МАТЕМАТИЧЕСКИЕ МОДЕЛИ РАСПРЕДЕЛЕНИЯ КОНЕЧНОЕО РЕЗУЛЬТАТА ФУНКЦИОНИРОВАНИЯ СИСТЕМЫ
Как следует из формул (2.3) и (2.13), для определения комплексного показателя целевой производительности системы М необходимо знать функцию распределения конечного результата ее функционирования Fn{y), а для определения комплексного показателя целевой надежности системы R — функции распределения конечного результата функционирования системы FB(y) и необходимого результата функционирования конечного результата функционирования системы FB(y).
Функция распределения возможного конечного результата функционирования системы
Дв(у)-Вер{Гв< у], (2.37)
где Ев—случайная величина, выражающая возможный конечный результат — функционирования — системы; у — переменная неслучайная величина, являющаяся частной реализацией случайной величины Ув.
Если случайная величина YB дискретна, то
(у) = 2 р Шв> J= П~п, — (2.38)
У j<y
тде уj — возможное значение случайной величины Ув; Р(уі)—вероятность величины Уд я — число возможных значений случайной — величины Ув.
В том случае, когда случайная величина Ув непрерывна-,
и
■ Рв {у) ~ J/в (У) dy,
о
где fa (у) —плотность распределения возможного конечного результата функционирования системы YB.
Функция распределения необходимого конечного результата функционирования системы Fn(y) имеет аналогичное (2.37) выражение ‘»
F* (</) = Вер {Г„ < у}, (2.40)
где’ Ун —случайная величина, выражающая необходимый результат функционирования системы; у — неслучайная переменная, являющаяся частной реализацией случайной величины Уы.
Если величина Ун дискретна, то
Fн ((/) = 2рв((/у), у=й. (2.41)
у]<у
где У і — возможное значение случайной величины Уп; Рв(Уі)—вероятность получения у у, п — число возможных значений случайной величины Ун.
В том случае, когда величина Ун непрерывна,
Fн (у) — f f*(y)dy, (2.42).
b
где fa(у)—плотность распределения необходимого конечного результата функционирования системы.
Рассмотрев приведенные выше математические модели, можно заметить, что по форме математические модели функций FB(y) и FH(y) совершенно одинаковы, отличаются они лишь содержанием аргумента у. Поэтому принципы их построения должны быть также одинаковы.
Как известно, из теории вероятностей [15], функция F(у) является неубывающей, т. е. она обладает тем свойством, что при У2>У имеет место неравенство F(y2)^F(уг). При у = 0 функция F(y)= 0; при у = оо функция F(y) = 1. Следовательно, при ^оо имеют место неравенства
0 . /'(//) 1. (2.43)
В практике исследования случайных величин используется ряд стандартных функций распределения случайной величины, обладающих отмеченными выше свойствами и используемых при решении практических задач.
. Биномиальное распределение. Пусть р обозначает вероятность появления события в каждом из п независимых испытаний. Тогда вероятность того, что в п испытаниях событие появится ровно у раз определяется биномиальным распределением
Ру, п-,р = СипРУ V — P)n~V’ У * > "• •
3 2412
Функция биномиального распределения
Г(У)= (2.45)
1 = 0
Математическое ожидание случайной величины, имеющей биномиальное распределение,
х = пр. (2.46
Среднее квадратичное отклонение случайной величины, имеющей биноминальное распределение,
а = Упр (1 — р). (2.47)
Биномиальное распределение обладает следующими свойства ии:
максимум Ру — п; р достигается при у, которое определяется неравенством
р(п+ 1)— 1 « у < р(п+ 1); • (2.48)
при п—>-оо, 0 и пр = const биномиальное распределение схо
дится к распределению Пуассона с параметром Х = пр. Приближение вполне приемлемо для п> 10 и р<0,10;
при п->-оо биномиальное распределение сходится к нормальному с параметрами [х = яр и о2 = пр( 1—р). Сходимость будет хорошей для р = 0,5, плохой для р<1/(я+1) и р>п(п+. 1), а также вне полосы За;
рекуррентная формула
Py+V, n;p РУ^р( у + Уі)[і^р);
биномиальное распределение является дискретным; его нельзя рассматривать как непрерывную функцию времени. Оно применяется тогда, когда конечные результаты классифицируются на удовлетворительные и неудовлетворительные, т. е. когда случайная величина Y имеет только два возможных значения: ух = 1 и у2 = 0.
Распределение Пуассона. Имеет место в тех случаях, когда на некотором интервале или площади событие с малой вероятностью появляется большое число раз. Основные соотношения распределения Пуассона имеют вид:
Распределение Пуассона является аппроксимацией биномиального распределения и обладает следующими свойствами:
вероятность Ру,), имеет максимальное значение для г/^(Я] (наибольшее целое число, равное или меньшее X);
для малых значений X распределение сосредоточено вблизи начала координат. С ростом X распределение приобретает асимптотическую колоколообразпую форму. При Х>9 распределение Пуассона молено приближенно заменить нормальным распределением с параметрами р=А, и о2 = Х; рекурентная формула
<2’5,> если Уи Y2, …, Уп — независимые случайные величины, распре-
П
деленные по закону Пуассона, то случайная величина У = 2 Y1
7 = 1 п
распределена по закону Пуассона с параметром ^ = 2 Н — 1 і і
Равномерное распределение определяется плотностью
f(y) = !/(* — «), а<у<ь (2.52)
и функцией распределения
F (.У) = (У — &)/0-— а). (2.53)
Числовые характеристики параметров распределения р, и а определяются по формулам:
ц=(6 + а)/2; а = (6 —а) /(2/3). (2.54)
Нормальное распределение определяется плотностью
Z(i/) = (l/=/2rt)e-^-^2/2s’2 . (2.55)
и функцией распределения
F (У) =(1/о /2S) } e-^^dy.
—- оо ‘г = (У-1*)/* |
Для
нормально распределенной случайной величины F имеем:
/т(2) = (і/іД2я)е“г2/2;
Ді(И = (і//2^) jV2^; (2>58)
Z
Ф с?) = (2//2л fe
о —
Значения функций fT(2), Дт(г) и Ф(г) приведены в табл. 1, 2 и 3 приложения.
Нормальное распределение обладает следующими свойствами: является колоколообразным и симметричным относительно точки у = [і и имеет точки перегиба при значениях г/ = р±о; имеет одну моду в точке у = х, которая является также медианой; является предельным для многих распределений.
3*
Так как плотность нормального распределения отлична от нуля в интервале (—оо, — f-oo), то при его использовании математическое ожидание р, должно быть существенно больше нуля, а параметр р—Зет положительным.
Экспоненциальное распределение определяется следующими плотностью
/ (у) = X е Ху, у > О и функцией распределения
F(y)= 1—е~Ч
Математическое ожидание и среднее квадратичное отклонение случайной величины, имеющей экспоненциальное распределение, равны:
Р=1Д; о=1/у% (2.61)
Экспоненциальное распределение характеризуется постоянной интенсивностью событий Я, которая является также параметром распределения. В табл. 4 приложения приведены значения функции e~z, с помощью которой могут производиться расчеты вероятностей событий при экспоненциальном распределении.
Распределение Вей булла характеризуется трехпараметрической плотностью
f(x) = —(y — vf-1 ;
а
у > v, v>0, р > 0, а > 0,
где а—-параметр масштаба; |5 — параметр формы; у— параметр положения. Функция распределения Вейбулла имеет вид:
F(y) = 1 — , х > v > О, а > 0, р > 0. (2.63)
При v = 0 математическое ожидание ц и среднеквадратичное отклонение а случайной величины, имеющей распределение Вейбулла, определяются так:
р = а1/рГ(1 + 1/Р); (2.64)
o=VV/fi[r(l +2/р)-{Г(1 + 1/р))2]. (2.65)
Распределение Вейбулла обладает следующими свойствами: имеет единственную моду
(/•=v + [d(l-l/P)]^, р > 1; (2.66)
при |3=1 переходит в экспоненциальное распределение.
Одним из достоинств распределения Вейбулла является разнообразие форм кривых распределения.
/(*/) = |
Распределение Эрланга. При ностью и функцией распределения:
или F (*) = 1 — Р/_1 (Х. с). (2_т)
Математическое ожидание р, и среднеквадратичное отклонение о случайной величины, имеющей распределение Эрланга, вычисляются по формулам:
|А = /Д И o = /7/j/X (2.70)
Значения функции-
I
(2-71)
можно найти в справочниках и книгах по теории вероятности, например в работе [6].
При 1=1 распределение Эрланга переходит в экспоненциальное распределение. С ростом параметра I распределение Эрланга стремится к нормальному распределению.. Если 020, то можно пользоваться табл. 1 и 2 приложения при г = (Ху — i)/y
Случайную величину Y, имеющую распределение Эрланга с параметрами X и /, можно интерпретировать как сумму взаимно независимых случайных величин Уь У2, …, И, имеющих экспоненциальное распределение с параметром %.
Логарифмически нормальное распределение. Случайная величина У имеет логарифмически нормальное распределение, если InY имеет нормальное распределение с параметрами рн и (тн — Плотность и функция этого распределения имеют вид:
/((/)-(1/°н-/2я)<р^ j |
(2.72) |
|
И |
(2.73) |
где Fr(z)—табличная функция. нормального распределения, значения которой приведены в табл. 2 приложения.
Математическое ожидание и среднеквадратичное ‘отклонение случайной величины Y, имеющей логарифмически нормальное распределение, определяются по формулам:
u _ е(1Хн+0’5он) |
(2.74) |
(2.75) |
|
69 |
При практическом использовании логарифмически нормального распределения следует рассматривать не величину У, а ее логарифм In У. В этом случае могут быть использованы табл. 1, 2 и 3 приложения.
Распределение Рэлея характеризуется следующими плотностью и функцией распределения:
/00 = 2а.-Це<-уМ у> 0;
■ f (у) = — е~(у/а)г:
• Математическое ожидание и среднеквадратичное отклонение случайной величины Y, имеющей распределение Рэлея, определяются так:
0,89а и а ^ 0,45а.
Как показывает опыт исследования эффективности сложных систем, с помощью приведенных выше стандартных распределений вероятностей могут быть найдены функции распределения конечных результатов функционирования достаточно широкого класса сложных систем воздушного транспорта. Чтобы выбрать из приведенных выше стандартных распределений наиболее подходящее для функций FB(y) и FB(y), необходимо произвести качественный анализ данной системы и конечных результатов ее функционирования, выдвинуть соответствующую гипотезу, т. — е. принять одну из стандартных функций в качестве гипотетической, и произвести проверку выдвинутой гипотезы с помощью статистических методов проверки гипотезы о функции распределения случайной величины. Если же для статистической проверки выдвинутой гипотезы пет необходимых статистических данных, то принимают для практического использования выдвинутую гипотезу без статистического подтверждения.
На основе анализа характера сложных систем воздушного транспорта и конечных результатов их функционирования можно уста — — новить, что наиболее характерными функциями распределения ■ возможного конечного результата являются ступенчатая 1, экспоненциальная 4, линейная 3 и нормальная 2 (рис. 2.2).
Ступенчатая функция распределения возможного конечного результата функционирования системы
(2,79)
где. у о — критическое значение аргумента у.
Она является частным случаем равномерной функции распределения (2.53).
Линейная функция распределения возможного зультата функционирования системы
У/Уо при 0 < Г < у0; 1 при У > у о- |
Эта функция также является частным случаем равномернс функции распределения (2.53).
Экспоненциальная функция распределения возможного коне1 ного результата функционирования системы
FB(y)3 = (2.8
где а„—постоянная величина, определяемая из условия, чтобы при у=Уо им ло места приближенное равенство Рв(у0)а~. •
Нормальная функция распределения возможного конечного pi зультата функционирования системы
= ‘ (2-8:
где рв и и в—математическое ожидание и среднеквадратичное отклонение во можного конечного результата функционирования системы; FT(z)—таблична функция нормального распределения аргумента г (см. табл. 2 приложения).
В этом случае должно выполняться условие рв> ЗсГв-
Выбор одной из рассмотренных функций распределения во: можного конечного результата функционирования системы прои: водится разработчиком на основе комплексного анализа ее струї туры, внутренних и внешних связей и качества организации.
Для характеристики и математического описания функции ра< прёделения необходимого конечного результата функционировани системы FH(y), как показывают исследования, может быть исполі зована одна из тех функций, которые рекомендованы выше дл описания возможного конечного результата (ступенчатая, линеі ная, экспоненциальная или нормальная).
Ступенчатая функция распределения необходимого конечног результата функционирования системы (см. рис. 2.2)
(2.8;
где ун — нормативное значение аргумента у.
Эта функция наиболее широко используется в практике иссле дования эффективности систем воздушного транспорта, хотя с тес ретической точки зрения она подвергается серьезной критике.
Линейная функция распределения необходимого конечного ре зультата функционирования. системы
Функция (2.84) используется в тех случаях, когда можно пред положить, что выполнение системой поставленной задачи возмож но и при У<уп- В этом случае на участке 0^Y<yH вероятност
выполнения системой задачи растет линейно с ростом величины конечного результата ее функционирования. Такая гипотеза не противоречит здравому смыслу, и поэтому функция (2.84) может быть использована при построении математических моделей эффективности многих производственных систем воздушного транспорта. Ее достоинством является то, что она весьма удобна для практических расчетов.
Экспоненциальная функция распределения необходимого конечного результата функционирования системы
Лі (у)э = 1 — е~а*у, (2.85)
где ан—постоянная величина, ‘Определяемая из условия, чтобы гари у=ун выполнялось условие FB(у)в~ 1.
Данная функция применима в тех случаях, когда степень объективной возможности выполнения системой задачи с ростом конечного результата функционирования системы растет по экспонен — ■ циальному закону, т. е. на начальном участке незначительное изменение у приводит к существенному росту вероятности выполнения задачи, и для повышения вероятности выполнения системой задачи на конечном участке (см. рис. 2.2) требуется весьма существенное приращение конечного результата. Экспоненциальная функция находит широкое применение в теории и практике исследования эффективности воздушного транспорта.
Нормальная функция распределения необходимого конечного результата’ функционирования системы
(г/)н = Л (у — рн)/®н — (2.86)
Рассмотренные четыре вида функций распределения не исчерпывают всех ВОЗМОЖНЫХ ВИДОВ функций FB(y) И Fitly)- Изложенные здесь теоретические положения должны рассматриваться как один из возможных подходов к решению поставленной задачи.