Законом распределения

Вид материалаЗакон

Содержание


2. Метод усечения
3. Метод взятия обратной функции
Подобный материал:

3. Моделирование случайных чисел с заданным

законом распределения


1. Метод ступенчатой аппроксимации

Необходимо равномерный ГСЧ превратить в датчик с заданным законом распределения. Для этого

непрерывный закон распределения вероятности события дискретизируем. hi - высота i-ого

столбца, f(x) - распределение вероятности (показывает насколько вероятно некоторое событие).

И переходим к вероятностям. Так как сумма вероятностей всех k событий равна 1, то далее

пользуемся методом моделирования группы несовместных событий.


Фрагмент алгоритма

2. Метод усечения

Используется в случае, когда функция задана аналитически (в виде формулы). Функцию

заключают в прямоугольник. На ось Y подают случайное равномерно распределенное число из

ГСЧ. На ось Х подают случайное равномерно распределенное число из ГСЧ. Если точка в

пересечении этих двух координат лежит ниже кривой плотности вероятности, то событие X произошло, иначе нет.


Фрагмент алгоритма

3. Метод взятия обратной функции

Допустим задан интегральный закон распределения вероятности, где f(x) - функция плотности вероятности.

Тогда достаточно разыграть случайное число

равномерно распределенное в интервале от 0 до 1. Поскольку функция F тоже изменяется в

данном интервале, то случайное событие можно определить взятием обратной функции по

графику или аналитически.

 

Пример: примем экспоненциальный закон распределения вероятности случайных событий





Заменяя F на случайное число r имеем


В статическом смысле (1-r) и r - это одно и тоже, то есть

Фрагмент алгоритма