Program Ochered;
{входной поток равновероятных событий;
динамические массивы позволяют значительно увеличить объем выборки}
Uses Crt, Graph;
Const N = 10000 {число членов выборки};
W1 = 10 {диапазон времен прихода от 0 до w1};
W2 = 5 {диапазон времен обслуживания от 0 до w2};
Type T = Array[1..N] Of Real; U = ^T;
Var A, B, C, D, E, F, Aa, Bb, Cc, Dd, Ee, Ff, Dg, Dh, M : Real;
S1, S2 : Double; I, K, J, I1, I2 : Integer;
L1, L2, V : Array [1..11] Of Real; G, H : U; Ch : Char;
Begin
If MaxAvail >= SizeOf(G) Then New(G);
If MaxAvail >= SizeOf(H) Then New(H);
Randomize; {ниже - имитационное моделирование}
Aa := 0; Bb := W2 * Random; Cc := 0; Ee := Bb; Ff := Bb;
G^[1] := 0; H^[1] := 0;
For K := 1 To 11 Do
Begin L1[K] := 0; L2[K] := 0 End;
For I := 2 To N Do
Begin
A := W1 * Random; B := W2 * Random;
C := Cc + A; If C > Ee Then D := C Else D := Ee;
E := D + B; F := E - C; G^[I] := F - B; H^[I] := D - Ee;
Cc := C; Ee := E;
If G^[I] <= 1 Then L1[1] := L1[1] + 1; If H^[I] = 0 Then
L2[1] := L2[1] + 1;
For K := 2 To 10 Do
Begin
If (G^[I] > K - 1) And (G^[I] <= K) Then L1[K] := L1[K] + 1;
If (H^[I] > K - 1) And (H^[I] <= K) Then L2[K] := L2[K] + 1;
End;
If G^[I] > 10 Then L1[11] := L1[11] + 1;
If H^[I] > 10 Then L2[11] := L2[11] + 1;
S1 := S1 + G^[I]; S2 := S2 + H^[I];
End;
For I := 1 To 11 Do {ниже - нормировка распределений g и h}
Begin
L1[I] := L1[I] / N; L2[I] := L2[I] / N
End;
{ниже - расчет средних и дисперсий величин g и h}
S1 := S1 / N; S2 := S2 / N; Dg := 0; Dh := 0;
For I := 1 To N Do
Begin
Dg := Dg + Sqr(G^[I] - S1); Dh := Dh + Sqr(H^[I] - S2)
End;
Dg := Dg / N; Dh := Dh / N;
WriteLn('распределение величины g распределение величины h');
WriteLn;
For K := 1 To 11 Do
WriteLn('l1[', K, ']=', L1[K] : 6 : 4, ' ' : 20, 'l2[', K, ']=',
L2[K] : 6 : 4);
WriteLn;
WriteLn('выборочное среднее величины g=', S1 : 6 : 3,
' выборочная дисперсия величины g=', Dg : 6 : 3);
WriteLn('выборочное среднее величины h=', S2 : 6 : 3,
' выборочная дисперсия величины h=', Dh : 6 : 3);
Dispose(G); Dispose(H); WriteLn;
WriteLn('для продолжения нажать любую клавишу');
Repeat Until KeyPressed; Ch := ReadKey;
{ниже - построение гистограмм распределений величин g и h}
DetectGraph(I, K); InitGraph(I, K, '');
I := GetMaxX; K := GetMaxY; J := I Div 2; M := L1[1];
For I1 := 2 To 11 Do If L1[I1] > M Then M := L1[I1];
For I1 := 1 To 11 Do V[I1] := L1[I1] / M;
Line(10, K - 10, J - 20, K - 10); Line(10, K - 10, 10, 5);
OutTextXY(20, 100, 'распределение величины g');
For I1 := 1 To 11 Do
Begin
I2 := Round((K - 20) * (1 - V[I1])) + 10;
Line(I1 * 20 - 10, I2, I1 * 20 + 10, I2);
Line(I1 * 20 - 10, I2, I1 * 20 - 10, K - 10);
Line(I1 * 20 + 10, I2, I1 * 20 + 10, K - 10);
End;
Line(J + 20, K - 10, I - 10, K - 10);
Line(J + 20, K - 10, J + 20, 5);
OutTextXY(J + 30, 100, 'распределение величины h'); M := L2[1];
For I1 := 2 To 11 Do If L2[I1] > M Then M := L2[I1];
For I1 := 1 To 11 Do V[I1] := L2[I1] / M;
For I1 := 1 To 11 Do
Begin
I2 := Round((K - 20) * (1 - V[I1])) + 10;
Line(J + I1 * 20, I2, J + I1 * 20 + 20, I2);
Line(J + I1 * 20, I2, J + I1 * 20, K - 10);
Line(J + I1 * 20 + 20, I2, J + I1 * 20 + 20, K - 10);
End;
OutTextXY(200, GetMaxY - 10, 'для выхода нажать любую клавишу');
Repeat Until KeyPressed; CloseGraph
End.
Знаете ли Вы, что стохастические двухэтапные модели - это экономико-математические модели, содержащие переменные, описывающие план, реализуемый до поступления информации о случайных условиях (априорное решение) и варианты планов, зависящих от поступившей информации о случайных условиях (апостериорное решение).
