P. 1
SALABAHTER MIS TEORIJA

SALABAHTER MIS TEORIJA

|Views: 258|Likes:
Published by sara0107

More info:

Published by: sara0107 on Jan 18, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

05/09/2015

pdf

text

original

1. SUSTAV Izdvojeni dio realnog svijeta koji istražujemo. Sustav se satoji iz dijelova – komponente ili elementi.

Svaki element ima svoja svojsta – ATRIBUTE koji se opisuju s određenim vrijednostima. U bilo kojem trenutku sustav je u posebnom stanju. Stanje sustava određeno je stanjem svih elemenata sustava. Elementi sustava mogu biti STATIČKI i DINAMIČKI. STACIONARNO STANJE – stanje ravnoteže – ako se vjerojatnost da sustav promijeni stanje ne mijenja u vremenu. 2. MODELI I MODELIRANJE MODEL Model je pogodan način predočavanja čovjekovog iskustva i znanja o sustavu koji se istražuje. Model je prezentacija sustava koja se rabi za razumijevanje strukture i ponašanja sustava. Služi i za postavljanje i dokazivanje hipoteza, odnosno oblikovanje i istraživanje obilježja novih rješenja koja se često ne mogu drugačije ispitivati. Osnovna uloga modela je i formuliranje novih ideja. Model se ne može izgraditi ako ne postoji teorija. Model je predočena, prikazana teorija. Model je konkretniji i lakše upravljiv. Model je pojednostavljenje astrahiranje nekih djelova teorije. Modelom ispitujemo zaključke teorije, ali ne možemo objasniti ponašanje realnog sustava. OCCAMOVA BRITVA ILI OCKHAMOVA OŠTRICA Količina pretpostavki treba biti što je moguće manja. Ako postoje dvije teorije koje predviđaju isto, izabire se jednostavnija. MODELI OMOGUĆUJU: 1. Opis kompleksnih fenomenA, Njihovo bolje razumijvanje, Komunikaciju onih koji riješavaju problem, Rješavanje problema. MODELI:Mentalni, Materijalni, Matematički, Konceptualni, Računalni. MENTALNI MODEL Mentalni model je 'osnovni poged na svijet u kojem živimo... model koji stvara okvir za kognitivne procese u našem umu' Mentalni model definira način našeg razmišljanja, a zatim i djelovanja. Karakteristike mentalnih modela: 1. Nepotpuni su, Mogućnosti manipulacije su ograničene, Nestabilni su, Nemaju čvrste granice, Nisu 'znanstveni' – zasnovani su na prerasudbama, Nisu laki za korištenje. MATERIJALNI MODELI – vjerna i umanjena kopija realnog sustava. MATEMATIČKI MODELI Matematika – jezik za izražavanje principa. Matematički opis nekog procesa ili sustava. AKSIOMI – tvrdnje koje smatramo istinitima bez dokaza, TEOREMI- tvrdnje koje dokazujemo. KONCEPTUALNI MODELI Dijagrami, Vizualiziranje modela, Osnova za izradu
računalnih modela.

RAČUNALNI MODELI – prikaz modela u obliku programa za računalo. PREPORUKE PRI IZRADI MODELA: 1. Granica sustava mora biti takva da model obuhvaća samo fenomene od interesa, 2. Model ne smije biti suviše složen niti detaljan, 3. Model ne smije suviše pojednostavniti problem, 4. Model je dobro razbiti u nekoliko podmodela radi lakše izvedbe i provjere,

1

5. Rabiti metode za razvoj algritama i programa – metoda profinjena u koracima – 'odozgo prema dolje'. METODE MODELIRANJA I RJEŠAVANJA PROBLEMA 1. Analitički modeli, 2. Numeričko modeliranje, 3. Simulacijsko modeliranje. ANALITIČKO NUMERIČKE SIMULACIJSKI MODELIRANJE METODE MODELI U analitičkom obliku U proceduralnom Modeli (diferencijlne U analitičkom obliku obliku (opis načina jednadžbe i sl.) rada sustava) Algebra Metode rješavanja Matematička analiza Numeričke metode Računalni programi Teorija vjerojatnosti Numerički U analitičkom obliku eksperimenti, Rješenja Numerička (funkcijska ovisnost) ponašanje sustava u vremenu 1. Diskretni Difuzija, sustavi (transport, Njihala, jednostavni hidrodinamika, proizvodnja i sl.) Problemi repovi čekanja i sl. vremenske prognoze 2. Kontinuirani i sl. sustavi (razvoj populacije i sl.) 3. SIMULACIJA I SIMULACIJSKO MODELIRANJE 'Simulacija je prezentiranje dinamičkog ponašanja sustava koji se pomiče od stanja do stanja prema dobro definiranim operacijskim pravilima' (pritsker i Pegden, 1979.). 'Simulacija označava računalno zasnovanu numeričku tehniku za eksperimentalne studije stohastičkih ili determinističkih procesa u vremenu.' (Schruben i Margolin, 1978.) 'Simulacija je tehnika stvaranja i sprovođenja modela realnog sustava u namjeri da se prouči njegovo ponašanje, bez smetanja njegova okoliša' (Bobillier, Kahan i probst, 1976.). 'Simulacija u užem smislu jest eksperimentiranje s apstraktnim modelom u vremenu; to eksperimentiranje uključuje uzorak stohastičkih varijabli i distribucija' (Kleijen, 1974.) KOMPONENTE SIMULACIJSKOG MODELIRANJA: 1. SUSTAV MODEL PROGRAM RAČUNALO. SIMULACIJSKO MODELIRANJE METODE: Rabe se metode i alati računalnih znanosti, Bliska veza s operacijskim istraživanjima
Rabe se pristupi i metode teorije vjerojatnosti i statistike.

RAZLOZI UPORABE SIMULACIJE: 1. Eksperiment s realnim sustavom može biti skup ili čak nemoguć (npr. U kemijskim postrojenjima ili ekonomskim sustavima), 2. Analitički model nema analitičkog rješenja (npr. Modeli složenijih sistema repova čekanja), 3. Sustav može biti suviše složen da bi se mogao opisati analitički (npr. Sa skupom diferencijalnih jednadžbi). DODATNI RAZLOZI ZA UPORABU SIMULACIJE ZBOG: 1. Složene strukture i načina rada sustava,
2

. o Dinamike i nestacionarnosti rada sustava Promjena gustoće prometa na cestama tijekom dana Postojanja slučajnih varijabli Vrijeme posluživanja Upravljanja radom sustava U proizvodnim procesima. itd. uskih grla.. Analiza rada sustava. o 4. ili gubitka neispunjenih narudžbi. 3. 5. Vrednovanje modela je dosta složeno i zahtijeva dodatne eksperimente. financijskom odlučivanju i sl. Vrednovanje i analiza logike i dinamike rada sustava jako su olakšani animacijom rada modela. odnosno sintetiziranje i vrednovanje predloženih rješenja. analiza rada. SIMULACIJE PRI ODLUČIVANJU 1. Donošenj odluke o izboru opreme koja se kupuje. Uvjeti ekperimentiranja su pod potpunom kontrolom. Sinkronizacija i fino podešavanje rada sustava. Podaci se skupljaju najčešće također samo za jednu upotrebu. 4. 5. SIMULACIJSKI MODELI 3 . 4. o 3. Moguće je opisati i rješavati složene dinamičke probleme sa slučajnim varijablama koji su nedostupni matematičkom modeliranju. MODELI ZA DUGOROČNU UPOTREBU o Pomažu pri donošenju odluka periodičnog karaktera. Zbog statističkog karaktera simulacije potrebno je izvođenje većeg broja simulacijskih eksperiemenata kako bi se dobio odgovarajući uzorak rezultata simulacije. odnosno određivanje radnih karakteristika sustava. Učenje donositelja odluka. 2. 6. Troškovi nabave opreme. za razliku od eksperimenata sa stvarnim sustavom gdje nije moguće utjecati na dinamiku. Razumijevanje sustava ili problema. predviđanja. analiza utjecaja kvarova na rad sustava te traženje odgovarajuće organizacije rada. 2. Moguće je riješiti raznovrsne probleme (obikovanje. oblikovanju novog sustava i sl. radne snage. PREDNOSTI SIMULACIJSKOG MODELIRANJA 1. 3.). Predviđanje ponašanja sustava u budućnosti. Traže točne podatke koji se stalno ažuriraju. Za ispravnu upotrebu simulacijskog modeliranja potrebno je poznavanje više različitih metoda i alata. NEDOSTACI SIMULACIJSKOG MODELIRANJA 1. 2.2. Razvoj modela je dug i skup. 3. kapaciteta i sl. Takvi integrirani sustavi zovu se i sustavi za podršku odlučivanu. 4. Ne dobivaju se zavisnosti izlaznih varijabli o ulaznim varijablama modela ni optimalna rješenja. Uključeni u strukturu simulacijskog modela ili se pojavljuju kao poseban model koji služi za analizu rezultata simulacije. 3. 2. U rukovođenju prometom. MODELI ZA JEDNOKRATNU UPORABU o Rabe se samo jedanput. odnosno prognoziranje efekta promjene vanjskih uvjeta i unutrašnjih parametara. MODELI TROŠKOVA o Niz ulaznih i izlaznih varijabli može se povezati za troškove. Oblikovanje sustava. odnosno nalaženje glavnih faktora utjecaja u sustvu. TRI OSNOVNA TIPA SIMULACIJSKIH MODELA PRI ODLUČIVANJU: 1.

Sadrže i kontinuirane i diskretne varijable Monte Carlo simulacija Monte-Carlo metode su izvorno osmišljene u Los Alamos državnomlaboratoriju  Sjedinjenih Američkih Država nedugo nakon Drugog svjetskog rata.” Stohastički tipovi simulacija kod kojih se za rješenje problema koriste stvoreni uzorci iz razdioba slučajnih varijabla Kontinuirana simulacija 1. po kojima se deriviraju zavisne varijable Sistemska dinamika Jay Forester je osnove temetode prikazao godine 1961.Deterministički modeli. slavnompo  svojim kockarnicama Monte Carlo simulacija “. StanislavUlamje predložio korištenje slučajnog uzorkovanja za simuliranje putanja neutrona.Stanje sustava se mijenja samo u nekim vremenskim točkama Promjene se zovu događaji Kontinuirani modeli.Moguće odrediti  vjerojatnost promjene stanja Diskretni modeli. Sustavi parcijalnih diferencijalnih jednadžbi 3. Sistemska dinamika Sustavi običnih diferencijalnih jednadžbi Sustavi s jednom nezavisnom varijablom. a John von Neumann je razvio detaljan prijedlog rane 1947. Naziv "Monte-Carlo metoda" svoje ime vuče od grada u državiciMonako.. pod naslovomIndustrial Dynamics  Svjetska popularnost nakon što je skupina znanstvenika Rimskog kluba prognozirala razvoj svjetske privrede Simulacija sustava s povratnom vezom – postoji veza među izlazom i ulazom Simulacija diskretnih događaja  detaljan opis strukture sustava i njegovih elemenata ponašanje sustava opisuju se u obliku slijeda različitih doganaja i aktivnosti prvenstveno se koristi za modeliranje i analizu sustava s redovima čekanja na resurse sustava Kombinirana diskretno-kontinuirana simulacija. Miješani kontinuirano diskretni modeli.Ponašanje se ne može unaprijed predvidjeti. već se aproksimiraju promjenama u malim vremenskim pomacima.bilo koja vrsta programa što se koristi slučajnimbrojevima. po kojoj se deriviraju zavisne varijable Sustavi parcijalnih diferencijalnih jednadžbi Sustavi s više nezavisnih varijabli. Sustavi običnih diferencijalnih jednadžbi 2. Stohastički modeli.Dva tipa događaja Vremenski događaji Diskretni -mogu trenutačno promijeniti stanje kontinuirane varijable Događaji stanja 4 .. onašanje potpuno predvidivo - ovo stanje sustava u P N potpunosti je određeno prethodnim stanjem -Trajanje promjene je determin ističko.Varijable se mijenjaju kontinuirano u vremenu -Računala ne mogu izvoditi kontinuirane promjene.

navika potrošača bitno ovisi o nizu pojedinačnih karakteristika svojstvenih dinamika potrošača. logistici. Simulacija uporabom agenata Modeliranje uporabom agenata je u suštini decentralizirani . …) odrenuje njihovo ponašanje ( reakcije. kašnjenje. vozila. kontakti menu ljudima. itd. odbacuje se mnogo detalja na "fizičkoj razini“ široka primjena u poslovnimprocesima. vozila. imovine. strateške modele  etpostavlja visok stupanj agregacije objekata  r 5 . koje se izvode na entitetima kupci. dijelovi. agentima ( osobe.. mreži kontakata. zaraženi. podatci. stavlja ih u svezu u odrenenom okružju  Globalno ponašanje nastaje kao rezultat interakcijemnogih pojedinačnih ponašanja  Simulacija uporabom agenata Primjeri Tržište U vrlo dinamičnom tržišnom okružju. uporaba resursa.Kontinuirani . zdravstvu …  Simulacija diskretnih događaja Prije odluke o uporabi ovog pristupa preporuča se provjera ako se sustav (s gledišta ciljeva projekta) prirodno opisuje kao slijed operacija. imuni na bolesti. tipično. pojedinačno-centrični pristup  (za razliku od pristupa na razini sustava) Identificiraju se entiteti. projekti.. spajanje. telefonske pozive Entiteti su pasivni . tvrtke. izliječeni . . vanjskim utjecajima Epidemiologija Agenti su ljudi kojimogu biti prijemljivi. njihova heterogenost … Sistemska dinamika Sistemska dinamika je skup konceptualnih alata koji nam omogućuju da razumijemo strukture i dinamike složenih sustava. proizvodnji. razdvajanje. stanja. koja utječu na način obradbe .)..aktiviraju se kad kontinuirani procesi prijeđu neku vrijednost Kombinirana diskretno-kontinuirana simulacija Simulacija diskretnih događaja sustav se analizira kao slijed operacija  dolazak. ili mogu promijeniti tijek entiteta kroz sustav Simulacija diskretnih događaja Srednje složena apstrakcijski pristup modeliranju iako se svaki objektmodelira pojedinačno kao entitet. ali mogu imati obilježja. memorije. itd. Prognoza širenja bolesti je bolja jer simulacijom uporabom agenata mogu se eksplicitno modelirati socijalne mreže. Sistemska dinamika je rigoroznametoda Omogućuje izgradnju formalne računalne simulacije složenih sustava  Omogućuje da se stvore mikro svjetovi kako bismo razviti razumijevanje složenih sustava  Sistemska dinamika Rabi se za dugoročne. dokumenti.

Simulate  Plant. 6 ... povijest i dinamika  Izbor metode simulacijskog modeliranja Tip simulacijskog modela najčešće je takav da bude jednak tipu sustava Ako je lakše opisati ponašanje svakog pojedinog entiteta nego pokušava sastaviti globalni  sustav. bolje je rabiti simulaciju uporabom agenata Iako se želi agregirane podatke .Interpretatori.GPSS.Flexsim IZGRADNJA ZGRADNJA KONCEPTUALNIH SIMULACIJSKIH MODELA KONCEPTUALNI SIMULACIJSKI MODELI Prvi korak simulacijskog modeliranja Omogućavaju strukturirranje problema  Od modela se očekuje :  Da je jednostavan.Kod se ne može izvesti ako postoje greške Kada je preveden. praćenje izvođenja i traženje grešaka.Programi koji pretvaraju izvorni oblik simulacijskog programa u strojni kod-.case analiza UML 1990 BPMN 1990 Od 1990 procesi umjesto postupaka i procedura s povećanjem složenosti povećava se i broj  povezanih postupaka i procedura procesi DIJAGRAM TIJEKA . projektiranju. ne stvara strojni kod .Pridonosi fleksibilnosti i pogodnosti za razvoj programa.BUSINESS PROCESS MODELING MODELIRANJE POSLOVNIH PROCESA Prikazuje procese u tvrtki Poboljšanje učinkovitosti procesa i kvalitete Klasične metodologije  Dijagrami tijeka -1920 Funkcijski blok dijagrami 1950 IDEF 1970 Use .Arena.Mana je brzina izvršavanja. SmartDraw.. može se izvoditi   neograničeni broj puta bez potrebe ponovnog prevođenja.Java ModellingTools.5. te da omogućuje jednostavne promjene BPM .ProcessModeller. Visio i OmniGraffle.  Programi za simulaciju diskretnih događaja: Automod.Promodel. Klasifikacija softvera Prevoditelji .SIMSCRIPT II.FLOWCHART Prikazuje korake kao geometrijske likove povezane strelicama Rebe su u analizi. lako razumljiv i nedvosmislen prikaz elemenata sustava Da ima velike izražajne mogućnosti modeliranja Da je modularan i fleksibilan .Gube se pojedinačna svojstva. upravljanju ili dokumentiranju procesa ili programa u različitim područjima Programi: ConceptDraw.Programi koji izvode linije prevodeći jednu po jednu.Poses++.potreban je pri svakom izvođenju. a ne podatke o pojedinačnim interakcijama rabi se sistemska dinamika..

DIJAGRAM TIJEKA . UML je standarizirani jezik za slikovno predstavljanje i modeliranje objekata  UML uključuje niz tehnika grafičkih notacija za stvaranje apstraktnih modela specifičnih  sustava. Postoje četiri dijela UML 2. pokrivaju širok spektar uporabe modeliranja funkcionalnih podataka. Funkcije su povezane strelicama koje prikazuju tijek procesa i logičkim funkcijama ( i..SIMBOLI Početak i kraj Proces Ulaz / izlaz  Odluka ili uvjet  Tijek procesa FUNKCIJSKI BLOK DIJAGRAM funkcije su organizirane i prikazane sukladno redoslijed izvršenja. ili . objektnoorijentirana raščlamba dizajn i stjecanja znanja.x specifikacije: 7 . Počeli kao jezik za definiranje Računalno integrirane proizvodnje za USA zrakopplovstvo IDEF IDEF0 Funkcijsko modeliranje IDEF1 Informacijsko modeliranje IDEF1X Podatkovno modeliranje IDEF2 Dizajn simulacijskog modela IDEF3 Modeliranje obilježja procesa IDEF4 Objektni dizajn IDEF5 Obilježja ontologijskog opisa IDEF8 Modeliranje korisničkog sučelja IDEF9 Dizajn uporabom scenarija IDEF10 Modelirane arhitekture sustava IDEF11 Modeliranje uporabom informacijskih rukotvorina ( ertefakata) IDEF12 Modeliranje organizacije IDEF13 Dizajn uporabom stabla odluka IDEF14 Dizajn mreže USE CASE ANALIZA – SLUČAJ KORIŠTENJA Korisnici  Izvan sustava U interakciji su sa sustavom Osiguravaju.) IDEF ( 0 DO 7 ) porodica jezika modeliranja u području sustava i programsko inženjerstvo. simulacija. primaju ili rabe funkcije sustava Use cases  Definiraju funkcionalnost sustava Predstavljaju interakciju korisnika i sustava Sastavni dio UML-a UML -UNIFIED MODELING LANGUAGE (UML ujedinjeni sveobuhvatni jezik za modeliranje.

ali i definiranje svakog koraka procesa posebno. te kontrolu toka tog koraka 4 TIPA KONTROLE TIJEKA value based – zavisnost nekog koraka procesa se odrenuje prema vrijednostima procesnih podataka tijekom izvonenja. spremnici koji uključuju podatke koji se izmjenjuju izmenu pojedinih koraka procesa. Razmjena UML dijagrama koja definira pravila razmjene UML UML objedinjava  koncepte modeliranja podataka (dijagram entiteta i odnosa menu njima) modeliranje poslovanja – radnog procesa modeliranje objekata modeliranje komponenti standardni jezik za vizualizaciju. orkestraciju i koordinaciju BPEL se može rabiti za modeliranje ponašanja izvršnih. pruža granevne elemente koji omogućavaju definiranje i manipulaciju toka podataka. prikaz arhitekture fizičke implementacije uporabom dijagrama komponenti i distribucije BPML -BUSINESS PROCESS MODELLING LANGUAGE Meta-jezik za modeliranje poslovnih procesa  BPML pruža apstraktnu provedbu modela za skupne i transakcijske poslovne procese temeljene na konceptima transakcijskog automata s konačnim brojem stanja.  time based – kontrola tijka je odrenene brojem izvonenja ili je podvrgnuta nekom vremenskom rasporedu cycle based – tijk se kontrolira ponavljanjem jedne ili više aktivnosti. ali i apstraktnih procesa jednostavan način za sastavljanje nekoliko servisa u kompozitne usluge nazvane poslovni procesi BUSINESS PROCESS EXECUTION LANGUAGE (BPEL) definiraju se različite uloge poslovnih partnera uključenih u proces.object constraint language) za definiranje pravila za model elemenata.nadgrane koji definira semantiku za označivanje dijagrama i njihovih elemenata u modelu Infrastruktura koja definira temeljnie metamodel nadgrana Objektni jezik za pravila (OCL.  8 . konstruiranje i  dokumentiranje složenih softverskih sustava Može se koristiti tijekom cijelog razvojnog ciklusa i neovisno o tehnikama implementacije  UML Objekti  Odnosi menu njima  Dijagrami –prikazuju objekte i odnose menu njima  prikaz dosega sustava i njegovih glavnih funkcija korištenjem slučajeva i sudionika prikaz konkretnih slučajeva s dijagramima menudjelovanja prikaz statičke strukture sustava uporabom dijagrama klasa modeliranje ponašanja objekata uporabom tranzicijskih dijagrama. specificiranje. BUSINESS PROCESS EXECUTION LANGUAGE (BPEL) jezik baziran na XML jeziku top-down realizacija kroz kompoziciju. state based – stanje procesa odrenuje ovisnosti.

F) gde je:  . modeliranje i analizu dinamičkih sustava Petrijeve mreže su matematički formalizam.T.F skup lukova (relacija tijeka). kojim se opisuju sustavi s diskretnim doganajima PREDNOSTI I NEDOSTACI Mogućnosti  Analiza sustava (strukture i dinamike) Validacija rezultata Evaluacija performansi Prednosti Mogućnost definiranja i simuliranja različitih stanja i procesa u promatranom sustavu Mogućnost opisivanja tijeka informacija i objekata kroz sustav Nedostaci  Nepreglednost Velik broj inačica VIŠE INAČICA Zajednički osnovni elementi Tranzicije (prijelazi iz jednog stanja u drugo) Pozicije (stanja sustava) Lukovi – tijekovi (usmjereni elementi koji povezuju pozicije i tranzicije) PETRIJEVE MREŽE čini bipartitni graf koji se sastoji iz dva tipa čvorova: pozicija i tranzicija. Pozicija p1 se zove ulazna pozicija tranzicije t1 ako postoji usmjerena relacija tijeka iz p1 u t1. .P konačan skup pozicija. . Čvorovi se povezuju lukovima ( relacijama tijeka) Povezivanje čvorova istog tipa nije dozvoljeno. IBM WEBSphere PETRIJEVE MREŽE predstavljaju sredstvo za modeliranje dinamičkih sustava u svrhu analize njihovih ponašanja u različitim okolnostima Ime su dobile po svom izumitelju Carlu Adamsu Petriju. Zato se i zovu biparititnim Mesta se obeležavaju sa krugovima.elementi za upravljanje iznimkama tijekom procesa correlationSets element pruža mogućnost povezivanja i identificiranja prenesenih podataka. PETRIJEVE MREŽE Tranzicije : 9 . Zatim se definiraju aktivnosti BUSINESS PROCESS EXECUTION LANGUAGE (BPEL) Osim grafičkog prikaza XML prikaz  Programi Biztalk. pozicija sadrži nula ili više žetona (tokena).T konačan skup tranzicija. upotrebljavaju za prikaz. obilježenih kao crne  točke. Pozicija p2 je izlazna pozicija tranzicije t ako postoji usmjerena relacija tijeka iz t1 k p2. U bilo kom trenutku. a tranzicije sa kvadratima  PETRIJEVE MREŽE Definicija: Petri mreža (PM) je trojka (P.

Aktivnost se prikazuje pravokutnikom  REP ČEKANJA Pasivno stanje entiteta Stanje u kojem entitet nije uključen u aktivnosti Entitet čeka da se stvore uvjeti za aktivnost Vrijeme koje entitet provodi u repu čekanja ne može se unaprijed izračunati. Tranzicija t je omogućena i može se okinuti. ako sve ulazne pozicije imaju bar po jedan token Kada tranzicija okine. post.Procesor.  Posljedica je dinamike razvoja sustava tijekom simulacije Rep čekanja prikazuje se kružnicom 10 . ali s različitim trajanjem. token prelazi iz svake ulazne pozicije u svaku izlaznu poziciju  DIJAGRAM CIKLUSA AKTIVNOSTI Osnovni pojmovi  Entitet Aktivnost  Rep čekanja ENTITET (OBJEKT) Komponenta sustava koju trebamo modelirati  Zadržava svoj identitet tijekom simulacije Dva stanja :  Aktivno – u izvonenju aktivnosti koja traje neko vrijeme Pasivno – u repu čekanja – čeka da se stvore uvjeti za početak aktivnosti Privremeni entiteti – ulaze i izlaze iz sustava Rep izvora /ponora entiteta prikazuje se s dvjema kružnicama AKTIVNOST Realizira se angažiranjem entiteta Obično suranuje više entiteta  Aktivnost ne može započeti ako svi potrebni entiteti nisu raspoloživi  Trajanje aktivnosti izračunava se prije početka odvijanja aktivnosti – najčešće iz poznate razdiobe vjerojatnosti Isti tip aktivnosti može započeti dok traje prethodna aktivnost Više aktivnosti istog tipa mogu početi u istom trenutku. pred. Ulazne pozicije :  ulazni podatak. osloboneni resurs PETRIJEVE MREŽE Simuliranje bazirano na konceptu tokena Označavanje predstavlja preslikavanje koje svakoj poziciji dodeljuje nenegativan broj koji  predstavlja broj tokena. potrebni resurs Izlazne pozicije: izlazni podatak. Označavanje predstavlja stanje  PETRIJEVE MREŽE Postojanje tokena u poziciji označava dostupnost resursa ili ispunjenost uvjeta za tranziciju. aktivnost.uvjet. doganaj. Ako nema tokena nema preduvjeta za tranziciju.uvjet.

SIMULACIJE DISKRETNIH DOGAdAJA Diskretna simulacije koristi se za: ◦ detaljan opis strukture sustava i njegovih elemenata Ponašanje sustava opisuje se na diskontinuirani način.UDJELOVANJE ENTITETA U AKTIVNOSTIMA Da bi aktivnost započela nužno je da svaki rep čekanja na početak te aktivnosti ima bar  jedan entitet. u obliku slijeda različitih događaja i aktivnosti Prvenstveno se koristi za modeliranje i analizu sustava s redovima čekanja na resurse sustava Model apstraktni prikaz sustava koji opisuje objekte i njihovo međudjelovanje obično sadrži: ◦ matematičke (npr.aktivnosti) ◦ i logičke relacije (uvjeti početka aktivnosti. 11 . pravila za izbor entiteta) koje odgovaraju strukturi i načinu rada sustava. postavlja se fiktivni – trajno prazan Entitet dolaska Omogućuje održavanje željene dinamike dolaska u model Za privremene entitete obvezan je rep dolaska/odlaska entiteta iz sustava DCA CIJELOG SUSTAVA Ukupnost svih ciklusa života svih entiteta. ali se mogu mijenjati tijekom aktivnosti  PRIORITETI AKTIVNOSTI Kad nakon repa čekanja postoji više mogućih aktivnosti definira se prioritet izvonenja  aktivnosti Prioritet razrješava i slijed izvonenja istovremenih aktivnosti koje nemaju zajedničke entitete. proračun trajanja. Kad se aktivnost završi entiteti prelaze u repove čekanja koji slijede iza aktivnosti  Moguće je paralelno odvijanje aktivnosti  ATRIBUTI ENTITETA Svaki entitet može imati atribute – značajke Vrijednosti atributa mogu biti unaprijed zadane.OSNOVNI PRINCIPI I KONVENCIJE ZA IZGRADNJU DIJAGRAMA CIKLUSA AKTIVNOSTI Ciklus života entiteta DCA cijelog modela  Menudjelovanje entiteta u aktivnostima  Atributi entiteta  Prioriteti aktivnosti CIKLUS ŽIVOTA ENTITETA Crta se uvijek kao zatvoren kružni ciklus Aktivnosti i repovi čekanja se izmjenjuju  Ako nema repa čekanja .  Konvencija je da se tijekovi entiteta svake klase crtaju drugačije ( različitim bojama)  Zbog čitljivosti sve ulazne strjelice tijekova u aktivnost crtaju se s iste strane pravokutnika Isto vrijedi i za izlazne tijekove ME.

Privremeni entiteti su oni koji prolaze kroz sustav. Svaki entitet može imati veći broj atributa.Zavisi o entitetima koji su u njemu prisutni u tom času. s međudjelovanjem entiteta sustava. ◦ U konkurentnim procesima entiteti se natječu za posluživanje od ograničenih resursa. Aktivnost Aktivnost je međudjelovanje entiteta koje traje neko vrijeme. Entitete možemo pojedinačno identificirati i njima baratati. Stalni entiteti (resursi) oni su koji ostaju u modelu tijekom cijelog trajanja simulacije. ◦ čekanje u repovima koje može biti različito organizirano Rješavanje statističkih aspekata koji se odnose na opisivanje slučajnih varijabli i izvođenje 12 . i o vrijednostima njihovih atributa. početak aktivnosti. tj. ◦ Povezani uz oslobadanje resursa. Redovi čekanja Poseban tip entiteta Prikazuju grupu privremenih entiteta koji čekaju da se oslobodi neki resurs Vrijeme čekanja ne može se odrediti Atributi Atributi entiteta opisuju značajke (svojstva) entiteta. tijekom trajanja aktivnosti stanje entiteta uključenih u aktivnost se ne mijenja. ◦ Povezani s dostupnošću nekog resursa. Simulacija istovremenih (paralelnih) akcija na sekvencijalnom računalu. Bezuvjetni (planirani) događaji su oni čiji je jedini uvijet da bi se mogli dogoditi povezan za prolaz vremena. tj. Tijekom simulacije moguća je dinamička promjena atributa ( značajki) entiteta Stanje sustava Stanje (modela) skup je svih informacija nužnih za opis sustava. Proces Proces je niz logički povezanih uzastopnih događaja kroz koje prolazi neki privremeni entitet. Simulacija konkurentnih procesa na sekvencijalnom računalu. Događaj može nastupiti: ◦ zbog ulaska ili izlaska entiteta iz sustava ili ◦ zbog promjene vrijednosti atributa entiteta kao posljedica početka ◦ ili završetka međudjelovanja među entitetima Između dva događaja stanje sustava se NE MIJENJA Tipovi događaja Uvijetni događaji su oni događaji koji se mogu dogoditi tek pošto je ispunjen neki uvjet.Entiteti Entiteti (objekti) komponente su sustava koji modeliramo. Događaj Događaj je promjena stanja sustava koja se dešava u jednom vremenskom trenutku. U simulaciji diskretnih događaja promjena stanja se prikazuje u početnom i završnom događaju aktivnosti. Proces može obuhvaćati dio ili cjelinu "života" privremenog entiteta u simulaciji. Shanonova karakterizacija simulacije diskretnih događaja Entiteti ◦ Imaju atribute Međudjeluju u aktivnostima ◦Uz određene uvijete Stvarajući događaje ◦Koji mijenjaju stanje sustava Specifični aspekti Izvođenje promjene stanja sustava u vremenu. završetak aktivnosti. Aktivnost dovodi do promjene stanja entiteta koji u njoj sudjeluju.

Tipovi varijabli Nezavisne varijable ◦ Vrijeme između dva uzastopna dolaska korisnika ◦ Vrijeme posluživanja ◦ Broj radnih mjesta ◦ Organizacija čekanja (FIFO. duljinom vremena koje je potrebno da jedno uslužno mjesto opsluži jednu jedinicu. ◦ s nejednakim. biti: ◦ s jednakim intervalima vremena. kapacitet sustava opsluživanja.) Zavisne varijable ◦ Dužina reda pred radnim mjestom ◦ Vrijeme čekanja u redu ◦ Iskoristivost radnog mjesta ◦ Propusnost sustava Primjene diskretne simulacije Simulacija proizvodnje ◦ analiza složenih proizvodnih procesa. LIFO. ali za koje je poznata njihova razdioba vjerojatnosti. Struktura procesa opsluživanja Osnovni pojmovi 1) ulazne jedinice 2) kanali (uslužna mjesta. tj. ◦ varijabilno. Razdioba vremena opsluživanja definira se trajanjem opsluživanja. po prioritetu i sl. Simulacija uslužnih djelatnosti ◦ modeliranje procesa u kojima sudjeluju ljudi ◦ procesi su nepravilni i sadrže slučajne varijable s velikim fluktuacijama Simulacija transporta ◦ modeliranje i simulacija transportnih centara kao što su luke. engl: servers) 3) red čekanja (rep. gomilanje. aerodromi i željezničke stanice te simulaciju transporta u transportnim mrežama Red čekanja problem koji se pojavljuje u praksi kad određeni broj jedinica koje traže odgovarajuću uslugu ili obradbu moraju čekati. engl: queue).operacija s njima. broj uslužnih mjesta (kanala opsluživanja). provesti izvjesno vrijeme u redu cekanja prije nego su opsluženi ili kada radno mjesto koje pruža tražene usluge mora čekati jedinice koje treba opslužiti. ali unaprijed odredenim (determiniranim) vremenskim intervalima I ◦ s nejednakim intervalima vremena koji nisu unaprijed poznati nego slučajni. ◦ tj. Trajanje ili vrijeme obavljanja usluge može biti : ◦ konstantno (uvijek jednako vrijeme). Elementi sustava opsluživanja razdioba vremena dolazaka jedinica (zahtjeva za uslugu). ali unaprijed poznato (odredeno) i 13 . s obzirom na vremenski razmaka izmedu dva dolaska. redoslijed opsluživanja jedinica odnosno disciplina reda i broj stupnjeva usluge Razdioba vremena dolazaka jedinica definira se vremenom izmedu dva uzastopna dolaska jedinica u sustav opsluživanja Dolasci jedinica mogu. linija. razdioba vremena opsluživanja. mjesta koja pružaju uslugu ili obavljaju obradu. eliminacija uskih grla proizvodnje i sl.

S .. ◦ Ako su svi kanali zauzeti.bilo koja razdioba Ako y i z nisu navedeni.intenzitet toka dolazaka jedinica (prosječan broj korisnika koji pristižu u jedinici vremena) m .2. GD bilo koju drugi način odabira.razdioba vremena opsluživanja jedinica ◦ x .. ali je moguće odrediti razdiobu Broj kanala broj uslužnih mjesta u sustavu opsluživanja na kojima se istodobno mogu opsluživati jedinice. onda sepodrazumijeva da je y = ∞ .kapacitet sustava opsluživanja ◦ z – način odabira za obradbu Kendall-ova notacija v/w/x/y/z Za v i w koriste se standardizirane oznake za razdiobe 3: ◦ D .◦ slučajno kad vrijeme trajanja usluge nije poznato.deterministicko vrijeme izmedu dolazaka i opsluživanja ◦ M -eksponencijalna razdioba ◦ Ek -Erlangova razdioba reda k (k = 1.broj kanala opsluživanja ◦ y . Sustavi s otkazima jedinica: ◦ jedinice napuštaju sustav opsluživanja uz određene uvijete Parametri sustava opsluživanja l. da je kapacitet uslužnog mjesta neiskorišten.broj kanala. 4) SIRO . Pokazatelji sustava opsluživanja Stupanj iskorištenja uslužnog mjesta Koeficijent iskorištenja sustava Vjerojatnost da se u sustavu opsluživanja ne nalazi nijedna jedinica. Kendall-ova notacija v/w/x/y/z ◦ v . jedinica staje u red i ceka na uslugu sve dotle dok se jedan kanal ne oslobodi.razdioba vremena dolazaka jedinica u sustav ◦ w .intenzitet opsluživanja po kanalu (prosječan broj korisnika koji mogu biti opsluženi u jedinici vremena). 2) LIFO (last in ..first out) daje prednost jedinici koja je zadnja ušla u 3) PRIOR ( VIP ) prioritet opsluživanja – daje prednost nekim jedinicama. a z = FIFO Vrste sustava masovnog opsluživanja Sustavi s čekanjem: ◦ sastoje se od reda i kanala opsluživanja. Vjerojatnost da se n jedinica nalazi u sustavu opsluživanja Vjerojatnost otkaza (neusluživanja) 14 . Postoje: ◦ Jednokanalni i ◦ Višekanalni sustavi Načini odabira za obradbu 1) FIFO (first in .) ◦ G .first out) uzima u obzir redoslijed dolaženja.slučajno odabiranje koje svakoj jedinici daje istu vjerojatnost opsluživanja bez obzira na vrijeme dolaska u red. tj.

odnosno relativna propusna sposobnost sustava opsluživanja Apsolutna sposobnost sustava je broj jedinica koje ce biti opslužene u jedinici vremena Pokazatelji sustava opsluživanja Prosječan broj jedinica u redu čekanja Prosječan broj jedinica u sustavu opsluživanja. Ako je takvih dogadaja trebalo biti. tj. . • Suma svih rezultata / broj rezultata 15 . tada se oni planiraju za kraj intervala. Pomak vremena na slijedeći događaj Simulacijski sat se pomiče na vrijeme u kojem će se dogoditi prvi sljedeći događaj događaj izvede .….x3. Nakon svakog pomaka vremena (tj.Vjerojatnost opsluživanja.broj jedinica u redu čekanja + jedinice koje se upravo opslužuju Prosječan broj jedinica koji se upravo opslužuje Prosječno vrijeme provedeno u redu čekanja. Pomak vremena za konstantni prirast najjednostavniji pristup za pomak simulacijskog vremena. da ce jedinica čekati Mehanizmi pomaka vremena Law i Kelton pomak vremena za konstantni prirast pomak vremena na sljedeći događaj Pomak vremena za konstantni prirast Vrijeme se pomiče tako da se uvijek dodaje isti prirast vremena. ali je zato puno efikasniji i ne unosi greške u vremenu izvođenja događaja. zatim se ispituje koji je slijedeći događaj kompliciraniji. Slučajne varijable: • Slučajna varijabla je funkcija koja svakom ishodu pridružuje neki realni broj. vrijednosti simulacijskog sata) ispituje se da li su se u prethodnom vremenskom intervalu trebali dogoditi neki događaji. gdje je S skup ishoda u nekom pokusu • Diskretna slučajna varijabla jest slučajna varijabla kojoj je skup vrijednosti konačan ili beskonačan prebrojiv ▫ X je diskretna ako je R(X) = {x1.xn} • U teoriji vjerojatnosti slučajne varijable klasificiramo s obzirom na razdiobu vjerojatnosti Mjere centralne tendencije • Aritmetička sredina • Zajednička aritmetička sredina • Standardna varijacija • Koeficijent varijabilnosti Aritmetička sredina • zbroj vrijednosti numeričkog obilježja elemenata osnovnog skupa jednako razdijeljen na svaki element osnovnog skupa.x2. • Slučajna varijabla je funkcija X: S →R. Prosjecno vrijeme provedeno u sustavu opsluživanja. ali ima određene nedostatke ◦ događaji koji u stvarnosti nisu istovremeni u ovom se pristupu prikazuju kao istovremeni ◦ smanjenjem vremenskog prirasta te se grješke smanjuju.napravi se odgovarajuća promjena stanja sustava. Prosječno vrijeme opsluživanja jedinice Prosječan broj slobodnih (nezauzetih) uslužnih mjesta Vjerojatnost da su sva uslužna mjesta (kanali) zauzeta. ali se zato povećava vrijeme koje se troši na izvođenje simulacije.

• Zajednička aritmetička sredina je : Standardna devijacija • Predstavlja srednje ili prosječno kvadratno odstupanje vrijednosti numeričkog obilježja od aritmetičke sredine. slučajno pulsiranje elektroničke cijevi • Brojevi iz telefonskog imenika ne zadovoljavaju testove slučajnosti • Znamenke u iracionalnim matematičkim konstantama ( e.Zajednička aritmetička sredina • Ako jednu pojavu mjerimo više puta ne smijemo zajedničku aritmetičku sredinu izračunati tako da zbrojimo aritmetičke sredine i podijelimo s brojem mjerenja.2 Slučajni brojevi • Slučajni broj podrazumijeva kontinuiranu slučajnu varijablu s uniformnom razdiobom na intervalu [0. • Standardna devijacija je apsolutna mjera disperzije i kao takva nije prikladna za uspoređivanje veličina disperzije dviju distribucija s različitim obilježjima • Rezultat je u postocima Mjere asimetrije • Mjere asimetrije pokazuju raspored članova osnovnog skupa prema osi simetrije • Za mjerenje asimetrije polazna je veličina aritmetička sredina odstupanja vrijednosti numeričke varijable od sredine podignutih na treću potenciju Koeficijent asimetrije • Koeficijent asimetrije je standardizirana mjera smjera i veličine asimetrije • Za simetrične rasporede je jednak nuli. ali jako važna. Generator sredine kvadrata • Predložio Von Neuman 1946 • Četveroznamenkasti broj kvadriramo. Generatori slučajnih brojeva • Bacanje kocke. obično se kreće u intervalu od +. jer se slučajne varijable drugih razdioba vjerojatnosti mogu dobiti trabnsformacijama slučajne varijable s nezavisnom identičnom razdiobom. Linearni kongruentni generator • Lehmer 1951 Najčešće se rabe Xi+1 = ( a Xi + c ) mod m gdje su: M modul a multiplikator 16 . Π ) imaju slabe karakteristike slučajnosti.1] • Najjednostavnija kontinuirana razdioba. pa nisu u uporabi Pseudoslučajni generatori • Rabe aritmetičke procese koji se rabe tako da se slijedeći broj izračunava temeljem prethodnog broja. Ovo je apsolutna mjera disperzije Koeficijent varijacije • Standardna devijacija izražena u istim jedinicama mjere u kojima i aritmetička sredina. a potom odrežemo prve dvije i zadnje dvije znamenke i zatim se podijeli s 10000.

▫ Test frekvencija ▫ Kolmogorov-Smirnov test ▫ Test serija ▫ Test porasta ▫ Test autokorelacije Test frekvencija • Interval se dijeli u k jednakih podintervala i prebrojava se koliko slučajnih brojeva padne u pojedini interval. a ako je c = 0 ond je multiplikativan.gdje je p broj bitova za jednu riječ. • Testiranje se izvodi pomoću hi-kvadrat testa Kolmogorov Smirnov test • Test uniformnosti • Neparametrijski i egzaktan za sve veličine uzoraka • Dio statističkih programa Kontinuirane razdiobe • Beta • Erlangova • Eksponencijalna • Logistička • Lognormalna • Normalna • Trokutasta • Uniformna • Weibullova 17 .1] • Moraju biti nezavisni ( nekorelirani) • Povoljno je da niz: ▫ Bude ponovljiv ▫ Da se brojevi ne ponavljaju ▫ Da se brzo generira ▫ Da ne zauzima centralnu memoriju računala. Testiranje generatora slučajnih brojeva • Ispitivanje uniformiranosti i odsutnosti korelacije generiranih brojeva. • Obično proizvođači računala isporučuju potprograme s konstantama koje smatraju najboljima Zahtjevana svojstva generiranih brojeva • Imaju uniformnu razdiobu u intervalu [0. dok konstanta a treba biti blizu 2p/2 • Time se osigurava mala autokorelacija među susjednim brojevima. Linearni kongruentni generator • Loš izbor konstanti može dati degenerirani niz – ponavlja se nakon nekoliko znamenki • Obično se konstanta m bira da bude jednaka 2p.c inkrement X0 sjeme ( početna vrijednost) • Ako je a =1 onda je generator aditivan.

Beta razdioba • Ograničena s gornjom i donjom granicom • Mnoge su pojave tako ograničene pa se beta razdioba može rabiti i prije nego što su poznati podaci • Uniformna razdioba je poseban slučaj beta razdiobe (p=q=1) • Može težiti nuli ili beskonačnosti na granicama • p. snaga radarskog signala • Trajanje aktivnosti u građevini • Veličina čestica. • Min – minimum • M – faktor oblika ( pozitivan cijeli broj ) •  faktor skale – Erlangova razdioba • Primjena • Teorija pouzdanosti • Teorija redova čekanja • Može predstavljati zbroj m eksponencijalnih razdioba sa srednjom vrijednosti  • min – minimum • m – faktor oblika ( pozitivan cijeli broj ) • – faktor mjerila Eksponencijalna razdioba • PrMJjena • Predstavlja vrijeme između slučajnih pojava • Vrijeme među dolascima • Vrijeme između kvarova u modelima pouzdanosti • Vrijeme obradbe pojedinog uradka • min – minimalna vrijednost • – srednja vrijednost 18 .q) . • p.parametar. • nema dio gdje f (x) teži k beskonačnosti za minimalnu vrijednost x [m <1] • poseban slučaj za m = 1. gdje postaje eksponencijalna razdioba.q – faktori oblika >0 • B(p. ograničen na pozitivan cijeli broj. m.q > 1 vrijednost u granicama je konačna. trošenje alata Erlangova razdioba • Kontinuirana distribucija ograničena s donje strane • Poseban slučaj Gamma razdiobe . jer je ograničena s obje strane • Hidrografija . logaritam aerosoli.q < 1 vrijednost na granici teži beskonačnom • min < x < max • min – minimalna vrijednost • max – maksimalna vrijednost • p. poroznost tla • Vrijeme aktivnosti u PERT dijagramu • Udjeli u plinskim smjesama • Fazni pomak u komunikacijama.beta funkcija Beta razdioba • Uporaba: • Velik broj različitih uporaba.

faktor mjerila >0 Logistička razdioba • Uporaba • kao model rasta. stanovništva. pa se rabi čak i za početni proračun iako je neadekvatna za opisivanje sustava • min – minimalna vrijednost • – srednja vrijednost Logistička razdioba • Ngraničena i simetrična oko srednje vrijednosti i faktora posmaka  • Oblik sličan normalnoj razdiobi . raste do maksimuma koji ovisi o μ i σ. • .faktor posmaka • . nezavisnih grješaka.standardna devijacija Normalna razdioba • Zbog svojstva da predstavlja sve veći zbroj malih. tada pada monotono s povećanjem x • Logaritam Lognormalnog slučajnog broja je slučajni broj normalne razdiobe • min – minimum •  srednja vrijednost •  standardna devijacija Lognormalna razdioba • Primjena: • Rabi se u mnogim različitim područjima • raspodjelu veličina čestica u prirodnim agregatima • koncentracija prašine u industrijskoj atmosferi • distribucija minerala prisutnih u niskim koncentracijama • trajanje bolesti.faktor posmaka • . normalna razdioba se jako rabi u statistici.srednja vrijednost • . samo što su repovi širi • Može se katkad rabiti umjesto normalne razdiobe – kad posebni slučajevi imaju velik utjecaj • . • zadržavanje zaposlenika.faktor mjerila >0 Lognormalna razdioba • kontinuirana distribucija ograničena s donjem strane. model poslovnog neuspjeha. • vrijeme trajanja konzultacija kod liječnika • raspodjela prihoda. • mnoge primjene kod modeliranja težine i visine • min – minimum • .Eksponencijalna razdioba • Ograničena s donje strane • Uvijek isti oblik – počinje s određenom vrijednošću i smanjuje se • Nema povijesne zavisnosti – ma isti skup vjerojatnosti kada se pomakne u vremenu • Matematički jednostavna za proračun.. porast težine. • Pogrešno se rabi u mnogim slučajevima 19 . Uvijek je 0 na minimumu.

• Često se rabi za prikaz simetričnih podataka. • α> 1 na minimumu je 0. • α = 1. • Kad se pojedini pokušaj ponavlja ▫ Bacanje kovanice • Svaki pokušaj je nezavisan • Za veliki n može se aproksimirati Normalnom razdiobom • n – broj pokušaja 20 . se svodi na eksponencijalna razdiobu • α <1. a potom se monotono smanjuje pri povećanju x. n].standardna devijacija Trokutasta razdioba • Često e rabi kad nema ili je dostupno malo podataka • Rijetko je točan prikaz podataka • Rabi se i zbog jednostavnosti proračuna Uniformna razdioba • Gustoća ne zavisi o x • Poseban slučaj beta razdiobe • Vjerojatnost za min i max jednaka je 0 ▫ Zamijeniti s dvije trokutaste razdiobe • Generatori slučajnih brojeva daju rezultate po uniformnoj razdiobi Weibullova razdioba • Ograničena na dolje • Ima tri različita područja. apotom se monotono smanjuje Weibullova razdioba • Primjena: • Čvrstoća materijala ▫ Postala popularna i od tada se rabi skoro za svaku primjenu • Brzine vjetra • Intenzitet oborina • Zdravstvo • Klijanje • Trajanje industrijskih zastoja • Sustavi migracija • Podaci o grmljavini Diskretne razdiobe • Binomna • Diskretna uniformna • Geometrijska • Negativna binomna • Poissonova Binomna razdioba • diskretna distribucija u intervalu [0. • . teži k beskonačnostiza minimalni x. raste do maksimuma vrijednost koja ga zavisi o α i β. ali pati zbog neograničenja u oba smjera.srednja vrijednost • .

• Istraživanje tržišta • Trošenje potrošača • Biblioteke • Biometrika • x – broj pokušaja za k događaja • p.vjerojatnost događaja Negativna binomna razdioba • Za k=1 reducira se u geometrijsku razdiobu • Ima mnogo uporaba • Statistika nezgoda • Rođenja i smrti.vjerojatnost događaja Binomna razdioba • Primjena: • opsežna uporaba u igrama • U genetici. • .broj poželjnih događaja Poisonova razdioba • diskretna distribucija ograničena na dolje • Granični oblik hipergeometrijske razdiobe • Predstavlja razdiobu rijetkih dogadjaj događaja čija je stopa konstantna • Vrijeme između pojava je eksponencijalno. • uzorkovanje manjkavih dijelova u stabilnim procesima • događaja uzorkovanja gdje je vjerojatnost događaja konstantna ili skoro konstantna. • n – broj pokušaja • P.vjerojatnost događaja Diskretna uniformna razdioba • ograničeni na [min. • Ima maksimum oko  .gustoća pojavljivanja Poisonova razdioba • Primjena: • Velik broj prostornih i vremenskih događaja 21 . što čini ovu distribuciju osobito pogodnim polazištem za složenijie procese.• P.vjerojatnost • k. max] sa stalnim vjerojatnostima za svaki x • proizlazi kada događaj može imati konačne i jednako vjerojatne ishode Geometrijska razdioba • Ograničena s 0 • Diskretna analogija eksponencijalnoj razdiobi • Rabi se : • Potražnja inventara • Povrat anketa za marketing • Kontrola ulaznica • Meteorološki modela • p.

zvijezda • Zemljopisna razdioba biljaka • Zrnati šum • Važna u teoriji redova čekanja i pouzdanosti • .gustoća pojavljivanja -- 22 .• Dolazni telefonski pozivi • Grješke u proizvodnji (posebice poluvodiča) • Defekti u kontroli kvalitete • Razdioba molekula.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->