6. Моделирование данных

В данной работе мы будем создавать исходные данные методами имитационного моделирования. Для этого мы будем использовать надстройку Анализ данных. Подробности описаны в работе [1].

Создадим новый лист в отчёте и сгенерируем данные. Вызываем надстройку (рис. 6.1):

Data — Analysis — Data analysis.

Рис. 6.1. Вызов надстройки

В диалоговом окне Data Analysis выбираем пункт Random Number Generation и нажимаем ОК, см. рис. 6.2.

Рис. 6.2. Вызов генератора

В диалоговом окне Random Number Generation устанавливаем следующие параметры генератора (см. рис. 6.3):

Number of Variables: 1

Number of Random Numbers: 30000

Distribution: Normal

Mean: 1000

Standard deviation: 5

Random Seed: 1234

Output Range: $A$2

Значения среднего и сигмы берём в соответствии со своим вариантом.

Начальное состояние генератора Random Seed задаём как любое четырёхзначное целое положительное число. На разных листах отчёта нужно использовать РАЗНЫЕ начальные значения.

Диапазон для вывода случайных чисел Output Range указываем мышкой.

Рис. 6.3. Параметры генератора

Задание. Сгенерируйте исходные данные в соответствии со своим вариантом.

Будем считать, что размер детали измеряется с точностью до 0,1 миллиметра. Современные измерительные приборы могут обеспечить гораздо более высокую точность. Сгенерированные числа округляем до десятых с помощью следующей функции:

ROUND (number, num_digits).

Рис. 6.4. Округление чисел

Столбец со случайными числами озаглавим следующим образом:

N (1000;5).

Такая запись означает: «нормальное распределение со средним значением 1000 и стандартным отклонением 5». Когда в отчёте подробно описан каждый столбец, его будет проще и легче читать. В том числе и автору работы — через пару дней. Всё забывается, а записи остаются.

Округлённые числа находятся во втором столбце под названием х. С этими числами мы далее и будем работать.

Задание. Округлите полученные случайные числа до одного знака после запятой.