ЭКОНОМИКО-МАТЕМАТИЧЕСКИЕ МЕТОДЫ В ЛОГИСТИКЕ
Содержание
Теория+Практика
Объем
23 лист.
Год написания
2014
Данной работы в готовом виде нет. Вы можете заказать написание работы под вашу тему.
ЗАКАЗАТЬ
Описание работы
Номер в архиве:1922
Метод наименьших квадратов — один из методов регрессионного анализа для оценки неизвестных величин по результатам измерений, содержащим случайные ошибки.
РАСЧЕТНАЯ ЧАСТЬ ***ОЙ РАБОТЫ
Задача 1.Моделирование времени выполнения заказа
клиента методом Монте-Карло.
Выполнение заказа включает три операции: 1 - прием и обработка заказа; 2 -документирование и отгрузка товара; 3 - доставка. Время выполнения каждой операции ti случайно и определено соответствующим законом распределения f(ti). Общее время, затрачиваемое на выполнение заказа, также случайно и определяется в виде суммы:
t0 = t1 +t2+ t3.
Необходимо смоделировать последовательность из 10 случайных значений t0, используя данные из таблицы 1 и формулы генераторов случайных чисел для разных законов распределения.
Таблица 1
Выбор данных для моделирования
Исходные последовательности псевдослучайных чисел для генерации ti следующие:
Равномерно распределенные в интервале от 0 до 1 (20 чисел – для моделирования t2 и t3:
Нормально распределенные случайные числа (10 чисел – для моделирования t1):
Тема 3.Модели и методы прогнозирования в логистике
3.4. Метод наименьших квадратов (МНК).Метод наименьших квадратов — один из методов регрессионного анализа для оценки неизвестных величин по результатам измерений, содержащим случайные ошибки.
РАСЧЕТНАЯ ЧАСТЬ ***ОЙ РАБОТЫ
Задача 1.Моделирование времени выполнения заказа
клиента методом Монте-Карло.
Выполнение заказа включает три операции: 1 - прием и обработка заказа; 2 -документирование и отгрузка товара; 3 - доставка. Время выполнения каждой операции ti случайно и определено соответствующим законом распределения f(ti). Общее время, затрачиваемое на выполнение заказа, также случайно и определяется в виде суммы:
t0 = t1 +t2+ t3.
Необходимо смоделировать последовательность из 10 случайных значений t0, используя данные из таблицы 1 и формулы генераторов случайных чисел для разных законов распределения.
Таблица 1
Выбор данных для моделирования
Послед. цифра шифра |
Параметры распределения времени выполнения операций |
||||||||
t1 , ч |
t2 , ч |
t3 , ч |
|||||||
|
|
закон |
|
|
закон |
|
|
закон |
|
2 |
1,20 |
0,70 |
Л |
2,10 |
0,40 |
Р |
5,00 |
1,10 |
Р |
Равномерно распределенные в интервале от 0 до 1 (20 чисел – для моделирования t2 и t3:
0,023 |
0,905 |
0,947 |
0,815 |
0,563 |
0,369 |
0,446 |
0,319 |
0,791 |
0,508 |
0,055 |
0,280 |
0,207 |
0,518 |
0,286 |
0,451 |
0,263 |
0,253 |
0,937 |
0,469 |
-0,473 |
1,051 |
-1,073 |
0,164 |
0,021 |
0,316 |
-1,227 |
0,186 |
0,439 |
-0,329 |