Законом распределения
Вид материала | Закон |
Содержание2. Метод усечения 3. Метод взятия обратной функции |
- Проверка статистических гипотез о законах распределения, 59.19kb.
- Дискретные случайные величины Ряд распределения, 29.73kb.
- Лабораторная работа 1-08 экспериментальное изучение гауссовского закона распределения, 108.63kb.
- Природа каналов распределения товаров. Их структура и управление, 20.88kb.
- Функция распределения. Плотность распределения. Основные параметры непрерывных случайных, 7.05kb.
- Методы и каналы распределения товаров, 82.28kb.
- Лекция 10. Управление системой распределения >10. Управление системой распределения, 258.27kb.
- Задача оптимизации расположения распределительного центра на обслуживаемой территории, 872.4kb.
- Секция №1 Модераторы: В. Стрельченок, Е. Толстая, И. Ратанова, 183.54kb.
- Пошаговое приближение распределения стоимости покупки к нормальному закону распределения, 1035.82kb.
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