Рис. 4.10. График функции распределения времени выполнения задачи на узле информационно-образовательного кластера Анализируя график функции распределения времени выполнения задачи на узле информационно-образовательного кластера, можно оценить, что данный модуль в среднем потребует 70 минут для изучения. 4.4. Определение времени реализации процессов контроля знаний, реализуемых в условиях неопределенности В данном параграфе представлены результаты, полученные при адаптивном процессе контроля знаний. Когда процесс имеет сложный вид разумно рассматривать нормативное время как случайную величину с конечным математическим ожиданием и дисперсией, описанную подходящей функцией распределения. Для примера остановимся на изучении одной из алгоритмических |
разложение функции в ряд Тейлора [53]. Так как в вычислительном отношении данная задача достаточно трудна, дуги сети характеризуются либо экспоненциальным распределением, либо дискретным, что существенно облегчает решение задачи. В [98] рассматривается численный метод нахождения непрерывной плотности распределения вероятностей выходной величины ГЕРТ-сети при условии, что множество распределений, которыми характеризуются отдельные дуги модели, включает в себя: дискретное, биномиальное, пуассоновское, геометрическое, отрицательное биномиальное, равномерное, экспоненциальное, гаммаи нормальное распределения. Как правило, предлагаемые методы основаны на переходе от эквивалентной ^-функции ГЕРТ-сети к ее характеристической функции и использовании формулы обращения [99]. 3.2.2. Определение вероятностных нормативных времен для процессов контроля знаний, реализуемых в условиях неопределенности В данном параграфе предлагается алгоритмическая процедура для вычисления математического ожидания и стандартного отклонения нормативного времени, требуемого для выполнения распределенных алгоритмов адаптивного процесса контроля знаний. Когда процесс имеет сложный вид, подобный тому, который описан в настоящем разделе ранее, разумно рассматривать нормативное время как случайную величину с конечным математическим ожиданием и дисперсией, описанную подходящей функцией распределения. Для примера остановимся на изучении одной из алгоритмических процедур процесса. Для получения дисперсионных оценок необходимы некоторые предположения, касающиеся стохастических характеристик каждого элемента процесса в стандартных условиях. Такое описание задачи по 110 |