如果没有观察真实状态，哪些分布可以用来产生工作的开始时间？
Which distributions can be used to produce starting times of jobs if there is no observation real state?
我需要生成一些数据，其中包含每个作业的开始时间（作业数量：30），我没有机会获得真实数据，因此如何生成显示与数据分布相似的数据。在这种情况下，应该继续进行哪种分配？
在您还没有任何数据的模拟模型中使用的一种常用技术（例如，数据非常昂贵，或者它是一个甚至不存在的预期系统，那么您从哪里获得数据？）是使用由主题专家（或您自己的最佳猜测）参数化的 triangular distribution 关于您可能会看到的最小、最大和最常见的值。
一个相对较新但非常强大的扩展是改变 designed set of experiments 中的参数选择，看看如果你的猜测不对有多大影响。精心设计的实验可以让您评估和描述结果随参数值变化的程度。
一个更全面的变体是将分布选择本身（三角形与指数与您认为合理的任何其他东西）结合到设计中，看看这是否有很大的不同。万一没有，你可以随意使用三角形等简单方便的分布选择；如果它有很大的不同，你现在有一定的知识，你应该尽快获得真实数据，因为如果没有基于数据的知识，你将在垃圾输入垃圾输出模式下运行。这还假设您控制了例如在分布选择之间切换时的前两个时刻，以便您的实验测试分布的形状而不是分布的均值和方差的影响。
如果设计的实验告诉您这无关紧要，那真是个好消息。如果这很重要，那么您现在比以前更了解该系统，并且知道今后应该将精力集中在哪些方面。
我需要生成一些数据，其中包含每个作业的开始时间（作业数量：30），我没有机会获得真实数据，因此如何生成显示与数据分布相似的数据。在这种情况下，应该继续进行哪种分配？
在您还没有任何数据的模拟模型中使用的一种常用技术（例如，数据非常昂贵，或者它是一个甚至不存在的预期系统，那么您从哪里获得数据？）是使用由主题专家（或您自己的最佳猜测）参数化的 triangular distribution 关于您可能会看到的最小、最大和最常见的值。
一个相对较新但非常强大的扩展是改变 designed set of experiments 中的参数选择，看看如果你的猜测不对有多大影响。精心设计的实验可以让您评估和描述结果随参数值变化的程度。
一个更全面的变体是将分布选择本身（三角形与指数与您认为合理的任何其他东西）结合到设计中，看看这是否有很大的不同。万一没有，你可以随意使用三角形等简单方便的分布选择；如果它有很大的不同，你现在有一定的知识，你应该尽快获得真实数据，因为如果没有基于数据的知识，你将在垃圾输入垃圾输出模式下运行。这还假设您控制了例如在分布选择之间切换时的前两个时刻，以便您的实验测试分布的形状而不是分布的均值和方差的影响。
如果设计的实验告诉您这无关紧要，那真是个好消息。如果这很重要，那么您现在比以前更了解该系统，并且知道今后应该将精力集中在哪些方面。