04A 输入数据模型概述

输入数据模型概述系统仿真概述离散事件系统仿真基础随机观测模拟输入数据建模仿真算法设计仿真结果分析一、数据收集的来源二、数据收集的要求三、数据使用的方法四、总结本节内容输入数据建模，多出现在“系统调研”步骤中根据现实世界的实际问题，即从仿真目标出发，展开系统调研，对收集到的数据进行分析，建立起犹如《概率统计》中关于分布的数据模型，支持信息世界的系统模型可以有效转换机器世界的仿真模型。输入？

一、数据收集的来源仿真输入哪些数据？如果要对上述系统进行仿真，则仿真系统的输入包括上述系统中X以及F(X)，如果需要对比仿真结果与实际结果，也会输入Y。由此知，实际系统的输入与仿真系统的输入是不相同的！XF(X)Y控制系统示意图一、数据收集的来源F(X)基于“系统的相关性”而存在通过搞清楚系统有哪些部分组成、各部分有何特征、相互间存在什么关系的基础上来建立系统模型，观察系统模型的行为。总体来看，数据收集的具体内容主要由系统目标决定，同时受到后续数据处理方法的影响。一、数据收集的来源信息系统的特征之一：“垃圾进垃圾出”（garbageingarbageout）同样，仿真系统输入数据的正确与否直接影响仿真结果的正确性，包括合理性。一、数据收集的来源如何获得到正确合理的原始数据呢？（1）通过实际观测调研获得数据；（2）从项目管理人员那里获取实际运行数据；（3）已发表的研究成果、论文中收集类似系统的输入数据。此外，针对有些问题，现在也有权威机构提供样例数据供研究人员下载使用，比如用来对比不同方法的优劣；特别是大数据背景下，渠道更多，比如有研究生做配送问题，就直接在高德地图上查询两点间的行驶距离事件等数据。一、数据收集的来源收集数据的同时就开始分析数据，边收集边分析，边发现边整改。收集时注意的基本问题：

（1）收集到的数据是否足够？

（2）把性质相同的数据集组合在一起便于管理；

（3）检验两个随机变量是否相关？

（4）一组观测到数据样本是否具有自相关性？二、数据收集的要求1、直接使用收集到的数据将收集到的（排队系统中）银行出纳员为顾客服务时间，直接放进仿真系统使用。

不足之处：

（1）难以有足够多的数据来进行多次仿真实验；

（2）多次运行中使本来随机性的“服务时间”结果每次都一样、成了“确定性”的，很明显这不正确。三、数据使用的方法2、把收集到的数据定义为经验分布这里用两个例子，用列表方式给出即离散型和连续型随机变量的经验分布。

三、数据使用的方法2、把收集到的数据定义为经验分布离散型随机变量：某餐厅在午餐时成组（1到8人）来就餐的记录，采集到300组，统计结果如下表。此时某人数组的出现概率等于出现次数除以总组数。

成组人数出现的频数概率成组人数出现的频数概率1440.14675180.062520.17336320.10673330.117240.084610.20338360.12三、数据使用的方法2、把收集到的数据定义为经验分布连续型随机变量：已收集输送机100次维修花费的时间长短，对连续的时间区间进行了等距划分，每个时间区间的出现概率等于出现次数除以总次数。时间区间观测数据数量概率时间区间观测数据数量概率[0,5)50.05[20,25)200.20[5,10)70.07[25,30)100.10[10,15)180.18[30,35)60.06[15,20)300.30[35,40]40.04三、数据使用的方法2、把收集到的数据定义为经验分布

在仿真时，就可以按照表格对应地输入离散的值或连续区间和对应的概率，仿真平台就可以自动按这个概率生成相应的随机数，满足多次、反复仿真的需要。不足之处：从已有样本总结出来的分布难以覆盖所有可能值，特别是极端情况。

因此，它适用于不可能或不必建立带有参数的随机变量。三、数据使用的方法3、将数据拟合为某种理论分布比如，电子产品的寿命可拟合为指数分布，在一定时间内到达的顾客数目可拟合成泊松分布。要得到一个正确分布模型的步骤：（1）收集原始数据并进行必要预处理，如独立性检验；（2）分布类型假设：运用点估计、直方（线）图法、概率图法确定随机变量的分布类型；（3）参数估计：矩估计法、极大似然估计法、最小二乘法等确定随机变量的分布参数；三、数据使用的方法3、将数据拟合为某种理论分布（4）拟合优度检验：采用卡方检验、K-S检验等拟合优度检验方法，检验对上述随机变量分布和观测数据吻合的程度，判断该分布的正确性与合理性。如果收集到的观测数据和假设的分布形式不相符合，则返回第（2）步，再做分布假设，重复上述过程；如果若干次之后仍不符合，可以使用经验分布形式来确定随机变量的分布。三、数据使用的方法收集数据的来源输入数据模型概述亲自观测人员提供收集数据的要求边收集边分析检验相关性单个数据使用的方法直接使用两者四、总结历史、量有限经验分布理论分布量够、缺极端规则、难度大是否足够