У вас вопросы?
У нас ответы:) SamZan.net

Лабораторная работа 4 ИССЛЕДОВАНИЕ ГЕНЕРАТОРОВ СЛУЧАЙНЫХ ВЕЛИЧИН Как сгенерировать дискретные сл

Работа добавлена на сайт samzan.net: 2016-03-05

Поможем написать учебную работу

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

от 25%

Подписываем

договор

Выберите тип работы:

Скидка 25% при заказе до 6.4.2025

Моделирование систем. Лабораторная работа №4

ИССЛЕДОВАНИЕ ГЕНЕРАТОРОВ СЛУЧАЙНЫХ ВЕЛИЧИН

  1.  Как сгенерировать дискретные случайные величины, вероятности которых заданны в виде таблицы?

Для Х можно построить интегральную функцию распределения

        FX(xi) = P(X<xi) = p1 + p2 + ... + pi,  i = 1, 2, ..., n;                                  (1)

        причем P(X<x1) = 0, P(X = xn) = 1.

Дискретная случайная величина X с законом распределения (1) может быть получена следующим методом:

  •  Сгенерировать равномерно распределенную случайную величину XR на интервале [0,1];
  •  Найти такое m, чтобы FX(xm-1) < XR <= FX(xm),
  •  В качестве случайной величины взять xm.
  1.  Как сгенерировать случайные величины методом обратной функции?

Найти функцию P(x), обратную к интегральной функции вероятности F(x).

Сгенерировать равномерно распределенную случайную величину y из диапазона [0..1].

Рассчитать x = P(y). Величина x, будет иметь такой же закон распределения, как и F(x).

  1.  При каких условиях можно использовать метод обратной функции?

Если XR равномерно распределено от 0 до 1

  1.  Как сгенерировать случайные величины методом исключения?

1) Выбираются две независимые случайные величины xR1 и xR2, равномерно распределенные на интервалах (a, b) и (0, М), соответственно.

2) Если точка К с координатами (xR1, xR2) лежит под кривой y=f(x), то есть выполняется неравенство xR2 < f(xR1), то xR1 выбирается в качестве реализации случайной величины х. Если же получится, что точка K будет лежать над кривой y=f(x), то такую точку K отбрасываем и выбираем новую пару значений (xR1, xR2). 

  1.  При каких условиях можно использовать метод исключения?

Данный метод применим, если случайная величина x задана на ограниченном интервале x(а, b) и функция плотности f(x) ограничена f(x) < М

Функция плотности вероятности f(x) должна быть ограничена

  1.  Как может оценить закон распределения выборки случайных величин?

Критерий хи – квадрат

Для вычисления критерия «хи-квадрат» весь диапазон изменения случайной величины разбивается на k поддиапазонов, в каждом рассчитывается частотность (количество попаданий случайной величины в i-й поддиапазон) fЭi сгенерированной выборки и теоретического распределения fTi , i = 1 .. k.

критерий Колмогорова – Смирнова

Для применения критерия Колмогорова-Смирнова на всем диапазоне изменения случайной величины X (N - объем выборки) определяется теоретическая Ft(х) и экспериментальная интегральная Fе(х) вероятности F(х) = F(Х < х). Находится наибольшее из всех X абсолютное значение D = |Ft(х) - Fе(х)|. Задаваясь уровнем доверительной вероятности с учетом объема выборки N, находим в табл. 2 критическое число Колмогорова-Смирнова - Dкр. Если вычисленное значение D < Dкр, то между полученным и теоретическим распределением нет значительных расхождений, иначе гипотеза о близости распределений отвергается.

Метод исключения

Данный метод применим, если случайная величина x задана на ограниченном интервале x(а, b) и функция плотности f(x) ограничена f(x) < М (см. рис.3).

Рис.3. Графическая иллюстрация метода исключения.

Идея данного метода основана на том, что вероятность того, что случайная точка плоскости под кривой f(x) окажется в полосе (x, x+x) пропорциональна f(x).

Алгоритм метода исключения сводится к следующему:

1) Выбираются две независимые случайные величины xR1 и xR2, равномерно распределенные на интервалах (a, b) и (0, М), соответственно.

2) Если точка К с координатами (xR1, xR2) лежит под кривой y=f(x), то есть выполняется неравенство xR2 < f(xR1), то xR1 выбирается в качестве реализации случайной величины х. Если же получится, что точка K будет лежать над кривой y=f(x), то такую точку K отбрасываем и выбираем новую пару значений (xR1, xR2). 

Недостатки метода:

- функция плотности вероятности f(x) должна быть ограниченна;

- не каждая пара значений (xR1, xR2) дает в итоге случайную величину нужного закона распределения f(x).




1. Первый Всебелорусский съезд
2. Тема- Бизнесплан организации производства прибора Техно Дент 4 на предприятии НЗ Стоимость прое
3. Курсовая работа- Экономический рост и факторы его развития
4. статья о самых популярных крепких алкогольных напитках пользующихся спросом во всем мире
5. The most rdicl feminism
6. ВАРИАНТ ДЛЯ ГОРОДСКОЙ ШКОЛЫ Билет 1 1
7. тема и их среда географическая крупные геосистемы географические процессы с участием живых систем их с
8. Брусника обыкновенная
9. НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ТОМСКИЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ Кафедра Автоматики и компьютер
10. Дорогой читатель мы будем очень благодарны за все Ваши замечания дополнения и предложения