仿真系统时间类型定义概述.docx
- 文档编号:6663760
- 上传时间:2023-05-10
- 格式:DOCX
- 页数:17
- 大小:46.45KB
仿真系统时间类型定义概述.docx
《仿真系统时间类型定义概述.docx》由会员分享,可在线阅读,更多相关《仿真系统时间类型定义概述.docx(17页珍藏版)》请在冰点文库上搜索。
仿真系统时间类型定义概述
仿真系统时间类型定义
时间类型
格式
释义
Function
RangeofValues
const
D:
H:
M:
S.XXX
常数
Value0
Uniform
Stream,Start,Stop
通用
z_uniform(s,Start,Stop)
StopStart0
Normal
Stream,Mu,Sigma,LowerBound,UpperBound
正态分布
z_normal(s,Mu,Sigma)
UpperBoundLowerBound0,Sigma>0
Lognorm
Stream,Mu,Sigma,LowerBound,UpperBound
对数分布
z_lognorm(s,Mu,Sigma)
UpperBoundLowerBound,Sigma>0,
Mu>0
Negexp
Stream,Beta,LowerBound,UpperBound
指数分布
z_negexp(s,Beta)
UpperBoundLowerBound,Beta>0
Geom
Stream,P,LowerBound,UpperBound
几何分布
z_geom(s,p)
UpperBoundLowerBound,
0
Hypgeo
Stream,m,n,P
超几何分布
z_hypergeom(s,m,n,p)
1≤n≤m,
0
Erlang
Stream,Mu,Sigma,LowerBound,UpperBound
占线分布
z_erlang(s,Mu,Sigma)
UpperBoundLowerBound,Sigma>0
Weibull
Stream,Alpha,Beta,LowerBound,UpperBound
韦伯分布
z_weibull(s,Alpha,Beta)
UpperBoundLowerBound,Alpha>0,
Beta>0
Triangle
Stream,c,a,b
三角分布
z_triangle(s,c,a,b)
0≤a Binomial Stream,n,p 二项式分布 z_binominal(s,n,p) n>0, 0 Poisson Stream,Lamda 泊松分布 z_poisson(s,Lambda) Lambda>0 Gamma Stream,Beta,LowerBound,UpperBound Gamma分布 z_gamma(s,Alpha,Beta) UpperBoundLowerBound0,Alpha>0, Beta>0 Beta Stream,Alpha1,Alpha2 Beta分布 z_beta(s,Alpha1,Alpha2) Alpha1>0,Alpha2>0 dEmp Stream,Table[time,real] 离散经验 z_demp(s,Table) Stream1 cEmp Stream,Table[time,time,real] 连续经验 z_cemp(s,Table) Stream1 Emp Stream,Table[real,…]Column 简单经验 z_emp(s,Table,column) Stream1 Formula 公式 DistributionFunctions YoucancreaterandomnumberswithobjectsoftypeGeneratorandVariablesofdatatypetimeaswellaswiththefunctionsdescribedbelow,whichreturnrandomnumbersaccordingtothedesireddistribution. 你可以根据需要的数据分布形态,使用下面所述的针对时间变量的类型生成器,生成任意数值。 Theargumentsstandsfortherandomnumberstreamandisofdatatypeinteger.AllotherargumentsaretheargumentsofthecorrespondingdistributionfunctionasdescribedunderStatisticalDistributions.Theyalleitherareofdatatyperealorinteger. Function Resultsinthe z_beta(s,Alpha1,Alpha2) betadistribution z_binominal(s,n,p) binominaldistribution z_cemp(s,Table) steadyempiricaldistribution z_demp(s,Table) discreteempiricaldistribution z_emp(s,Table,column) primitiveempiricaldistribution z_erlang(s,Mu,Sigma) Erlangdistribution z_gamma(s,Alpha,Beta) gammadistribution z_geom(s,p) geometricdistribution z_hypergeom(s,m,n,p) hypergeometricdistribution z_lognorm(s,Mu,Sigma) lognormaldistribution z_negexp(s,Beta) exponentialdistribution z_normal(s,Mu,Sigma) normaldistribution z_poisson(s,Lambda) Poissondistribution z_triangle(s,c,a,b) triangulardistribution z_uniform(s,Start,Stop) uniformdistribution z_weibull(s,Alpha,Beta) Weibulldistributi Type Usage: = TheattributeTypedefinesthetypeofastatisticaldistributionfortheattributenamed.Attribute_pathdesignatesanattributeofdatatypetimeoracustomattributeofdatatyperandtime. Distribution NameineM-PlantEnglish/German Constantnumber Const/Konst Uniformdistribution Uniform/Gleich Normaldistribution Normal/Normal Lognormaldistribution Lognorm/Lognorm Exponentialdistribution Negexp/Negexp Geometricdistribution Geom/Geom Hypergeometricdistribution Hypgeo/Hypgeo Erlangdistribution Erlang/Erlang Weibulldistribution Weibull/Weibull Triangulardistribution Triangle/Dreieck Binomialdistribution Binomial/Binomial Poissondistribution Poisson/Poisson Gammadistribution Gamma/Gamma Betadistribution Beta/Beta Discreteempiricaldistribution dEmp/dEmp Continuousempiricaldistribution cEmp/cEmp Primitiveempiricaldistribution Emp/Emp Formula Formula/Formel Type-dependentdistribution List(Type)/Liste(Typ) List-dependentdistribution(ParallelProc) List(Place)/Liste(Platz) Example: singleProc.proctime.Type: ="uniform"; Thedifferentdistributionshavedifferentattributes.Youcansetthese: ∙WiththemethodsetParam. ∙WiththemethodsetTypeAndAttr. ∙Bydirectassignmentstotheattribute. Example: singleProc.proctime.Mu: =0.50; singleProc.proctime.Sigma: =0.1; Assignargumentsaccordingtothislist: Distribution SetofArguments RangeofValues Const Value Value0 Uniform Stream,Start,Stop StopStart0 Normal Stream,Mu,Sigma,LowerBound,UpperBound UpperBoundLowerBound0,Sigma>0 Lognorm Stream,Mu,Sigma,LowerBound,UpperBound UpperBoundLowerBound,Sigma>0,Mu>0 Negexp Stream,Beta,LowerBound,UpperBound UpperBoundLowerBound,Beta>0 Geom Stream,p,LowerBound,UpperBound UpperBoundLowerBound,0 Hypgeo Stream,m,n,p 1≤n≤m,0 Erlang Stream,Mu,Sigma,LowerBound,UpperBound UpperBoundLowerBound,Sigma>0 Weibull Stream,Alpha,Beta,LowerBound,UpperBound UpperBoundLowerBound,Alpha>0,Beta>0 Triangle Stream,c,a,b 0≤a Binomial Stream,n,p n>0,0 Poisson Stream,Lambda Lambda>0 Gamma Stream,Alpha,Beta,LowerBound,UpperBound UpperBoundLowerBound0,Alpha>0,Beta>0 Beta Stream,Alpha1,Alpha2 Alpha1>0,Alpha2>0 dEmp Stream,List Stream1 cEmp Stream,List Stream1 Emp Stream,List,Column Stream1 Formula Formula List(Type) List List(Place) List 数学基础 NORMDIST正态分布 返回指定平均值和标准偏差的正态分布。 此函数在统计方面应用范围广泛(包括假设检验)。 语法 NORMDIST(x,mean,standard_dev,cumulative) X 是需要计算其分布的数值。 Mean 分布的算术平均值。 Standard_dev 分布的标准偏差。 Cumulative 为一逻辑值,指明函数的形式。 如果cumulative为TRUE,则NORMDIST返回累积分布函数;如果为FALSE,则返回概率密度函数。 说明 ∙如果mean或standard_dev为非数字型,则NORMDIST返回错误值#VALUE! 。 ∙如果standard_dev≤0,则NORMDIST返回错误值#NUM! 。 ∙如果mean=0,standard_dev=1,且cumulative=TRUE,则NORMDIST返回标准正态分布,即NORMSDIST。 ∙正态分布密度函数(cumulative=FALSE)的计算公式如下: ∙如果cumulative=TRUE,则公式为从负无穷大到公式中给定的X的积分。 示例 X Mean StdDev 公式 说明(结果) 42 40 1.5 =NORMDIST([X],[Mean],[StdDev],TRUE) 在指定的参数条件下的累积分布函数值(0.908789) 42 40 1.5 =NORMDIST([X],[Mean],[StdDev],FALSE) 在指定的参数条件下的概率密度函数值(0.10934005) LOGNORMDIST对数累积分布 返回x的对数累积分布,其中ln(x)是服从参数mean和standard_dev的正态分布。 使用此函数可以分析经过对数变换的数据。 语法 LOGNORMDIST(x,mean,standard_dev) X 是用于计算函数的数值。 Mean ln(x)的平均值。 Standard_dev ln(x)的标准偏差。 说明 ∙如果任一参数是非数字型,则LOGNORMDIST返回错误值#VALUE! 。 ∙如果x≤0或standard_dev≤0,则LOGNORMDIST返回错误值#NUM! 。 ∙对数累积分布函数的计算公式如下: 示例 X Mean StdDev 公式 说明(结果) 4 3.5 1.2 =LOGNORMDIST([X],[Mean],[StdDev]) 在指定的参数条件下4的对数累积分布函数值(0.039084) EXPONDIST指数分布 返回指数分布。 使用EXPONDIST可以建立事件之间的时间间隔模型,如银行自动提款机支付一次现金所花费的时间。 例如,可以使用函数EXPONDIST来确定这一过程最长持续一分钟的发生概率。 语法 EXPONDIST(x,lambda,cumulative) X 函数的数值。 Lambda 参数值。 Cumulative 是一逻辑值,指出提供的指数函数的形式。 如果cumulative为TRUE,则EXPONDIST返回累积分布函数;如果为FALSE,则它返回概率密度函数。 说明 ∙如果x或lambda为非数字型,则EXPONDIST返回错误值#VALUE! 。 ∙如果x<0,则EXPONDIST返回错误值#NUM! 。 ∙如果lambda≤0,则EXPONDIST返回错误值#NUM! 。 ∙概率密度函数的计算公式如下: ∙累积分布函数的计算公式如下: 示例1 公式 说明(结果) =EXPONDIST(0.2,10,FALSE) 概率指数分布函数(1.353353) 示例2 X Lambda 公式 说明(结果) 0.2 10 =EXPONDIST([X,][Lambda],TRUE) 累积指数分布函数(0.864665) HYPGEOMDIST超几何分布 返回超几何分布。 在给定样本容量、样本总体成功次数和样本总体容量时,HYPGEOMDIST返回样本取得给定成功次数的概率。 使用HYPGEOMDIST可解决有限总体的问题,其中每个观察值或为成功或为失败,且其中给定样本容量的每一个子集有相等的发生概率。 语法 HYPGEOMDIST(sample_s,number_sample,population_s,number_population) Sample_s 样本中成功的次数。 Number_sample 样本容量。 Population_s 样本总体中成功的次数。 Number_population 样本总体容量。 说明 ∙所有参数都将被截尾取整。 ∙如果任一参数为非数字型,则HYPGEOMDIST返回错误值#VALUE! 。 ∙如果sample_s<0或sample_s大于number_sample或population_s中的较小值,则HYPGEOMDIST返回错误值#NUM! 。 ∙如果sample_s小于0或(number_sample-number_population+population_s)中的较大值,则HYPGEOMDIST返回错误值#NUM! 。 ∙如果number_sample<0或number_sample>number_population,则HYPGEOMDIST返回错误值#NUM! 。 ∙如果population_s<0或population_s>number_population,则HYPGEOMDIST返回错误值#NUM! 。 ∙如果number_population<0,则HYPGEOMDIST返回错误值#NUM! 。 ∙超几何分布的计算公式如下: 式中: x=sample_s n=number_sample M=population_s N=number_population HYPGEOMDIST用于在有限样本总体中进行不退回抽样的概率计算。 示例 抽样器里有20块巧克力。 其中8块是焦糖的,其余12块是果仁的。 如果随机选出4块,下面函数返回正好有一块是焦糖的概率。 Sample_s Number_sample Population_s Number_Population 公式 说明(结果) 1 4 8 20 =HYPGEOMDIST([Sample_s],[Number_sample],[Population_s],[Number_Population]) 样本和样本总体的超几何分布(0.363261) WEIBULL分布 返回韦伯分布。 使用此分布可以进行可靠性分析,例如计算设备失效的平均时间。 语法 WEIBULL(x,alpha,beta,cumulative) X 用于计算函数的数值。 Alpha 分布参数。 Beta 分布参数。 Cumulative 决定函数的形式。 说明 ∙如果x、alpha或beta为非数字型,则WEIBULL返回错误值#VALUE! 。 ∙如果x<0,则WEIBULL返回错误值#NUM! 。 ∙如果alpha≤0或beta≤0,则WEIBULL返回错误值#NUM! 。 ∙韦伯累积分布函数的计算公式如下: ∙韦伯概率密度函数的计算公式如下: ∙当alpha=1时,WEIBULL返回指数分布: 示例 X Alpha Beta 公式 说明(结果) 105 20 100 =WEIBULL([X],[Alpha],[Beta],TRUE) 在指定的参数条件下韦伯累积分布函数(0.929581) 105 20 100 =WEIBULL([X],[Alpha],[Beta],FALSE) 在指定的参数条件下韦伯概率密度函数(0.035589) BINOMDIST一元二项式分布 返回一元二项式分布的概率值。 函数BINOMDIST适用于固定次数的测试或试验,当任何试验的结果仅包含成功或失败两种情况,当试验是独立试验,且当在整个试验过程中成功的概率固定不变。 例如,函数BINOMDIST可以计算三个婴儿中两个是男孩的概率。 语法 BINOMDIST(number_s,trials,probability_s,cumulative) Number_s 是试验中成功的次数。 Trials 是独立试验的次数。 Probability_s 是每次试验中成功的概率。 Cumulative 是一逻辑值,用于确定函数的形式。 如果cumulative为TRUE,则函数BINOMDIST返回累积分布函数,即最多存在number_s次成功的概率;如果为FALSE,则返回概率密度函数,即正好存在number_s次成功的概率。 说明 ∙Number_s和trials将被截尾取整。 ∙如果number_s、trials或probability_s为非数字型,则BINOMDIST返回错误值#VALUE! 。 ∙如果number_s<0或number_s>试验次数,则BINOMDIST返回错误值#NUM! 。 ∙如果probability_s<0或probability_s>1,则BINOMDIST返回错误值#NUM! 。 ∙二项式概率密度函数的计算公式如下: 其中: 等于COMBIN(n,x)。 注释 此处的COMBIN函数用于说明由BINOMDIST函数所用的数学公式。 它并非可以在列表中使用的函数。 累积二项式分布函数的计算公式如下: 示例 number_s trials probability_s
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 仿真 系统 时间 类型 定义 概述