Sprawozdanie 1 z kursu „Modele matematyczne niezawodności
Transkrypt
Sprawozdanie 1 z kursu „Modele matematyczne niezawodności
Sprawozdanie 1 z kursu „Modele matematyczne niezawodności systemów” termin oddania: pierwsze zajęcia po nowym roku 1 Wprowadzenie Załóżmy, że obserwujemy komponenty Ki o czasach życia Ti , i = 1, . . . , n. Zmienne Ti są niezależne o jednakowym rozkładzie. Zakładamy, że Ti należy do rodziny rozkładów wykładniczych z transformowanym czasem, czyli gęstość zmiennej losowej Ti jest postaci fλ (t) = λs0 (t)e−λs(t) , t 0, gdzie s(t) jest pewną znaną, rosnącą, różniczkowalną funkcją rosnącą taką, że s(0) = 0 oraz lim s(t) = ∞. t→∞ Rodzina ta zawiera wiele znanych rozkładów, takie jak rozkład Weibulla, rozkład wykładniczy, rozkład Gompertza, przesunięty do zera rozkład Pareto i wiele innych. 1.1 Generowanie obserwacji Realizacje zmiennych losowych Ti możemy generować jedną z trzech metod. 1.1.1 Przez funkcję odwrotną Załóżmy, że znamy funkcję s−1 . Wtedy możemy obliczyć P (s(Ti ) ¬ t) = P (Ti ¬ s−1 (t)) = 1 − e−λt , wobec czego zmienna losowa s(Ti ) ma rozkład wykładniczy o intensywności awarii λ. Odwrotność dystrybuanty rozkładu wykładniczego to − log(1 − p) F −1 (p) = . λ Wobec tego, jeśli Ui jest zmienną losową z rozkładu jednostajnego U(0, 1), to zmienna losowa Xi = − log(Ui ) λ ma rozkład wykładniczy o intensywności awarii λ, natomiast zmienna losowa − log(Ui ) Ti = s−1 λ ma rozkład opisywany przez funkcję gęstości fλ . 1.1.2 Przez funkcję intensywności awarii Funkcja intensywności awarii zmiennej losowej o gęstości fλ to λ(t) = R ∞ t fλ (t) = λs0 (t). fλ (x)dx Załóżmy, że istnieje takie x > 0, że dla każdego t 0 zachodzi s0 (t) ¬ x. Wtedy funkcja intensywności awarii jest ograniczona przez λx. Generujemy pary liczb z rozkładu jednostajnego. Oznaczmy je (Uj , Vj ), Uj ∼ U(0, 1) oraz Vj ∼ U(0, 1). Wprowadźmy oznaczenie − log(Vj ) Xj = λx (zmienna Xj ma rozkład wykładniczy o intensywności awarii λx). Generujemy ciąg takich par (Uj , Vj ) tak długo, aż spełniony będzie warunek P n s0 j=1 Xj . Un ¬ x Po wygenerowaniu P n s0 j=1 Xj N = inf n : Un ¬ x 1 par (Uj , Vj ), zmienna losowa Ti = N X Xj j=1 ma szukany rozkład o gęstości fλ . 1.1.3 Przez rozwiązywanie równań Jeśli nie znamy odwrotności funkcji s(t) ani ograniczenia na funkcję s0 (t), zawsze możemy wykorzystać numeryczne obrócenie funkcji s(t). Jeśli Ui jest zmienną losową z rozkładu jednostajnego U(0, 1), to zmienna losowa Xi = − log(Ui ) λ ma rozkład wykładniczy. Wystarczy rozwiązać równanie s(Ti ) = Xi ze względu na Ti . Z własności funkcji s(t) wiadomo, że takie rozwiązanie istnieje. Wiadomo też, że funkcja s(t) jest ściśle rosnąca i Xi > 0. Rozważmy następujący algorytm znajdowania rozwiązania z dokładnością do : 1. L = 0, 2. R = 1, 3. jeśli s(R) > Xi , skaczemy do punktu 7, w przeciwnym razie kontynuujemy, 4. L = R, 5. R = 10R, 6. wracamy do punktu 3, 7. C = L+R 2 , 8. jeśli R − L < , skaczemy do punktu 12, w przeciwnym razie kontynuujemy, 9. jeśli s(C) < Xi , to L = C, w przeciwnym razie R = C, 10. wracamy do punktu 7, 11. kończymy procedurę przyjmując Ti = C. Po wykonaniu tego algorytmu (wariant algorytmu bisekcji), zawsze znajdziemy przybliżenie rozwiązania (z zadaną dokładnością). 2 Zadanie 1. Zaimplementuj trzy omawiane metody generowania zmiennych losowych z rodziny rozkładów wykładniczych z transformowanym czasem. 2. Zaproponuj metodę generowania zmiennych losowych dla: √ (a) s1 (t) = t, (b) s2 (t) = 1 + t − e−t , √ (c) s3 (t) = 1 + t − e−t . Wykorzystaj wszystkie trzy zaimplementowane algorytmy. 3. Wylosuj próbę przykładowo n = 100 elementów z każdego z tych rozkładów przy użyciu zaimplementowanych metod. 4. Narysuj histogramy i porównaj je z gęstościami teoretycznymi. 5. Na podstawie symulacji, uszereguj metody w kolejności od najszybszej do najwolniejszej. Czy uszeregowanie to jest takie samo dla każdego n? 2