தோராயமாக பல நாட்கள் நிறைய படகு, பின்னர் சராசரி அவர் 5 நிமிடங்கள் காத்திருக்க வேண்டும்.

ஆமாம், அது தான் வழி - matchmaker சரியாக "நிகழ்வு" இடைவெளியை சமகாலமாக இருக்க வேண்டும்:
, என்று கூறப்பட்டது.

சிதறல் கணக்கிடப்படுகிறது ஃபார்முலா . இங்கே நீங்கள் ஒருங்கிணைந்த கணக்கிடும் போது ஒரு கண் ஆம் கண் வேண்டும்:

இந்த வழியில், சிதறல்:

ஒப்பனை பகிர்வு செயல்பாடு . இங்கே எதுவும் இல்லை:

1) பின்னர், என்றால் ;

2) என்றால், பின்னர்:

3) இறுதியாக , அதனால்:

அதன் விளைவாக:

ஒரு வரைதல் செய்யவும்:


"நேரடி" இடைவெளி விநியோகம் செயல்பாடு மீது வளர்ந்து வரும் லினோஇது மற்றொரு அறிகுறியாகும், இது ஒரு சீரான முறையில் விநியோகிக்கப்பட்ட சீரற்ற மதிப்பைக் கொண்டுள்ளது. சரி, இன்னும், ஏனெனில் derivative. நேரியல் செயல்பாடு - ஒரு நிலையான உள்ளது.

தேவையான நிகழ்தகவு விநியோக செயல்பாட்டைப் பயன்படுத்தி இரண்டு வழிகளில் கணக்கிடப்படலாம்:

ஒரு குறிப்பிட்ட அடர்த்தி ஒருங்கிணைப்பு பயன்படுத்தி:

யார் விரும்புகிறார்கள்?

இங்கே நீங்கள் எழுதலாம் பதில்: ,
வரைபடங்கள் தீர்வுடன் கட்டப்பட்டுள்ளன.

... "உன்னால் முடியும்", ஏனெனில் அவரது இல்லாத காரணத்தால் வழக்கமாக தண்டிக்கப்படாது. பொதுவாக;)

கணக்கீடு மற்றும் சீருடையில் சீரற்ற மாறுபாடு ஆகியவற்றிற்கு சிறப்பு சூத்திரங்கள் உள்ளன, நான் உங்களை திரும்பப் பெறுமாறு பரிந்துரைக்கிறேன்:

உதாரணம் 2.

தொடர்ச்சியான சீரற்ற மதிப்பு அடர்த்தி மூலம் வரையறுக்கப்படுகிறது .

கணித எதிர்பார்ப்பு மற்றும் சிதைவு கணக்கிட. முடிவுகள் முடிந்தவரை எளிமைப்படுத்தப்படுகின்றன (சுருக்கமாக பெருக்கல் சூத்திரங்கள் உதவ).

இதன் விளைவாக சூத்திரங்கள், குறிப்பாக சரிபார்க்க, குறிப்பாக, "ஒரு" மற்றும் "பி" என்ற குறிப்பிட்ட மதிப்புகளை மாற்றும் பணியை சரிபார்க்க வசதியாக இருக்கும். பக்கத்தின் கீழே உள்ள சுருக்கம்.

மற்றும் பாடம் முடிவில், நாம் ஒரு ஜோடி "உரை" பணிகளை ஆய்வு செய்வோம்:

உதாரணம் 3.

அளவிடும் கருவி அளவிலான பிரிவு 0.2 ஆகும். சாதனத்தின் சாட்சியம் அருகில் உள்ள முழு பிரிவில் வட்டமானது. சுற்றுச்சூழல் பிழைகள் சீரான முறையில் விநியோகிக்கப்படுகின்றன என்பதைக் கருத்தில் கொண்டு, அடுத்த பரிமாணத்தில் 0.04 ஐ விட அதிகமாக இல்லை.

சிறந்த புரிதல் தீர்வுகள் உதாரணமாக, ஒரு அம்புக்குறி சில இயந்திர சாதனம் என்று கற்பனை செய்து பாருங்கள், உதாரணமாக, 0.2 கிலோ ஒரு பிரிவில் செதில்கள், மற்றும் நாம் ஒரு பையில் ஒரு பூனை எடையை வேண்டும். ஆனால் அவரது கொழுப்பை கண்டுபிடிக்க பொருட்டு இல்லை - இப்போது அம்புக்குறி இரண்டு அருகில் உள்ள பிளவுகள் இடையே நிறுத்த வேண்டும் எங்கே முக்கியம்.

ஒரு சீரற்ற அளவு கருதுகின்றனர் - தூரம் அம்புகள் ot. அருகில் உள்ள இடது பிரிவு. அல்லது அருகில் உள்ள வலது இருந்து, அது அடிப்படையில் அல்ல.

நாம் நிகழ்தகவு விநியோகம் அடர்த்தி ஒரு செயல்பாடு செய்வோம்:

1) தூரம் எதிர்மறையாக இருக்க முடியாது என்பதால், பின்னர் இடைவெளியில். தருக்க.

2) நிபந்தனையிலிருந்து அது செதில்களின் அம்புக்குறியை பின்வருமாறு பின்பற்றுகிறது நிகழ்தகவு சமமாகபிளவுகளுக்கு இடையில் எங்கும் தங்கலாம் * பிளவுகள் தங்களை உட்பட, எனவே இடைவெளியில்:

* இது கணிசமான நிலை. உதாரணமாக, உதாரணமாக, பருத்தி கம்பளி அல்லது கிலோகிராம் பொட்டுகளை எடையுள்ள போது, \u200b\u200bசீரான இடைவெளியில் சீரான இடைவெளியில் அனுசரிக்கப்படும்.

3) மற்றும் அருகில் உள்ள இடது பிரிவில் இருந்து தொலைவில் 0.2 க்கும் அதிகமாக இருக்க முடியாது என்பதால், பின்னர் பூஜ்ஜியத்திற்கு சமமாக இருக்கும்.

இந்த வழியில்:

அடர்த்தி செயல்பாட்டைப் பற்றி யாரும் எங்களிடம் கேட்கவில்லை, அதன் முழுமையான கட்டுமானத்தை நான் புலனுணர்வு சுற்றுகளில் பிரத்தியேகமாக கொண்டு வந்தேன். கவுண்டி வடிவமைப்பு, 2 வது புள்ளி மட்டுமே போதும்.

இப்போது பணியின் கேள்விக்கு பதிலளிக்கவும். நெருங்கிய பிரிவுக்கு சுற்றியுள்ள பிழை 0.04 ஐ விட அதிகமாக இல்லை? இடது பிரிவிலிருந்து 0.04 ஐ விட அம்புக்குறியை நிறுத்தும்போது இது நடக்கும் வலது பக்கம் அல்லது வலது பிரிவில் 0.04 க்கும் மேலாக இல்லை இடது. வரைபடத்தில், நான் தொடர்புடைய பகுதியை எழுப்பினேன்:

இந்த பகுதிகளை கண்டுபிடிக்க இது உள்ளது ஒருங்கிணைப்புகளின் உதவியுடன். கொள்கை அடிப்படையில், அவர்கள் கணக்கிட முடியும் மற்றும் "பள்ளி" (செவ்வக பகுதிகளில்), ஆனால் எளிமை எப்போதும் ஒரு புரிதல் கண்டுபிடிக்க முடியாது;)

மூலம் முழுமையற்ற நிகழ்வுகளின் நிகழ்தகவு கூடுதலாக தேற்றம்:

- சுழலும் பிழை 0.04 (எங்கள் உதாரணத்திற்கு 40 கிராம்) அதிகமாக இல்லை என்று சாத்தியம்

அதிகபட்ச சாத்தியமான சுழற்சி பிழை 0.1 (100 கிராம்) மற்றும் ஆகையால் புரிந்து கொள்ள எளிது சுழலும் பிழை 0.1 ஐ தாண்டிவிடும் சாத்தியம் ஒன்று சமமாக. மற்றும் இருந்து, மூலம், மூலம், ஒரு சீரற்ற அளவு கருத்தில் கொள்ள வேண்டும் இதில் தீர்வுகளை மற்றொரு, எளிதாக தீர்வுகளை பின்வருமாறு - அருகில் உள்ள பிரிவுக்கு சுற்றியுள்ள துல்லியம். ஆனால் முதல் வழி நான் முதலில் மனதில் வந்தேன் :)

பதில்: 0,4

மற்றும் பணிக்கு இன்னும் ஒரு விஷயம். அந்த நிலையில் பிழைகள் பற்றி இருக்கலாம் இல்லை சுழற்சிஓ. சீரற்ற பிழை அளவீடுகள் தங்களையார் வழக்கமாக இருக்கிறார்கள்? (ஆனால் எப்போதும் இல்லை)சாதாரண சட்டத்தின் படி விநியோகிக்கப்பட்டது. இந்த வழியில், ஒரு வார்த்தை தீவிரமாக முடிவை மாற்ற முடியும்! எச்சரிக்கையாக இருங்கள் மற்றும் பணிகளின் அர்த்தத்தை உணரவும்!

எல்லாம் விரைவில் ஒரு வட்டத்தில் வரும் என்பதால், கால்கள் அதே நிறுத்தத்தில் நம்மை கொண்டு வருகின்றன:

உதாரணம் 4.

சில வழியின் பஸ்கள் கண்டிப்பாக 7 நிமிட இடைவெளியில் கண்டிப்பாக கண்டிப்பாக உள்ளன. ஒரு சீரற்ற மாறி அடர்த்தியின் ஒரு செயல்பாட்டை உருவாக்க - நிறுத்தத்தில் வந்த பயணிகள் அடுத்த பஸ்சில் காத்திருக்கும் நேரம். பஸ்சில் மூன்று நிமிடங்களுக்கும் மேலாக காத்திருக்கக்கூடிய சாத்தியக்கூறுகளைக் கண்டறியவும். விநியோக செயல்பாட்டை கண்டுபிடித்து அதன் அர்த்தமுள்ள அர்த்தத்தை விளக்கவும்.

தொடர்ச்சியான சீரற்ற மாறிகள் விநியோகங்களின் சட்டங்களின் எடுத்துக்காட்டுகள்.

தொடர்ச்சியான சீரற்ற எக்ஸ் உள்ளது சீருடையில் விநியோக சட்டம் பிரிவில், அதன் நிகழ்தகவு அடர்த்தி இந்த பிரிவில் மாறாமல் இருந்தால், அது வெளியே பூஜ்யம்.

நிகழ்தகவு விநியோகம் அடர்த்தி ஒரு சீரான விநியோகம் சீரற்ற மாறி வடிவம் உள்ளது:

படம். ஒன்று. சீரான விநியோகம் அடர்த்தி அட்டவணை

ஒரு சீரான விநியோகிக்கப்பட்ட சீரற்ற மாறி விநியோக செயல்பாடு வடிவம் உள்ளது:

சோதனை அல்லது அனுபவத்தின் நிலைமைகளின்படி, இறுதி இடைவெளியில் உள்ள மதிப்புகள் எடுக்கும் சீரற்ற அளவு எக்ஸ், இந்த இடைவெளியில் உள்ள அனைத்து மதிப்புகளும் சாத்தியமானவை, i.e. மதிப்புகள் எதுவும் மற்றவர்களுக்கு நன்மைகள் இல்லை.

உதாரணத்திற்கு:

பஸ் ஸ்டாப்பில் காத்திருக்கும் நேரம் - ஒரு சீரற்ற எக்ஸ் - எங்கே பிரிவில் சமமாக விநியோகிக்கப்படுகிறது டி - பஸ்கள் இடையே இயக்கத்தின் இடைவெளி;

எண்களை சுழற்றுவது, முழு எண் எண்களுடன் சுற்றிலும், சுழலும் பிழை ஆரம்ப மற்றும் வட்ட மதிப்பிற்கு இடையிலான வேறுபாடு ஆகும், மேலும் இந்த மதிப்பானது அரை இடைவெளியில் சமமாக விநியோகிக்கப்படுகிறது.

ஒரு சீரான முறையில் விநியோகிக்கப்பட்ட சீரற்ற மாறியின் எண் பண்புகள்:

2) சிதறல்

உதாரணம் 1:பஸ் போக்குவரத்து இடைவெளி 20 நிமிடங்கள். நிறுத்தத்தில் பயணிகள் பஸ்சில் 6 நிமிடங்களுக்கு மேல் இல்லை என்று சாத்தியம் என்ன?

முடிவு:எக்ஸ் ஒரு சீரற்ற மதிப்பு - பஸ் காத்திருக்கும் நேரம், அது பிரிவில் சமமாக விநியோகிக்கப்படுகிறது.

எக்ஸ் மதிப்பின் சீருடையில் விநியோகத்தின் அளவுரிகளின் பிரச்சனையின் நிலை மூலம்:

சூத்திரத்தை (2) க்கு இணங்க சீருடை விநியோகத்தை நிர்ணயிப்பதன் மூலம், எக்ஸ் அளவின் விநியோகத்தின் செயல்பாடு இருக்கும்:

விரும்பிய நிகழ்தகவு சூத்திரத்தால் கணக்கிடப்படுகிறது

பதில்:பயணிகள் பஸ்ஸாக இருக்கும் வாய்ப்பு 6 நிமிடங்களுக்கும் மேலாக 0.3 ஆகும்.

உதாரணம் 2:சீரற்ற மதிப்பு x பிரிவில் ஒரு சீரான விநியோகம் உள்ளது. H இன் மதிப்பின் அடர்த்தி விநியோகத்தை எழுதுங்கள்.

முடிவு:

சூத்திரத்தை (1) க்கு இணங்க சீரான விநியோகம் நிர்ணயிப்பதன் மூலம், x இன் அளவின் விநியோகத்தின் அடர்த்தி இருக்கும்:

பதில்:.

உதாரணம் 3:சீரற்ற மதிப்பு x பிரிவில் ஒரு சீரான விநியோகம் உள்ளது. H இன் மதிப்பின் விநியோகத்தின் செயல்பாட்டை பதிவு செய்யவும்.

முடிவு:சீரற்ற மதிப்பு x என்பது பிரிவில் சமமாக விநியோகிக்கப்படும் என்பதால், விநியோக அளவுருக்கள் x இன் சிக்கலின் கீழ்:

சூத்திரத்தை (2) க்கு இணங்க சீருடை விநியோகத்தை நிர்ணயிப்பதன் மூலம், x இன் அளவின் விநியோகத்தின் அடர்த்தி இருக்கும்:

உதாரணம் 4:சீரற்ற மதிப்பு x பிரிவில் ஒரு சீரான விநியோகம் உள்ளது. H இன் எண்ணியல் பண்புகளைக் கண்டறியவும்

முடிவு:சீரற்ற மதிப்பு x என்பது பிரிவில் சமமாக விநியோகிக்கப்படும் என்பதால், விநியோக அளவுருக்கள் x இன் சிக்கலின் கீழ்:

சூத்திரங்கள் (3), (4) மற்றும் (5) ஆகியவற்றிற்கு இணங்க சீருடை விநியோகத்தை நிர்ணயிப்பதன் மூலம், மதிப்பின் எண்ணிக்கை பண்புகள் பின்வருமாறு இருக்கும்:

1) கணித எதிர்பார்ப்பு

2) சிதறல்

3) இரண்டாம் நிலை இருபடி விலகல்

பதில்:, ,

X இன் தொடர்ச்சியான சீரற்ற மதிப்பானது பிரிவு [A, B] இல் ஒரு சீரான விநியோகம் உள்ளது, இந்த பிரிவில் விநியோகத்தின் அடர்த்தி மாறாமல் இருந்தால், அது 0 க்கு சமமாக இருக்கும்.

சீரான விநியோக வளைவு படத்தில் காட்டப்பட்டுள்ளது. 3.13.

படம். 3.13.

மதிப்புகள் / (எக்ஸ்) குறைந்தபட்சம் ஆனாலும் மற்றும் பி சதி பி) குறிப்பிடப்படவில்லை, ஒரு தொடர்ச்சியான சீரற்ற மாறி இந்த புள்ளிகள் எந்த நுழைவதை நிகழ்தகவு இருந்து எக்ஸ். 0 க்கு சமமாக.

ஒரு சீரற்ற மாறியின் கணித எதிர்பார்ப்பு எக்ஸ் தளத்தில் ஒரு சீரான விநியோகம் [ஒரு, வது], / "\u003d (A + B) / 2. சிதைவு சூத்திரத்தால் கணக்கிடப்படுகிறது D \u003d ( a) 2/12, எனவே கலை \u003d. (பி - a) / 3,464.

மாடலிங் சீரற்ற மாறிகள். ஒரு சீரற்ற மாறி உருவகப்படுத்த, அதன் விநியோக சட்டம் தெரிந்து கொள்ள வேண்டும். ஒரு தன்னிச்சையான சட்டத்தின்படி விநியோகிக்கப்பட்ட சீரற்ற எண்களின் வரிசையை பெறுவதற்கான மிகவும் பொதுவான முறை, ஒரு சீரான சட்டத்தின்படி இடைவெளியில் (0; 1) விநியோகிக்கப்பட்ட சீரற்ற எண்களின் ஆரம்ப வரிசையில் இருந்து அவர்களின் உருவத்தை அடிப்படையாகக் கொண்ட ஒரு முறை ஆகும்.

ஒரே மாதிரியாக விநியோகிக்கப்பட்டது இடைவெளியில் (0; 1) சீரற்ற எண்களை வரிசையில் மூன்று வழிகளில் பெறலாம்:

• சிறப்பாக தயாரிக்கப்பட்ட சீரற்ற எண்களின் படி;
• சீரற்ற எண்களை உடல் ஜெனரேட்டர்கள் பயன்படுத்தி (உதாரணமாக, நாணயங்கள் எறிந்து);
• வழிமுறைகள்.

இத்தகைய எண்களுக்கு, கணித எதிர்பார்ப்பின் அளவு 0.5 ஆக இருக்க வேண்டும், மற்றும் சிதைவு 1/12 ஆகும். தேவைப்பட்டால், சீரற்ற எண் எக்ஸ். இடைவெளியில் ( ஆனாலும்; பி) (0; 1) இருந்து வேறுபட்டது, நீங்கள் சூத்திரத்தை பயன்படுத்த வேண்டும் X \u003d a + (l- a) ஜி எங்கே ஜி. - இடைவெளியில் இருந்து சீரற்ற எண் (0; 1).

கிட்டத்தட்ட அனைத்து மாதிரிகள் ஒரு கணினியில் செயல்படுத்தப்படும் என்ற உண்மையின் காரணமாக, கிட்டத்தட்ட எப்போதும் சீரற்ற எண்களை பெறுவதற்கு ஒரு படிமுறை ஜெனரேட்டரை கணினியில் கட்டியெழுப்பவும், முன்னர் மின்னணு வடிவத்தில் மொழிபெயர்க்கப்பட்ட அட்டவணையைப் பயன்படுத்த வேண்டிய அவசியமில்லை. ஒவ்வொரு பின்னர் உருவாக்கப்பட்ட எண்ணிக்கையிலான எண்ணிக்கையிலான எண்ணிக்கையையும் பொறுத்து, நாம் எப்போதும் போலி-சீரற்ற எண்களை பெறுவோம் என்பதால்,

நடைமுறையில், நீங்கள் எப்போதும் பெற வேண்டும் குறிப்பிட்ட விநியோக சட்டத்தின் படி சீரற்ற எண்கள் விநியோகிக்கப்பட்டன. இது பல்வேறு வழிமுறைகளைப் பயன்படுத்துகிறது. விநியோகச் சட்டத்திற்கு ஒரு பகுப்பாய்வு வெளிப்பாடு அறியப்பட்டால் F, அதைப் பயன்படுத்தலாம் தலைகீழ் செயல்பாடுகளை முறை.

0 முதல் 1 வரை வரம்பில் ஒரு சீரற்ற எண்ணை சமமாக விநியோகிக்க போதுமானதாக உள்ளது எஃப் இந்த இடைவெளியில் மாற்றங்கள், பின்னர் ஒரு சீரற்ற எண் எக்ஸ்.அட்டவணை அல்லது பகுப்பாய்வு மூலம் தலைகீழ் செயல்பாட்டை நீங்கள் தீர்மானிக்க முடியும்: x \u003d F. "(ஈ). இங்கே ஜி. - 0 முதல் 1 வரை வரம்பில் HSH அளவு உருவாக்கப்படும் எண்; எக்ஸ் டி - ஒரு சீரற்ற மதிப்பின் விளைவாக உருவாக்கப்படுகிறது. வரைபடத்தின் அடிப்படையின் சாரம் படத்தில் சித்தரிக்கப்படுகிறது. 3.14.

படம். 3.14. சீரற்ற நிகழ்வுகளை உருவாக்குவதற்கான ஒரு கருத்து முறையின் விளக்கம் எக்ஸ்., மதிப்புகள் தொடர்ச்சியாக விநியோகிக்கப்படுகின்றன. இந்த எண்ணிக்கை நிகழ்தகவு அடர்த்தி மற்றும் ஒருங்கிணைந்த நிகழ்தகவு அடர்த்தியின் வரைபடங்களைக் காட்டுகிறது எச்.

ஒரு உதாரணம் அதிவேக விநியோக சட்டமாக கருதுங்கள். இந்த சட்டத்தின் விநியோகச் செயல்பாடு வடிவம் f (x) \u003d 1 -ep (-G) ஆகும். உடன் ஜி. மற்றும் எஃப் இந்த முறை இதேபோன்ற அதே இடைவெளியில் ஏற்பாடு செய்யப்பட்டுள்ளது, பின்னர் பதிலாக எஃப் ஒரு சீரற்ற எண் ஜி மீது, நாம் வேண்டும் ஜி. \u003d 1 - EXP (-EG). விரும்பிய மதிப்பை வெளிப்படுத்துகிறது எச். இந்த வெளிப்பாட்டிலிருந்து (I.E., EXR இன் செயல்பாட்டை மாற்றியமைக்கிறது), நாம் பெறுகிறோம் x \u003d - / x? 1p (1. -G). புள்ளிவிவர அர்த்தத்தில் (1 - டி) மற்றும் g - இது ஒரே விஷயம். x \u003d -h. 1p (g).

தொடர்ச்சியான சீரற்ற மாறிகள் விநியோகங்களின் சில பொதுவான சட்டங்களை மாதிரியாக்குவதற்கான வழிமுறைகள் அட்டவணையில் காட்டப்பட்டுள்ளன. 3.10.

உதாரணமாக, நீங்கள் சாதாரண சட்டப்படி விநியோகிக்கப்படும் ஏற்றுதல் நேரம் உருவகப்படுத்த வேண்டும். சராசரியான ஏற்றுதல் காலம் 35 நிமிடங்கள் ஆகும் என்று அறியப்படுகிறது, சராசரி மதிப்பிலிருந்து உண்மையான நேரத்தின் சராசரி சதுர விலகல் 10 நிமிடங்கள் ஆகும். அதாவது, பணி விதிமுறைகளால் டி. எச். = 35, எச். \u003d 10. பின்னர் ஒரு சீரற்ற மாறியின் மதிப்பு சூத்திரத்தால் கணக்கிடப்படும் ஆர். \u003d? ஜி, எங்கு ஜி. - வரம்பில் GSH இலிருந்து சீரற்ற எண்கள், n \u003d. 12. எண் 12 நிகழ்தகவு கோட்பாட்டின் மைய வரம்பு தேற்றத்தின் அடிப்படையிலான (LyaPunov கோட்பாடுகள்) அடிப்படையில் மிக பெரியதாக தேர்வு செய்யப்பட்டுள்ளது: "ஒரு பெரிய எண்ணிக்கையில் என் சீரற்ற மாறிகள் எக்ஸ்.எந்த விநியோக சட்டத்துடனும், அவற்றின் அளவு சாதாரண விநியோக சட்டத்துடன் ஒரு சீரற்ற எண் ஆகும். " பின்னர் சீரற்ற பொருள் எக்ஸ். \u003d ஓ (7? - எல் / 2) + டி. எச். = 10(7? -3) + 35.

அட்டவணை 3.10.

சீரற்ற மாறுபாடு மாடலிங் நெறிமுறைகள்

ஒரு சீரற்ற நிகழ்வு மாதிரியாக்கம். சீரற்ற நிகழ்வு சில நிகழ்வுகள் பல விளைவுகளை கொண்டுள்ளது மற்றும் மீண்டும் நிகழும் இது அதன் நிகழ்தகவு மூலம் மட்டுமே தீர்மானிக்கப்படுகிறது. அதாவது, விளைவு வாய்ப்பை தேர்வு செய்யப்படுகிறது, அதன் நிகழ்தகவுகளை கணக்கில் எடுத்துக்கொள்வது. உதாரணமாக, குறைபாடுள்ள தயாரிப்புகளை வழங்குவதற்கான சாத்தியக்கூறுகளை நாங்கள் அறிந்திருக்கிறோம் என்று கருதுகிறோம். ஆர் \u003d 0.1. இரண்டு இடைவெளிகளில் (0 முதல் 0.1 வரை அல்லது 0.1 வரை 1 வரை) இது 0 முதல் 1 வரை) வரம்பிலிருந்து ஒரு சீரான முறையில் விநியோகிக்கப்பட்ட சீரற்ற எண்ணை விளையாடுவதன் மூலம் இந்த நிகழ்வின் இழப்பு உருவகப்படுத்த முடியும். இது சரிந்தது (படம் 3.15 ). எண் வரம்பில் (0; 0.1) விழுகிறது என்றால், திருமணம் வெளியிடப்பட்டது, I.E. நிகழ்வு நடந்தது, இல்லையெனில் நிகழ்வு நடக்கவில்லை (நிபந்தனை நிலை). ஒரு குறிப்பிடத்தக்க எண்ணிக்கையிலான சோதனைகள் மூலம், 0 முதல் 0.1 வரை இடைவெளியில் எண்களின் அதிர்வெண் நிகழ்தகவுகளை அணுகும் P \u003d. 0.1, மற்றும் 0.1 முதல் 1 இலிருந்து இடைவெளியில் எண்களை உள்ளிடுவதற்கான அதிர்வெண் R. \u003d 0.9 ஐ அணுகும்.

படம். 3.15.

நிகழ்வுகள் அழைக்கப்படுகின்றன அல்லாத படுக்கைகள்இந்த நிகழ்வுகளின் தோற்றத்தின் நிகழ்தகவு ஒரே நேரத்தில் 0 க்கு சமமாக இருந்தால், இங்கிருந்து சமமாக இருக்கும். இது முழுமையற்ற நிகழ்வுகளின் குழுவின் மொத்த நிகழ்தகவு சமமாக உள்ளது. ஒரு ஆர். நான், ஒரு. நிகழ்வுகள், மற்றும் மூலம் ப] 9 ப, ..., பி பி - தனிப்பட்ட நிகழ்வுகளின் தோற்றத்தின் சாத்தியக்கூறுகள். நிகழ்வுகள் முழுமையடையாததால், அவற்றின் இழப்பின் நிகழ்தகவுகளின் தொகை 1: P x + p 2. + ... + பி n. \u003d 1. நாம் மீண்டும் மீண்டும் சீரற்ற எண்கள் நிகழ்வுகள் ஜெனரேட்டர் ஒரு பொழிவு உருவகப்படுத்துவதற்காக பயன்படுத்துகிறோம், இது மதிப்பு எப்போதும் 0 முதல் 1 வரை உள்ளது. நாம் ஒரு இடைவெளியில் இடைவெளியில் தள்ளிவிடுவோம் P r p v. ..., P p. பிரிவுகளின் தொகையில் சரியாக ஒரு இடைவெளி இருக்கும் என்று தெளிவாக உள்ளது. இந்த இடைவெளியில் சீரற்ற எண்களின் ஜெனரேட்டரிடமிருந்து இதன் விளைவாக இதர எண்ணிக்கையிலான புள்ளி பிரிவுகளில் ஒன்றைக் குறிக்கும். அதன்படி, பெரிய பிரிவுகளில், சீரற்ற எண்கள் பெரும்பாலும் அடிக்கடி விழும் (இந்த நிகழ்வுகளின் தோற்றத்தின் நிகழ்தகவு அதிகமானது!), சிறிய பிரிவுகளில் - அடிக்கடி (படம் 3.16).

தேவைப்பட்டால், மாடலிங் கூட்டு நிகழ்வுகள் அவர்கள் முழுமையடையாதிருக்க வேண்டும். உதாரணமாக, நிகழ்தகவுகள் வழங்கப்படும் நிகழ்வுகளின் தோற்றத்தை உருவகப்படுத்துவதற்கு. பி (a () = 0,7; பி (ஒரு 2) \u003d 0.5 I. பி (a] 9 a 2) \u003d 0.4, நிகழ்வுகளின் சாத்தியமான புரிந்துகொள்ள முடியாத விளைவுகளை நாம் வரையறுக்கிறோம் ஒரு ஜி 2 மற்றும் அவர்களின் ஒரே நேரத்தில் தோற்றம்:

• 1. இரண்டு நிகழ்வுகள் ஒரே நேரத்தில் தோற்றம் P (b () \u003d பி (மற்றும் l , ஒரு 2) \u003d 0,4.
• 2. நிகழ்வு தோற்றம் a] p (b 2) \u003d p (மற்றும் y) - p (a , ஒரு 2) \u003d 0,7 - 0,4 = 0,3.
• 3. நிகழ்வு தோற்றம் ஒரு 2 ப (பி 3) = P (a 2) - p (a g a 2) \u003d 0,5 - 0,4 = 0,1.
• 4. தாக்கத்தை ஒரு நிகழ்வு அல்ல பி (பி 4) \u003d 1 - (பி (ஆ) + P (b 2) + + பி (பி 3)) =0,2.

இப்போது முழுமையற்ற நிகழ்வுகளின் சாத்தியக்கூறுகள் பி பிரிவுகளின் வடிவத்தில் எண் அச்சை பிரதிநிதித்துவப்படுத்துவது அவசியம். HSH எண்களின் உதவியுடன் பெறப்பட்ட நிலையில், நாம் இந்த அல்லது அந்த இடைவெளியைத் தீர்மானிப்போம், மேலும் கூட்டு நிகழ்வுகளை செயல்படுத்துகிறோம் ஆனாலும்.

படம். 3.16.

பெரும்பாலும் நடைமுறையில் சந்திப்பதில் சீரற்ற அமைப்புகள், i.e. அத்தகைய இரண்டு (அல்லது அதற்கு மேற்பட்ட) பல்வேறு சீரற்ற மாறிகள் எக்ஸ்., W. (மற்றும் மற்றவர்கள்), ஒருவருக்கொருவர் சார்ந்து. உதாரணமாக, ஒரு நிகழ்வு ஏற்பட்டால் எக்ஸ்.மற்றும் சில சீரற்ற பொருள் எடுத்து, பின்னர் நிகழ்வு W. தற்செயலாக இருந்தாலும், ஆனால் உண்மையில் கணக்கில் எடுத்துக் கொள்ளுங்கள் எக்ஸ். ஏற்கனவே சில மதிப்பு செய்தது.

உதாரணமாக, என்றால் எக்ஸ். ஒரு பெரிய எண் கைவிடப்பட்டது, பின்னர் W. போதுமான அளவு அதிக எண்ணிக்கையிலான விழிப்புணர்வு இருக்க வேண்டும் (உறவு நேர்மறையாக இருந்தால், நேர்மாறாக இருந்தால், எதிர்மறை என்றால்). போக்குவரத்தில், இத்தகைய சார்புகள் பெரும்பாலும் அடிக்கடி நிகழ்கின்றன. ஒரு பெரிய தாமதம் கால அளவு கணிசமான நீளம் பாதைகளில் அதிகமாக உள்ளது.

சீரற்ற மாறிகள் சார்ந்து இருந்தால், பின்னர்

f (x) \u003d f (x l) f (x 2 x l) f (x 3 x 2, x l) - ... - / (xjx, r x, ..., x 2, x t),எங்கே எக்ஸ். | x._ v x ( - சீரற்ற சார்பு மதிப்புகள்: இழப்பு எக்ஸ். அவர்கள் விழுந்துவிட்டார்கள் x._ (9 x._ (, ..., *,) - நிபந்தனை அடர்த்தி

தோற்றத்தின் நிகழ்தகவு x.\u003e. நீங்கள் விழுந்துவிட்டால் x._ (9. ..., x (எஃப் (x) - திசையன் எக்ஸ் சீரற்ற சார்புடைய மதிப்புகளின் இழப்பின் சாத்தியம்.

கூட்டுறவு குணகம் கே நிகழ்வுகள் எவ்வளவு நெருக்கமாக காட்டுகின்றன என்பதைக் காட்டுகிறது ஹே யூ தொடர்பு குணகம் ஒன்றுக்கு சமமானதாக இருந்தால், நிகழ்வுகளின் சார்பு ஹே யூ பரஸ்பரம் தெளிவற்ற: ஒரு மதிப்பு எக்ஸ்.ஒரு மதிப்புடன் ஒத்துள்ளது W. (படம் 3.17, ஆனாலும்) . ஐந்து கேஅலகுகளுக்கு அருகில், படம் தோன்றுகிறது, படம் காட்டப்பட்டுள்ளது. 3.17, B, I.E. ஒரு பொருள் எக்ஸ்.y இன் பல மதிப்புகள் (இன்னும் துல்லியமாக, Y இன் பல மதிப்புகளில் ஒன்று, தோராயமாக தீர்மானிக்கப்பட்டவை); I.E. இந்த நிகழ்வில் எக்ஸ். மற்றும் ஓ. குறைவான உறவினர், ஒருவருக்கொருவர் குறைவாக சார்ந்து இருக்கிறார்கள்.

படம். 3.17. ஒரு நேர்மறையான தொடர்பு குணகம் கொண்ட இரண்டு சீரற்ற மாறிகள் சார்பு வகை: ஏ - Ply. q \u003d. 1; பி - 0 q உடன் கே, ஓ

இறுதியாக, கூட்டுறவு குணகம் பூஜ்ஜியத்திற்கு போராடி வரும்போது, \u200b\u200bஎந்த அர்த்தமும் எழுகிறது எக்ஸ். Y, I.E. நிகழ்வுகளின் எந்தவொரு மதிப்பையும் ஒத்திருக்கலாம் எக்ஸ். மற்றும் ஓ. ஒருவருக்கொருவர் சார்ந்து அல்லது கிட்டத்தட்ட சார்ந்து இல்லை, ஒருவருக்கொருவர் தொடர்பு கொள்ள வேண்டாம் (படம் 3.17, மணிக்கு).

உதாரணமாக, மிகவும் பொதுவான ஒரு சாதாரண விநியோகம் எடுத்து. கணித எதிர்பார்ப்பு பெரும்பாலும் நிகழ்வுகளை குறிக்கிறது, இங்கே நிகழ்வுகளின் எண்ணிக்கை பெரியது மற்றும் நிகழ்வுகளின் வரைபடம் தடிமனாக உள்ளது. நேர்மறை தொடர்பு என்று பெரிய சீரற்ற மாறிகள் குறிக்கிறது எக்ஸ். பெரிய உருவாக்க ஏற்படுத்தும் ஓ. பூஜ்யம் மற்றும் பூஜ்ய தொடர்புக்கு நெருக்கமானவை சீரற்ற மாறியின் அளவுதான் எக்ஸ். சீரற்ற மாறியின் ஒரு குறிப்பிட்ட மதிப்புடன் தொடர்புடையது அல்ல ஓ. முதலில் விநியோகத்தை கற்பனை செய்தால், என்ன கூறப்படுகிறது என்பதை புரிந்து கொள்ளலாம் f (x)மற்றும் / (y) தனித்தனியாக, பின்னர் கணினியில் அவற்றை கட்டி. 3.18.

இந்த உதாரணத்தில் குளிர்விப்பான் உன்னதமான மதிப்புகளுடன் ஒரு சாதாரண சட்டத்தின் படி U விநியோகிக்கப்பட்டது டி எக்ஸ் AI. t y, ஆனாலும்,. இரண்டு சீரற்ற நிகழ்வுகளின் ஒருங்கிணைந்த குணகம் அமைக்கப்பட்டது. கே, i.e. சீரற்ற மாறிகள் எக்ஸ். அது ஒருவருக்கொருவர் சார்ந்து, மிகவும் வாய்ப்பு இல்லை.

பின்னர் மாதிரியை செயல்படுத்துவதற்கான சாத்தியமான வழிமுறை பின்வருமாறு இருக்கும்:

1. இடைவெளியில் ஆறு சீரற்ற சீராக விநியோகிக்கப்பட்ட எண்களை வைக்கவும்: பி பி பி: , B i, b 4, B 5. , பி 6; அவர்களின் தொகை உள்ளன எஸ்.:

S \u003d ъ. வழக்கமாக சீரற்ற எண் எல்: பின்வரும் சூத்திரத்தின் படி: x \u003d a (5 - 6) + t x.

• 2. ஃபார்முலா மூலம் t! எச். = டி. + qojo x (x --t x) கணித எதிர்பார்ப்பு அமைந்துள்ள t u1h. (அடையாளம் u / h. அது ஏற்கனவே சில குறிப்பிட்ட அர்த்தங்களை ஏற்றுக்கொண்ட நிலையில், சீரற்ற அர்த்தங்களை எடுக்கும் என்று அர்த்தம்.
• 3. ஃபார்முலா மூலம் \u003d ஒரு டி / எல் - TS 2. ஒரு RMS விலகல் ஒரு உள்ளது ..

4. 12 எண்கள் ஜி இடைவெளியில் சீருடை சீரான முறையில் விநியோகிக்கப்பட்டது; அவர்களின் தொகை உள்ளன to: k \u003d. Zr. பொதுவாக ஒரு சீரற்ற எண் விநியோகிக்கப்பட்டுள்ளது w. பின்வரும் சூத்திரத்தால்: y \u003d ° ° jk-6) + m r / x.

படம். 3.18.

மாடலிங் நிகழ்வு ஓட்டம். நிகழ்வுகள் நிறைய உள்ளன மற்றும் அவர்கள் ஒருவருக்கொருவர் பின்பற்ற போது, \u200b\u200bஅவர்கள் அமைக்க ஓட்டம். நிகழ்வுகள் ஒரே மாதிரியாக இருக்க வேண்டும் என்பதை கவனியுங்கள், அதாவது, ஒருவருக்கொருவர் ஒத்திருக்கிறது. உதாரணமாக, தங்கள் காரை சரிசெய்ய விரும்பும் எரிவாயு நிலையத்தில் ஓட்டுனர்களின் தோற்றம். அதாவது, ஒரே மாதிரியான நிகழ்வுகள் ஒரு தொடரை உருவாக்குகின்றன. இது புள்ளிவிவர பண்புகள் என்று நம்பப்படுகிறது 146

நிகழ்வுகள் (நிகழ்வுகளின் ஓட்டத்தின் தீவிரம்) அமைக்கப்படுகிறது. நிகழ்வுகளின் ஓட்டத்தின் தீவிரம், அத்தகைய சம்பவங்கள் எவ்வளவு நேரம் ஆகும் என்பதைக் குறிக்கிறது. ஆனால் ஒவ்வொரு குறிப்பிட்ட நிகழ்வுக்கும் வரும் போது, \u200b\u200bமாடலிங் முறைகள் தீர்மானிக்க வேண்டும். உதாரணமாக, உதாரணமாக, 200 மணி நேரம் 1000 நிகழ்வுகள், அவற்றின் எண்ணிக்கை 1000/200 \u003d 5 நிகழ்வுகளின் ஒரு மணி நேர நிகழ்வுகளின் சராசரியான தீவிரம் தோராயமாக இருக்கும். இது ஒரு புள்ளிவிவர மதிப்பு ஆகும், இது ஒட்டுமொத்தமாக இந்த ஓட்டம் வகைப்படுத்துகிறது.

ஒரு பொருளில் ஸ்ட்ரீம் தீவிரம் என்பது ஒரு அலகு நிகழ்வுகளின் எண்ணிக்கையின் கணித எதிர்பார்ப்பாகும். ஆனால் உண்மையில் ஒரு மணி நேரத்தில் 4 நிகழ்வுகள் தோன்றும், மற்றொன்று 6 நிகழ்வுகள் சராசரியாக சராசரியாக 5 நிகழ்வுகள் உள்ளன, எனவே ஓட்டம் பண்புகளுக்கு ஒரு மதிப்பு போதாது. கணித எதிர்பார்ப்புடன் தொடர்புடைய நிகழ்வுகளின் சிதறல் எவ்வளவு பெரியது என்பதைக் குறிக்கும் இரண்டாவது மதிப்பு. நிகழ்வின் விபத்து வீதத்தை தீர்மானிக்கும் இந்த மதிப்பானது, அதன் தோற்றத்தின் பலவீனமான கணிக்கக்கூடியது.

சீரற்ற பாய்கிறது:

• சாதாரண - இரண்டு அல்லது அதற்கு மேற்பட்ட நிகழ்வுகளின் ஒரே நேரத்தில் தோற்றத்தின் நிகழ்தகவு பூஜ்ஜியமாகும்;
• நிலையான - நிகழ்வுகளின் அதிர்வெண் எக்ஸ். மாறிலி;
• அத்தை இல்லாமல் - ஒரு சீரற்ற நிகழ்வின் நிகழ்வின் நிகழ்தகவு முந்தைய நிகழ்வுகளின் தருணத்தை சார்ந்து இல்லை.

SMO ஐ மாதிரியாக்கும்போது, \u200b\u200bஅதிக எண்ணிக்கையிலான வழக்குகளில் கருதப்படுகிறது pOISSON (எளிய) ஸ்ட்ரீம் - அலங்காரம் இல்லாமல் சாதாரண ஸ்ட்ரீம் இதில் நேரம் காலப்பகுதியில் ரசீது நிகழ்தகவு டி மென்மையான டி தேவாலயத்தின் சூத்திரத்தால் தேவைகள் வழங்கப்படுகின்றன:

ஒரு. (/) \u003d Const (/), அல்லது இல்லையெனில் நிலையானதாக இருந்தால் Poisson ஓட்டம் நிலையானதாக இருக்கலாம்.

Poisson ஸ்ட்ரீம், எந்த நிகழ்வும் வரும் என்று சாத்தியம்,

படம் 3.19 அடிமைத்தனம் காட்டுகிறது ஆர் அவ்வப்போது. வெளிப்படையாக, மேலும் கவனிப்பு நேரம், எந்த நிகழ்வும் நிகழும் நிகழ்தகவு, குறைவாக இருக்கும். கூடுதலாக, மிக முக்கியமானது எக்ஸ் மேலும் கோஸ்டர் ஒரு வரைபடம் உள்ளது, அதாவது, நிகழ்தகவு வேகமாக உள்ளது. நிகழ்வுகளின் தீவிரம் பெரியதாக இருந்தால், நிகழ்வு நடக்காது என்ற சாத்தியக்கூறாக இருந்தால், இது விரைவாக கவனிப்பு நேரத்தால் குறைக்கப்படுகிறது என்பது உண்மைதான்.

படம். 3.19.

குறைந்தபட்சம் ஒரு நிகழ்வின் நிகழ்தகவு P \u003d. 1 - Chr (-d), இருந்து P + p \u003d. குறைந்தபட்சம் ஒரு நிகழ்வை தோற்றமளிக்கும் நிகழ்தகவு ஒரு காலப்போக்கில் ஒரு காலப்போக்கில், அதனுடன் நீண்ட கால கவனிப்புடன், நிகழ்வு அவசியம் அல்லது பின்னர் நடக்கும் என்று அது வெளிப்படையாக உள்ளது. அர்த்தத்தில் ஆர் ஜி சமமாக, எனவே, வரையறை சூத்திரத்திலிருந்து / வெளிப்படுத்தும் ஆர், இறுதியாக, நாம் இரண்டு சீரற்ற நிகழ்வுகள் இடையே இடைவெளிகளை தீர்மானிக்க

எங்கே g- ஒரு சீரற்ற எண் மூலம் 0 முதல் 1 வரை சமமாக விநியோகிக்கப்பட்டது, இது HSH இன் மூலம் பெறப்படுகிறது; டி - சீரற்ற நிகழ்வுகள் (சீரற்ற மதிப்பு) இடையே இடைவெளி.

ஒரு உதாரணமாக, முனையத்தில் வரும் கார்களின் ஓட்டத்தை கருத்தில் கொள்ளுங்கள். கார்கள் சீரற்றவை - சராசரியாக சராசரியாக 8 (ஓட்டம் தீவிரம் எக்ஸ். \u003d 8/24 அல்லது h). செ.மீ. - 148 க்கு இது அவசியம்.

இந்த செயல்முறையை வழங்கவும் டி \u003d 100 h. கார்கள் / 1 / l இடையே சராசரி நேர இடைவெளி. \u003d 24/8 \u003d 3 h.

படம் 3.20 மாடலிங் விளைவாக காட்டுகிறது - கார்கள் முனையத்தில் வந்த போது நேரம் நேரம். காலத்திற்கு மட்டும் காணலாம் T \u003d. 100 முனைய செயல்முறை N \u003d 33. கார். நீங்கள் மீண்டும் மாடலிங் தொடங்கினால், பின்னர் என் உதாரணமாக, 34, 35 அல்லது 32 க்கு சமமாக இருக்கலாம். ஆனால் சராசரியாக க்கு அல்காரிதம் இயங்குகிறது என் இது 33.333 க்கு சமமாக இருக்கும்.

படம். 3.20.

அது ஓட்டம் என்று அறியப்பட்டால் சாதாரணமாக இல்லை நிகழ்வின் நிகழ்விற்கு கூடுதலாக, இந்த நேரத்தில் தோன்றக்கூடிய நிகழ்வுகளின் எண்ணிக்கை கூட உருவகப்படுத்துவது அவசியம். உதாரணமாக, முனையத்தில் கார்கள் காலத்தின் சீரற்ற தருணங்களில் (கார்கள் சாதாரண ஸ்ட்ரீம்) வருகின்றன. ஆனால் அதே நேரத்தில் கார்களில் வெவ்வேறு (சீரற்ற) சரக்குகளின் அளவு இருக்கலாம். இந்த வழக்கில், சரக்குகளின் ஓட்டம் பற்றி கூறப்படுகிறது அசாதாரண நிகழ்வுகளின் ஒரு நூல்.

பணி கருதுங்கள். AUC-1,25 கொள்கலன்கள் முனையத்திற்கு வழங்கப்பட்டால், முனையத்தில் 1-புள்ளி உபகரணங்களின் செயலற்ற நேரத்தை தீர்மானிக்க வேண்டியது அவசியம். கார்கள் ஸ்ட்ரீம் Poisson சட்டம் உட்பட்டது, கார்கள் இடையே சராசரி இடைவெளி 0.5 CD \u003d 1 / 0.5 \u003d 2 அல்லது. / எச். காரில் உள்ள கொள்கலன்களின் எண்ணிக்கை சராசரியாக ஒரு சாதாரண சட்டத்தின் படி மாறுபடும். டி \u003d 6 I. \u003d 2.இந்த வழக்கில், அது குறைந்த 2, மற்றும் அதிகபட்சம் - 10 கொள்கலன்கள் இருக்க முடியும். ஒரு கொள்கலனின் இறக்கும் நேரம் 4 நிமிடங்கள் மற்றும் 6 நிமிடங்கள் தொழில்நுட்ப நடவடிக்கைகளுக்கு அவசியம். ஒவ்வொரு பயன்பாட்டின் நிலையான வயரிங் கொள்கையிலும் கட்டப்பட்ட இந்த பணியை தீர்ப்பதற்கான வழிமுறை படத்தில் காட்டப்பட்டுள்ளது. 3.21.

மூலத் தரவை உள்ளிடுகையில், குறிப்பிட்ட மாதிரி நேரம் எட்டப்படும் வரை மாடலிங் சுழற்சி தொடங்கப்பட்டது. HSH உடன், நாங்கள் ஒரு சீரற்ற எண்ணைப் பெறுவோம், பின்னர் கார் வரும் முன் நேர இடைவெளியை நிர்ணயிக்கவும். கால அச்சில் விளைவாக இடைவெளியை நாம் குறிக்கிறோம் மற்றும் வந்த கார் உடலில் உள்ள கொள்கலன்களின் எண்ணிக்கையைச் சித்தரிக்கிறோம்.

அனுமதிக்கப்பட்ட இடைவெளியில் பெறப்பட்ட எண்ணை சரிபார்க்கவும். அடுத்து, வெளியேற்ற நேரம் கணக்கிடப்படுகிறது மற்றும் ஏற்றுதல் உபகரணங்கள் மொத்த நேர சுருக்கமாக. நிபந்தனை சரிபார்க்கப்பட்டது: கார் வருகை இடைவெளி அதிக நேரம் இறக்கிவிட்டால், அவர்களுக்கு இடையேயான வேறுபாடு அளவீட்டு நேர கருமபீடத்தில் சுருக்கமாக உள்ளது.

படம். 3.21.

SMO க்கான ஒரு எடுத்துக்காட்டு உதாரணம் பல பதிவுகள் கொண்ட ஒரு ஏற்றுதல் புள்ளியாக இருக்கும், படம் காட்டப்பட்டுள்ளது. 3.22.

படம். 3.22.

சிமுலேஷன் செயல்முறையின் தெளிவுபடுத்தலுக்கு, SMO செயல்பாட்டின் ஒரு தற்காலிக வரைபடத்தை நாங்கள் உருவாக்கி, ஒவ்வொரு வரியிலும் (நேரம் /) அமைப்பின் தனிப்பட்ட உறுப்புகளின் (அத்தி 3.23) என்ற மாநிலத்தில் பிரதிபலிக்கும். SMO (நீரோடைகளில்) பல்வேறு பொருள்களைப் போலவே தற்காலிக கோடுகள் மேற்கொள்ளப்படுகின்றன. எங்கள் உதாரணத்தில், அவர்கள் 7: பயன்பாடுகளின் ஓட்டம், வரிசையில் முதல் இடத்தில், வரிசையில் இரண்டாவது இடத்தில் எதிர்பார்ப்புக்கான ஓட்டம், முதல் சேனலில் சேவை ஓட்டம், இரண்டாவது சேனலில் சேவை ஓட்டம் , பயன்பாடுகளின் ஓட்டம் பணியாற்றிய பயன்பாடுகளின் ஓட்டம். குறிப்பு செயல்முறையை நிரூபிக்க, இரண்டு கார்கள் மட்டுமே ஏற்றும் வரிசையில் சுமைகளில் இருக்க முடியும் என்பதை நாங்கள் ஒப்புக்கொள்கிறோம். அவர்கள் இன்னும் இருந்தால், அவர்கள் மற்றொரு ஏற்றுதல் புள்ளிக்கு அனுப்பப்படுகிறார்கள்.

கார் சேவை பயன்பாடுகளின் ரசீது சிறிய சீரற்ற தருணங்களை முதல் வரிசையில் காட்டப்படும். முதல் விண்ணப்பம் எடுக்கப்பட்டதுடன், இந்த நேரத்தில் சேனல்கள் இலவசமாக இருப்பதால், முதல் சேனலை பராமரிக்க இது அமைக்கப்பட்டுள்ளது. வேண்டுகோள் 1 இது முதல் சேனல் வரிக்கு மாற்றப்படுகிறது. சேனல் சேவை நேரம் சீரற்றது. சேவையகத்தின் முடிவில் இருந்து உருவாக்கப்பட்ட சேவை நேரத்தை ஒத்துப்போகும் சேவையின் முடிவை முடிவுக்கு கொண்டுவருகிறோம்

மற்றும் "பணியாற்றப்பட்ட" வரிசையில் விண்ணப்பத்தை தவிர்க்கவும். பயன்பாடு SMO அனைத்து வழியில் நடைபெற்றது. இரண்டாவது பயன்பாட்டின் பாதையை நீங்கள் உருவகப்படுத்துகையில், பயன்பாடுகளின் நிலையான இடுகையின் கொள்கையின்படி இப்போது சாத்தியமாகும்.

படம். 3.23.

சில கட்டத்தில் இரு சேனல்கள் பிஸியாக இருப்பதாக மாறும் என்றால், நீங்கள் ஒரு பயன்பாட்டு வரிசையை நிறுவ வேண்டும். படம் 3.23 இது ஒரு பயன்பாடு ஆகும் 3. வரிசையில் பணியின் விதிமுறைகளின் படி, சேனல்களுக்கு மாறாக, பயன்பாடுகள் சீரற்ற நேரம் அல்ல, மற்றும் சில சேனல்கள் இலவசமாக இருக்கும் போது எதிர்பார்க்கலாம். கால்வாய் வெளியிடப்பட்டது பின்னர், பயன்பாடு தொடர்புடைய சேனல் வரிசையில் உயரும் மற்றும் அதன் பராமரிப்பு ஏற்பாடு ஏற்படுகிறது.

மற்றொரு பயன்பாடு வரும் நேரத்தில் வரிசையில் உள்ள இடத்தின் எடையானது, ஆக்கிரமிக்கப்படுவீர்கள் என்றால், "மறுத்துவிட்ட" வரிக்கு விண்ணப்பம் அனுப்பப்பட வேண்டும். படம் 3.23 இது ஒரு பயன்பாடு ஆகும் 6.

உருவகப்படுத்துதல் பயன்பாடுகளுக்கு செயல்முறை சிறிது நேரம் தொடர்கிறது டி. இந்த நேரத்தில் பெரியது, எதிர்காலத்தில் சிமுலேஷன் முடிவுகளை இன்னும் துல்லியமாக இருக்கும். உண்மையில் எளிய அமைப்புகள் தேர்வு டி, 50-100 மணி நேரம் அல்லது அதற்கு மேல் சமமாக, சில நேரங்களில் அது கருதப்பட்ட பயன்பாடுகளின் அளவுகளை அளவிடுவது நல்லது.

SMO இன் பகுப்பாய்வு ஏற்கனவே கருதப்படும் எடுத்துக்காட்டில் செலவிடப்படும்.

முதலில் நீங்கள் நிலையான ஆட்சிக்கு காத்திருக்க வேண்டும். நாங்கள் முதல் நான்கு பயன்பாடுகளை uncharacteristic என மழைக்கிறோம், கணினியை நிறுவும் போது பாயும் போது ("நேரம் வெப்பமயமாதல் நேரம்"). நாம் கவனிப்பு நேரத்தை அளவிடுகிறோம், எங்கள் எடுத்துக்காட்டாக R \u003d 5 மணி நேரம் என்று கருதுகிறோம். வரைபடத்தில் பணியாற்றிய பயன்பாடுகளின் எண்ணிக்கையை நாங்கள் எண்ணுகிறோம் என் O6C, வேலையில்லா மற்றும் பிற மதிப்புகள். இதன் விளைவாக, SMO இன் வேலையின் தரத்தை குறிக்கும் குறிகாட்டிகளை நாம் கணக்கிட முடியும்:

• 1. சேவை நிகழ்தகவு P \u003d n, / n \u003d. 5/7 \u003d 0.714. கணினியில் விண்ணப்பத்தை சேவையாற்றுவதற்கான நிகழ்தகவைக் கணக்கிடுவதற்கு, காலப்போக்கில் சேவை செய்ய முடிந்த பயன்பாடுகளின் எண்ணிக்கையை பிரிக்க போதும் டி (பயன்பாடுகளின் எண்ணிக்கையின்படி "பணியாற்றும்" வரி "L / O6C ஐப் பார்க்கவும் N, அதே நேரத்தில் யார் நுழைந்தார்கள்.
• 2. கணினி அலைவரிசை A \u003d NJT H \u003d 7/5 \u003d 1.4 அல்லது எச். / எச். கணினியின் அலைவரிசையை கணக்கிடுவதற்கு, சேவை செய்யப்பட்ட பயன்பாடுகளின் எண்ணிக்கையை பிரிப்பது போதும் N o6c. சிறிது நேரம் டி, இது இந்த சேவை நடந்தது.
• 3. மறுப்பதற்கான நிகழ்தகவு P \u003d n / n \u003d 3/7 \u003d 0.43. சேவையின் குறிப்புகளின் பணியமர்த்தலை கணக்கிடுவதற்கு, பயன்பாடுகளின் எண்ணிக்கையை பிரிக்க இது போதும் என் அந்த நேரத்தில் மறுத்துவிட்டார் டி ("மறுத்துவிட்ட" வரி), பயன்பாடுகளின் எண்ணிக்கை N, அதே நேரத்தில் சேவை செய்ய விரும்பியவர், i.e. அவர்கள் கணினியில் நுழைந்தனர். குறிப்பு என்பதை நினைவில் கொள்க P op + r p (to. இந்த கோட்பாட்டில் சமமாக இருக்க வேண்டும். உண்மையில், அது சோதனையாக இருந்தது என்று மாறியது P + ஆர். \u003d 0.714 + 0.43 \u003d 1.144. இந்த துல்லியத்தன்மை கவனிப்பின் போது உண்மையில் விளக்கப்பட்டுள்ளது டி போதுமான புள்ளிவிவரங்கள் சரியான பதிலுக்காக திரட்டப்பட்டுள்ளன. இந்த காட்டி பிழை இப்போது 14% ஆகும்.
• 4. ஒரு சேனலின் வேலைவாய்ப்பு நிகழ்தகவு P \u003d t r jt h. \u003d 0.05 / 5 \u003d 0.01, எங்கே டி - வேலைவாய்ப்பு நேரம் ஒரே ஒரு சேனல் (முதல் அல்லது இரண்டாவது). குறிப்பிட்ட நிகழ்வுகள் ஏற்படக்கூடிய நேர பிரிவுகளுக்கு அளவீடுகள் உட்பட்டவை. உதாரணமாக, பிஸியாக அல்லது முதல் அல்லது இரண்டாவது சேனல் போது இத்தகைய பிரிவுகளுக்கு வரைபடம் தேடப்படுகிறது. இந்த எடுத்துக்காட்டில், ஒரு வரைபடத்தின் முடிவில் ஒரு பகுதி 0.05 மணி நேர நீளத்துடன் ஒரு பகுதி உள்ளது.
• 5. இரண்டு சேனல்களின் வேலைவாய்ப்பு நிகழ்தகவு P \u003d t / t \u003d 4.95 / 5 \u003d 0.99. வரைபடம் அத்தகைய பிரிவுகளுக்காக தேடியது, இதில் முதல் மற்றும் இரண்டாவது சேனல் ஒரே நேரத்தில் ஆக்கிரமிக்கப்பட்டுள்ளது. இந்த எடுத்துக்காட்டில், இந்த பிரிவுகளில் நான்கு உள்ளன, அவற்றின் அளவு 4.95 மணி நேரம் ஆகும்.
• 6. பிஸியாக சேனல்களின் சராசரி எண்ணிக்கை: / V க்கு - 0 P 0. + R x + 2.P, \u003d \u003d \u003d 0.01 +2? 0.99 \u003d 1.99. சராசரியாக கணினியில் எத்தனை சேனல்கள் ஆக்கிரமிக்கப்படுகின்றன என்பதை கணக்கிடுவதற்கு, பங்கு (ஒரு சேனலைப் பயன்படுத்துவதற்கான நிகழ்தகவு) மற்றும் இந்த பங்குகளின் எடை (ஒரு சேனலின் எடை (ஒரு சேனல்) ஆகியவற்றை பெருக்குவது (வேலைவாய்ப்பு நிகழ்த்துதல் இரண்டு சேனல்களில்) மற்றும் இந்த பங்கு (இரண்டு சேனல்கள்) மற்றும் பலவற்றின் மூலம் பெருக்கி, இதன் விளைவாக எண் 1.99 கூறுகிறது. இதன் விளைவாக எண் 1.99 சில சாத்தியமான சேனல்களில் சராசரியாக ஏற்றப்படும். இது ஒரு உயர் ஏற்றுதல் விகிதம், 99.5%, கணினி வளங்களை நன்றாக பயன்படுத்துகிறது.
• 7. செயலற்ற நிகழ்தகவு குறைந்தது ஒரு சேனல் பி *, \u003d g எளிய, / r \u003d 0.05 / 5 \u003d 0.01 ஆகும்.
• 8. ஒரே நேரத்தில் இரண்டு சேனல்களின் வேலையின்மை நிகழ்தகவு: P \u003d \u003d t jt \u003d 0.

• 9. முழு முறையின் வேலையின்மை நிகழ்தகவு P * \u003d t / t \u003d 0.
• 10. Queue / V S \u003d 0 இல் பயன்பாடுகளின் சராசரி எண்ணிக்கை பி + 1 பி மற்றும் + 2r கே \u003d \u003d \u003d 0.34 + 2 0.64 \u003d 1.62 auth. வரிசையில் உள்ள பயன்பாடுகளின் சராசரி எண்ணிக்கையை தீர்மானிக்க, வரிசையில் ஒரு பயன்பாட்டு பி இருக்கும் என்று நிகழ்தகவு தீர்மானிக்க வேண்டும், வரிசையின் சாத்தியக்கூறுகள் பி 2z இன் இரண்டு பயன்பாடுகளாக இருக்கும், அதனுடன் தொடர்புடைய எடைகள் அவற்றை சேர்க்க.
• 11. வரிசையில் ஒரு விண்ணப்பம் இருக்கும் என்று சாத்தியம், P and \u003d. = Tjt n \u003d. 1.7/5 \u003d 0.34 (மொத்தத்தில், வரைபடத்தில் நான்கு பிரிவுகளில் 1.7 மணி அளவில்).
• 12. வரிசையில் உள்ள சாத்தியக்கூறுகள் ஒரே நேரத்தில் இரண்டு பயன்பாடுகளில் நிற்கும், ஆர் கே \u003d G 2z / g \u003d 3.2 / 5 \u003d 0.64 (மொத்தம், மொத்தம் 3.25 மணி அளவில் இந்த பிரிவுகளில் மூன்று).
• 13. Queue R Ore \u003d 1.7/4 \u003d 0.425 மணி நேரத்திற்குள் பயன்பாட்டின் சராசரி காத்திருக்கும் நேரம். நீங்கள் எல்லா நேர இடைவெளிகளையும் சேர்க்க வேண்டும், எந்த பயன்பாடும் வரிசையில் இருந்தாலும், பயன்பாடுகளின் எண்ணிக்கையால் வகுக்கப்படும். அத்தகைய பயன்பாடுகளின் தற்காலிக வரைபடத்தில் 4.
• விண்ணப்பத்தின் சராசரி விண்ணப்ப நேரம் 7 'Crowd \u003d 8/5 \u003d 1.6 h. எந்தப் பயன்பாடும் எந்தவொரு சேனலிலும் சேவையில் எந்தப் பயன்பாடும் எந்த நேர இடைவெளிகளையும் மடியுங்கள்.
• 15. சராசரி நேரம் கணினியில் விண்ணப்பம்: டி = டி +

g g cf. பூசப்பட்டாள். சரி.

துல்லியம் திருப்திகரமாக இல்லாவிட்டால், நீங்கள் பரிசோதனையை அதிகரிக்க வேண்டும், இதனால் புள்ளிவிவரங்களை மேம்படுத்த வேண்டும். நீங்கள் 154 பல முறை பரிசோதனையை ஆரம்பித்தால் வித்தியாசமாக செய்யலாம்

சிறிது நேரம் டி பின்னர் இந்த சோதனைகள் மதிப்புகள் சராசரியாக சராசரியாக, பின்னர் மீண்டும் துல்லியம் அளவுகோல் முடிவுகளை சரிபார்க்க. NA க்கு தேவையான துல்லியம் அடையக்கூடிய வரை இந்த செயல்முறை மீண்டும் மீண்டும் செய்யப்பட வேண்டும்.

மாடலிங் முடிவுகளின் பகுப்பாய்வு

அட்டவணை 3.11.

பேருக்கு	மதிப்பு பேருக்கு	ஸ்மோவின் உரிமையாளரின் நலன்களை	வாடிக்கையாளர் நலன்களை
நிகழ்தகவு சேவை		பராமரிப்பின் நிகழ்தகவு சிறியது, பல வாடிக்கையாளர்கள் சிபாரிசிங் இல்லாமல் கணினியை விட்டு விடுகின்றனர்: சேவையின் நிகழ்தகவு அதிகரிக்கவும்	சேவையின் நிகழ்தகவு சிறியது, ஒவ்வொரு மூன்றாவது கிளையனுக்கும் விரும்புகிறது, ஆனால் பரிந்துரை வழங்க முடியாது: சேவையின் நிகழ்தகவு அதிகரிக்கும்
வரிசையில் உள்ள பயன்பாடுகளின் சராசரி எண்ணிக்கை			கிட்டத்தட்ட எப்பொழுதும் வரிசைப்படுத்துவதற்கு முன்பே வரிசையில் பரிந்துரைக்கப்படுவதற்கு முன்பே: வரிசையில் உள்ள இடங்களின் எண்ணிக்கையை அதிகரிக்கவும், அலைவரிசை அதிகரிக்கும்
		வாடிக்கையாளர்களை இழக்க வேண்டாம் வரிசையில் இடங்களின் எண்ணிக்கையை அதிகரிக்க அலைவரிசை அதிகரிக்கும்	வாடிக்கையாளர்கள் காத்திருக்கும் நேரம் குறைக்க மற்றும் தோல்விகளை குறைக்க பட்டையகலம் ஒரு குறிப்பிடத்தக்க அதிகரிப்பு ஆர்வமாக உள்ளன.

குறிப்பிட்ட செயல்களின் செயல்திறனில் ஒரு முடிவை எடுக்க, மாதிரியின் உணர்திறனை பகுப்பாய்வு செய்வது அவசியம். நோக்கம் உணர்திறன் பகுப்பாய்வு மாதிரி உள்ளீடு அளவுருக்கள் மாற்றங்கள் காரணமாக வெளியீடு பண்புகளை சாத்தியமான விலகல்கள் தீர்மானிக்க இது.

சிமுலேஷன் மாதிரியின் உணர்திறனை மதிப்பிடுவதற்கான முறைகள் எந்த அமைப்பின் உணர்திறனையும் தீர்மானிப்பதற்கான முறைகளைப் போலவே இருக்கும். மாதிரியின் வெளியீடு பண்பு என்றால் ஆர் மாறி மதிப்புகள் தொடர்புடைய அளவுருக்கள் சார்ந்துள்ளது ஆர் =/(PG R 2, P), என்று மாற்றுகிறது

அளவுருக்கள் D. ப. (/ \u003d 1, ..d) மாற்றம் மாற்ற Ar.

இந்த வழக்கில், மாதிரியின் உணர்திறன் பகுப்பாய்வு உணர்திறன் செயல்பாடுகளை ஆய்வு செய்வதற்கு குறைக்கப்பட்டுள்ளது. dr /டாக்டர்

உருவகப்படுத்தப்பட்ட மாதிரியின் உணர்திறன் பற்றிய ஒரு பகுப்பாய்வின் உதாரணமாக, அறுவைசிகிச்சை செயல்திறன் பற்றிய வாகனத்தின் மாறி நம்பகத்தன்மை அளவுருக்கள் மாற்றத்தின் தாக்கத்தை நாம் கருதுகிறோம். ஒரு இலக்கு செயல்பாடு என, நாம் IR இருந்து தற்போதைய செலவுகள் காட்டி பயன்படுத்த. உணர்திறன் பகுப்பாய்வு செய்ய, நகர்ப்புற நிலைமைகளில் காமஸ் -5410 சாலை ரயில்களுக்கு இயக்கத் தரவை நாங்கள் பயன்படுத்துகிறோம். வரம்புகள் மாற்ற அளவுருக்கள் ஆர். மாதிரியின் உணர்திறனை தீர்மானிக்க, நிபுணர் வழியை (அட்டவணை 3.12) தீர்மானிக்க போதுமானது.

மாதிரியில் கணக்கீடுகளை முன்னெடுக்க, ஒரு அடிப்படை புள்ளி தேர்ந்தெடுக்கப்பட்ட அளவு அளவுருக்கள் தரநிலைகளுக்கு தொடர்புடைய மதிப்புகள் உள்ளன. நாட்களில் பராமரிப்பு மற்றும் பழுதுபார்க்கும் போது செயலற்ற கால அளவுரு ஒரு குறிப்பிட்ட காட்டி மூலம் மாற்றப்படுகிறது - ஆயிரம் கிலோமீட்டர் சில நாட்களில் எளிய என்

கணக்கீடு முடிவுகள் படம் காட்டப்பட்டுள்ளது. 3.24. அடிப்படை புள்ளி அனைத்து வளைவுகள் வெட்டும் உள்ளது. படம் காட்டப்பட்டுள்ளது. 3.24 சார்ந்திருப்பவர்கள் ஒவ்வொருவருக்கும் உள்ள அளவுருக்கள் ஒவ்வொன்றின் செல்வாக்கின் அளவையும் ஸ்தாபிப்பதைச் செய்ய முடியும். அதே நேரத்தில், பகுப்பாய்வு மதிப்புகளின் இயற்கை மதிப்புகளின் பயன்பாடு உங்களை அனுமதிக்காது ஒவ்வொரு அளவுருவின் ஒரு ஒப்பீட்டளவிலான செல்வாக்கை ஸ்தாபிப்பதற்காக 3, இடைவெளியை இந்த அளவுருக்கள் அளவிடக்கூடிய அளவீடுகளைக் கொண்டுள்ளன. இதை சமாளிக்க, உறவினர் அலகுகளில் கணக்கீடு முடிவுகளின் விளக்கத்தை நாம் தேர்வு செய்கிறோம். இதை செய்ய, அடிப்படை புள்ளி ஒருங்கிணைப்புகள் தொடக்கத்தில் மாற்றப்பட வேண்டும், மற்றும் மாறி அளவுருக்கள் மதிப்புகள் மற்றும் மாதிரியின் வெளியீடு பண்புகள் உள்ள உறவினர் மாற்றம் ஒரு சதவீதம் வெளிப்படுத்தப்படுகிறது. மாற்றங்களின் முடிவுகள் படத்தில் வழங்கப்படுகின்றன. 3.25.

அட்டவணை 3.12.

மதிப்புகள் மாறி அளவுருக்கள்

படம். 3.24.

படம். 3.25. மாற்றத்தின் அளவுக்கு மாறி அளவுருக்கள் ஒப்பீட்டு மாற்றத்தின் விளைவு

அடிப்படை மதிப்புடன் தொடர்புடைய மாறி அளவுருக்களை மாற்றுவது ஒரு அச்சில் குறிப்பிடப்பட்டுள்ளது. அத்தி இருந்து பார்க்க முடியும். 3.25, அடிப்படை புள்ளிக்கு அருகில் உள்ள ஒவ்வொரு அளவுருவின் மதிப்பிலும் 50 சதவிகிதம், 9% வளர்ச்சியின் 9% அதிகரிப்புக்கு அதிகரிக்கிறது, 1.5% க்கும் அதிகமானவை 0.5% க்கும் குறைவானவை என் மற்றும் அதிகரிப்பு 3 கிட்டத்தட்ட 4% குறைவு எல் . 25 குறைப்பு % பி மற்றும் D RG முறையே 6% க்கும் அதிகமான அதிகரிப்புக்கு வழிவகுக்கிறது. அளவுருக்கள் அதே மதிப்பு குறைப்பு NT0, C TR மற்றும் C முறையே 0.2, 0.8 மற்றும் 4.5% குறைவு ஒரு வழிவகுக்கிறது.

நம்பகத்தன்மைகள் தனிப்பட்ட அளவுருவின் விளைவை ஒரு கருத்தை வழங்குகின்றன, போக்குவரத்து முறையின் செயல்பாட்டைத் திட்டமிடுகையில் பயன்படுத்தப்படலாம். எஸ் மீது செல்வாக்கு தீவிரம் மூலம். கருதப்பட்ட அளவுருக்கள் பின்வரும் வரிசையில் வைக்கப்படலாம்: D, II, L, உடன் 9 என் .

'7 k.r 7 tr 7

செயல்பாட்டின் போது, \u200b\u200bஒரு காட்டி மதிப்பில் மாற்றம் மற்ற குறிகாட்டிகளின் மதிப்புகளில் மாற்றம் ஏற்படுகிறது, ஒவ்வொரு மாறி அளவுருக்கள் ஒவ்வொன்றிலும் ஒப்பீட்டளவில் மாற்றம் மற்றும் பொது விஷயத்தில் அதே மதிப்பு ஒரு சமமற்ற உடல் அடிப்படையில் உள்ளது. Abscissa அச்சில் உள்ள மாறி அளவுருக்கள் மதிப்புகள் பதிலாக தொடர்புடைய மாற்றத்தை மாற்ற வேண்டும் ஒரு அளவுருவை மாற்றும் ஒரு அளவுருவை மாற்றுவதற்கு ஒரு அளவுருவை மாற்றியமைக்க வேண்டும். வாகனத்தின் ஒவ்வொரு தருணத்திலும், ஒவ்வொரு அளவுருவின் மதிப்பும் மற்ற மாறி அளவுருக்கள், அதாவது, ஒரு பொருளாதார புள்ளியில் இருந்து, வாகனத்தின் நம்பகத்தன்மையிலிருந்து அதே பொருளாதார எடையுடன் தொடர்புடையது என்று கருதப்படுகிறது நேரம் ஒவ்வொரு தருணமும் தொடர்புடைய அளவுருக்கள் மீது சமநிலை விளைவு உள்ளது. பின்னர் விரும்பிய பொருளாதார சமமான நேரம் அல்லது, மிகவும் வசதியானது, செயல்பாட்டின் ஆண்டாகும்.

படம் 3.26 மேலே உள்ள தேவைகளுக்கு இணங்க நிர்மாணிக்கப்பட்ட சார்புகள் வழங்கப்பட்டுள்ளன. ஆக்கிரமிப்பின் அடிப்படை மதிப்புக்கு, வாகனத்தின் செயல்பாட்டின் முதல் வருடம் எடுக்கப்படுகிறது. ஒவ்வொரு செயல்பாட்டிற்கும் மாறுபட்ட அளவுருக்கள் மதிப்புகள் கண்காணிப்பு முடிவுகளால் தீர்மானிக்கப்பட்டன.

படம். 3.26.

செயல்பாட்டின் செயல்பாட்டில், S இன் அதிகரிப்பு. முதல் மூன்று ஆண்டுகளுக்கு முதன்மையாக மதிப்புகளின் வளர்ச்சி காரணமாக உள்ளது. எச். Jo, பின்னர், கருதப்படுகிறது இயக்க நிலைமைகளில், வாகனத்தின் செயல்திறனை குறைப்பதில் முக்கிய பங்கு TR உடன் மதிப்புகள் அதிகரிக்கும். அளவுகோலின் செல்வாக்கை அடையாளம் காண எல் kp, கணக்கீடுகளில், அதன் மதிப்பு வாகனத்தின் மொத்த மைலேஜ் செயல்பாட்டிலிருந்து சமமாக இருந்தது. செயல்பாடு 3 பார்வை. \u003d F (எல்) அதிகரிப்புடன் குறைப்பு 3 தீவிரம் என்று காட்டுகிறது

முதலியன ஜே. V k.r " 7 Np. ஜே.

1 க்கு p கணிசமாக குறைக்கப்படுகிறது.

மாடலின் உணர்திறன் பற்றிய பகுப்பாய்வின் விளைவாக, இலக்கு செயல்பாட்டை மாற்றுவதற்கு காரணிகள் பாதிக்கப்பட வேண்டிய காரணிகளை நீங்கள் புரிந்து கொள்ளலாம். காரணிகளை மாற்றுவதற்கு, அதற்கான செலவினங்களுடன் தொடர்புடைய ஆளுமை முயற்சிகள் செய்ய வேண்டும். செலவினங்களின் செலவு முடிவிலா இருக்க முடியாது, எந்த வளங்களையும் போலவே இந்த செலவுகள் உண்மையில் குறைவாகவே உள்ளன. இதன் விளைவாக, நிதி அளவு எவ்வளவு திறம்பட ஒதுக்கப்படும் என்பதை புரிந்து கொள்ள வேண்டும். பெரும்பாலான சந்தர்ப்பங்களில் அதிகரித்து வரும் கட்டுப்பாட்டு வெளிப்பாடு கொண்ட செலவுகள் நேராக வளரும் என்றால், கணினியின் செயல்திறன் சில வரம்புகளுக்கு மட்டுமே வளர்ந்து வருகிறது, அதே நேரத்தில் குறிப்பிடத்தக்க செலவுகள் அதே திரும்பி வரவில்லை. உதாரணமாக, கட்டுப்பாடுகள் காரணமாக சேவை செய்யும் சாதனங்களின் சக்தியை அதிக அளவில் அதிகரிக்க முடியாது, ஆனால் பகுதி அல்லது சேவை செய்யப்பட்ட கார்கள் சாத்தியமான எண்ணிக்கையில், முதலியன.

செலவுகள் மற்றும் கணினி செயல்திறன் காட்டி ஒரு அலகுகளில் அதிகரிப்பு மற்றும் ஒரு அலகுகளில், ஒரு விதிமுறையாக, ஒரு விதியாக, அது படத்தில் வழங்கப்பட்ட அதே வழியில் இருக்கும். 3.27.

படம். 3.27.

படம் இருந்து. 3.27 C க்கு விலை Z இன் விலை Z இன் விலை Z இன் விலையில், காட்டி ஒரு அலகு விலை ஆர் இந்த வளைவுகள் மூடப்பட்டிருக்கும். அவர்கள் ஒரே நேரத்தில் குறைக்க அல்லது அதிகரிக்க வேண்டும் என்றால் வளைவுகள் மூடப்பட்டிருக்கும். ஒரு வளைவு அதிகபட்சமாக இருந்தால், மற்றொன்று குறைக்கப்படுகிறது, பின்னர் அவற்றின் வேறுபாடு, எடுத்துக்காட்டாக, புள்ளிகளால் காணப்பட வேண்டும். பின்னர் விளைவாக வளைவு (படம் 3.28), இது கட்டுப்பாட்டு விளைவுகளை கணக்கில் எடுத்துக்கொள்கிறது, இது செலவு ஒரு extremum வேண்டும். அளவுருவின் மதிப்பு /?, எக்ஸ்ட்ரீம் செயல்பாடு வழங்குவதன் மூலம், தொகுப்பு சிக்கலின் தீர்வு.

படம். 3.28.

மென்பொருள்.

மேலாண்மை தவிர ஆர். மற்றும் காட்டி ஆர் கணினிகளில் கோபம் உள்ளன. குழப்பம் D \u003d (டி டி டி ஆர் ...) கட்டுப்பாட்டு அளவுருவைப் போலல்லாமல், கட்டுப்பாட்டு அளவுருவைப் போலல்லாமல், கணினியின் உரிமையாளரின் விருப்பத்தை சார்ந்து இல்லை (படம் 3.29). உதாரணமாக, தெருவில் குறைந்த வெப்பநிலை, போட்டி, துரதிருஷ்டவசமாக, வாடிக்கையாளர்களின் ஸ்ட்ரீம் குறைக்க; உபகரணங்கள் முறிவு கணினி செயல்திறனை குறைக்கின்றன. இந்த மதிப்புகளை நேரடியாக உரிமையாளர் கணினியை நிர்வகிப்பது முடியாது. வழக்கமாக, perturbation செயல்படுகிறது "என்று உரிமையாளர், விளைவு குறைக்கும் ஆர் நிர்வாக முயற்சிகளிலிருந்து ஆர். ஏனென்றால், பொதுவாக, இயற்கையில் தங்களைத் தக்கவைக்க முடியாத இலக்குகளை அடைவதற்கு இந்த அமைப்பு உருவாக்கப்பட்டது. மனிதன், அமைப்பு ஏற்பாடு, எப்போதும் சில இலக்கை அடைய அதை மூலம் நம்புகிறது ஆர். அது முயற்சிகள் செலவிடுகிறது ஆர். இந்த சூழலில், கணினி சில புதிய இலக்கை அடைய வேறு சில புதிய இலக்கை அடைய இயற்கை கூறுகளால் ஆய்வு செய்யப்படும் நபருக்கு அணுகக்கூடிய ஒரு அமைப்பாகும் என்று கூறலாம்.

படம். 3.29.

நாம் குறிகாட்டியின் சார்புகளை அகற்றினால் ஆர் மேலாண்மை இருந்து ஆர். மீண்டும் ஒருமுறை, ஆனால் தோன்றிய perturbation முகத்தில், வளைவின் தன்மை மாறும். பெரும்பாலும், காட்டி கீழே உள்ள கட்டுப்பாடுகள் அதே மதிப்புகள் இருக்கும், இதன் கோபம் எதிர்மறை எதிர்மறை ஏனெனில், கணினி செயல்திறன் குறைக்கும். நிர்வகித்தல் இயல்புடைய முயற்சிகள் இல்லாமல், தன்னை வழங்கிய அமைப்பு, அது உருவாக்கியதற்கு ஒரு இலக்கை வழங்குவதை நிறுத்துகிறது. முன், முன், செலவுகள் சார்பு கட்டமைக்க, கட்டுப்பாட்டு அளவுரு இருந்து காட்டி சார்பு அதை தொடர்பு, பின்னர் Extremum புள்ளி கண்டுபிடிக்கப்பட்டது (perturbation \u003d 0 "உடன் ஒப்பிடுகையில் (படம் 3.30) ). நீங்கள் மீண்டும் perturbation அதிகரித்தால், பின்னர் வளைவுகள் மாறும் மற்றும் விளைவாக, Extremum புள்ளி நிலையை மீண்டும் மாறும்.

படத்தில் அட்டவணை. 3.30 r, கட்டுப்பாடு (வளத்தை) பிணைக்கிறது ஆர். மற்றும் கோபம் டி சிக்கலான அமைப்புகளில், கணினியில் ஒரு தீர்வை உருவாக்கும் மேலாளர் (அமைப்பு) எவ்வாறு செயல்படுவது என்பதைக் குறிக்கும். கட்டுப்பாட்டு நடவடிக்கை குறைவான உகந்ததாக இருந்தால், மொத்த விளைவு குறைந்து விடும், நிலைமை நிலைமையை ஏற்படுத்தும். கட்டுப்பாட்டு வெளிப்பாடு மிகவும் உகந்ததாக இருந்தால், விளைவு குறைவதையும் குறைக்கும், Que- 162 க்கு செலுத்த வேண்டும்

மேலாண்மை முயற்சிகள் அதிகரிப்பு நீங்கள் கணினியின் பயன்பாட்டின் விளைவாக நீங்கள் பெறும் ஒரு விட அதிகமாக இருக்க வேண்டும்.

படம். 3.30.

உண்மையான பயன்பாட்டிற்கான அமைப்பின் உருவகப்படுத்துதல் மாதிரி கணினியில் செயல்படுத்தப்பட வேண்டும். பின்வரும் கருவிகளைப் பயன்படுத்தி இது உருவாக்கப்படலாம்:

• யுனிவர்சல் பயனர் நிரல் கணித (Matlab) அல்லது Tabular செயலி (எக்செல்) அல்லது DBMS (EXCEL) அல்லது DBMS (ACCESS, FOXPRO), நீங்கள் ஒப்பீட்டளவில் எளிமையான மாதிரியை மட்டுமே உருவாக்க அனுமதிக்கிறது மற்றும் குறைந்தது ஆரம்ப நிரலாக்க திறன்களை தேவைப்படுகிறது;
• யுனிவர்சல் நிரலாக்க மொழி (சி +, ஜாவா, அடிப்படை, முதலியன), நீங்கள் எந்த சிக்கலான ஒரு மாதிரி உருவாக்க அனுமதிக்கிறது; ஆனால் இது ஒரு மிக நேரத்தைச் சாப்பிடும் செயல்முறை ஆகும், இது ஒரு பெரிய அளவு மென்பொருள் குறியீடு மற்றும் நீண்ட பிழைத்திருத்தத்தை எழுதுவதற்கு தேவைப்படும்;
• சிறப்பு உருவகப்படுத்துதல் மொழிஇது ஒரு மாதிரி தளத்தை விரைவாக உருவாக்க வடிவமைக்கப்பட்ட தயாரிக்கப்பட்ட வார்ப்புருக்கள் மற்றும் காட்சி நிரலாக்க கருவிகளைக் கொண்டுள்ளது. மிகவும் பிரபலமான ஒன்று - யுஎம்எல் (யுனிவட் மாடலிங் மொழி);
• சிமுலேஷன் திட்டங்கள், இது சாயல் மாதிரிகள் உருவாக்கும் மிகவும் பிரபலமான வழிமுறையாகும். அவர்கள் பார்வைக்கு ஒரு மாதிரியை உருவாக்க அனுமதிக்கிறார்கள், மிகவும் கடினமான சந்தர்ப்பங்களில் நடைமுறைகள் மற்றும் செயல்பாடுகளை கைமுறையாக நிரல் குறியீட்டை எழுதுவதற்கு மிகவும் கடினமான சந்தர்ப்பங்களில் மட்டுமே.

சாயல் மாடலிங் திட்டங்கள் இரண்டு வகைகளாக பிரிக்கப்பட்டுள்ளன:

• யுனிவர்சல் உருவகப்படுத்துதல் தொகுப்புகள் பல்வேறு மாதிரிகள் உருவாக்க வடிவமைக்கப்பட்ட மற்றும் பல்வேறு இலக்கு அமைப்புகளில் வழக்கமான செயல்முறைகளை நீங்கள் உருவகப்படுத்தக்கூடிய செயல்பாடுகளை ஒரு தொகுப்பைக் கொண்டிருக்கலாம். இந்த வகை பிரபலமான தொகுப்புகள் அரினா (டெவலப்பர் ராக்க்வெல் ஆட்டோமேஷன் 1, அமெரிக்கா), Extendsim (டெவலப்பர் மை, அமெரிக்கா), எய்யோகிக் (டெவலப்பர் எக்ஸ்ஜ் டெக்னாலஜிஸ், ரஷ்யா) மற்றும் பலர். கிட்டத்தட்ட அனைத்து உலகளாவிய தொகுப்புகளும் மாடலிங் குறிப்பிட்ட வகுப்புகளுக்கு சிறப்பு பதிப்புகள் உள்ளன . பொருள்கள்.
• பொருள் சார்ந்த உருவகப்படுத்துதல் தொகுப்புகள் குறிப்பிட்ட வகையான பொருள்களை மாடலிங் செய்வதற்கும், வார்ப்புருக்கள் வடிவத்தில் ஒரு சிறப்பு கருவித்தொகுப்பு, முடிக்கப்பட்ட தொகுதிகள் இலிருந்து மாதிரியின் காட்சி வடிவமைப்பிற்கான முதுநிலை வடிவமைப்புகளைக் கொண்டிருக்கின்றன.

• நிச்சயமாக, இரண்டு சீரற்ற எண்கள் ஒருவருக்கொருவர், அரிசி, ஒருவருக்கொருவர் சார்ந்ததாக இருக்க முடியாது. 3.17, தொடர்பின் கருத்தை தெளிவுபடுத்துவதற்கான முற்போக்கானவர்கள். 144.
• KAMAZ-5410 / YU கார்களின் நம்பகத்தன்மையில் தொழில்நுட்ப மற்றும் பொருளாதார பகுப்பாய்வு. Kotikov, I. M. Blankinstein, A. E. Gorez, A. N. N. N. Borisenko; லிசா. எல்.:, 1983. 12 S.-DEP. Tsbnti Manavtotrans RSFSR இல், எண் 135at-D83 இல்.
• http://www.rockwellautomation.com.
• http://www.coxtcndsiin.com.
• http://www.xjtek.com.