- •Часть II
- •Содержание
- •Введение
- •Лабораторная работа №6 Задача нелинейного программирования
- •1.Общая постановка задачи
- •2.Решение задачи нелинейного программирования методом Лагранжа
- •3.Пример выполнения лабораторной работы
- •4.Варианты для выполнения лабораторной работы №6
- •3.Пример выполнения лабораторной работы
- •2.Решение задачи распределения ресурсов с помощью динамического программирования
- •4.Варианты для выполнения лабораторной работы №7
- •2.Общие сведения о надстройке «Пакет анализа» и статистических функциях ms Excel
- •3.Нормальный закон распределения
- •4.Пример выполнения лабораторной работы
- •5.Варианты для выполнения лабораторной работы №8
- •2.Порядок решения задач смо
- •3.Пример выполнения лабораторной работы
- •4.Варианты для выполнения лабораторной работы №9
- •5.Рекомендуемая литература
- •Алфавитный указатель терминов
- •Список использованной литературы
3.Пример выполнения лабораторной работы
Задание
Экскаватор обслуживает поток автосамосвалов, поступающих под погрузку. Статистические наблюдения (100 проведенных наблюдений) показали, что прибытие автосамосвалов каждые 10 минут распределяется, таким образом, как показано в таблице 9.1.
Таблица 9.1
Число автосамосвалов |
Число наблюдений |
Частота фактическая |
Частота теоретическая |
1 |
2 |
3 |
4 |
0 |
11 |
0,11 |
0,135 |
1 |
29 |
0,29 |
0,270 |
2 |
27 |
0,27 |
0,270 |
3 |
19 |
0,19 |
0,180 |
4 |
10 |
0,10 |
0,090 |
5 |
4 |
0,04 |
0,036 |
Фактическая частота – есть частость в терминах общей теории статистики. Частота теоретическая вычисляется исходя из предположения, что полученное распределение - пуассоновское. Для этого, найдем среднее число прибытий составов за 10 минут, то есть определим математическое ожидание пуассоновского распределения, которое будет интенсивностью потока или λ.
(9.11),
где xi – случайная величина, f(xi) – фактическая частота, n – число проведенных опытов. Подставив значения, получаем, что λ=2, то есть каждые 10 минут прибывают 2 автосамосвала.
Далее вычисляем плотность вероятности прибытия по пуассоновскому закону. Для этого воспользуемся статистической функцией MS Excel – Пуассон (x – случайная величина, среднее – λ, интегральная – «ложь»). После этого определяем критерий Пирсона χ2 с помощью статистической функцией MS Excel Хи2Тест (фактический интервал – фактическая частота в таблице 9.1, ожидаемый интервал – теоретическая частота в таблице 9.1).
Получаем, что вероятность соответствия фактического распределения теоретическому Р = 0,99, т.е. распределение потока с вероятностью 0,99 подчиняется пуассоновскому закону. Полученная вероятность весьма высокая.
Пусть средняя продолжительность погрузки (время обслуживания) tобсл.=2 мин. Автосамосвал, застающий экскаватор занятым, уходит под погрузку к другому (требование для данной системы теряется). Требуется определить в установившемся режиме производительность экскаватора Q(шт./ч) и вероятность потери требования.
Определяем интенсивность обслуживания за 10-минутный интервал: ν=10/2 = 5. Рассчитываем относительную пропускную способность системы по формуле (9.3): q=5/(2+5)=0,71. Следовательно, под данный экскаватор будет поступать в среднем 71% прибывающих автосамосвалов, остальные будут уходить на погрузку к другому экскаватору.
По формуле (9.4) находим абсолютную пропускную способность системы, т.е. производительность экскаватора: Q = 6*2*0,714 = 8 шт./ч.
Вероятность отказа будет равна Ротк = 1-q = 1-0,71 = 0,29, т.е. в среднем 29% автосамосвалов будет заставать экскаватор занятым.
