Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Моделирование случайных чисел распределенных равномерно в интервале (0,1).
Используется метод вычетов. xi+1={Axi} A – некоторый множитель подбираем для компьютера исходя из размера сетки и влияет на качество получаемых чисел. {} – функция модуля, т.е. мы отбрасываем целую часть и рассматриваем только дробную.
Рассмотрим графики этой функции при разных значениях А. Случайные числа находятся на этих графиках, но положение этих чисел в пределах графика случайно: xi+1 = f { xi } А = 1 xi+1 = { 2 xi } А = 2 xi+1 = { A xi } A>>1 2
1 1 1
0 1 xi 0 1 2 xi 0 1 xi
j (x)
0 0,1 0,2 0,3 0,4... 1 x
Если построить гистограмму полученной последовательности псевдослучайных чисел, то она будет иметь примерно такой вид. Отклонения от равномерного распределения будут тем меньше, чем больше длина последовательности и выше ее качество. Моделирование случайных чисел, распределенных по равномерному закону в произвольном интервале (a,b).
Равномерное распределение в произвольном интервале (a,b) получается на основе равномерного распределения в интервале (0,1) путем преобразования по формуле: x(a,b) = a + (b – a) x(0,1) ; Характеристики этой последовательности: Mx(a,b) = (b + a) / 2; M – математическое ожидание Dx(a,b) = (b – a)2 / 12; D – дисперсия s = ÖD = (b – a) / 2 Ö 3; s – квадратичное отклонение
j (x)
0 1 x a a+1 b
Моделирование случайных чисел, распределенных по нормальному закону (закону Гаусса). Это моделирование основано на центральной предельной теореме теории вероятностей – теореме Чебышева: “Сумма большого числа случайных слагаемых, если ни одно из них не преобладает над другими, при неограниченном росте числа слагаемых стремится к нормальному закону распределения.” N h(0,N) = S xi (0,1), где h - число, распределенное по нормальному закону; i=1 x - число, распределенное по равномерному закону. Проиллюстрируем переход от равномерного закона к нормальному:
j(x1) j(x2) j(x1 + x2) для j(x1+x2+x3)
0 0,1 0,2... 1 x1 0 1 x2 0 1 2 3 x1 + x2
При сложении двух случайных чисел из интервала (0,1) в сумме получаем значение 0 только при x1 = x2 = 0 и значение 2 только при x1 = x2 = 1, но зато сумма, равная 1, получается при многих комбинациях x1 и x2, например, 0,1 + 0,9; 0,2 + 0,8; 0,3 + 0,7 и т.д. Таким образом, в интервале (0,2) распределение неравномерное. Для двух чисел – это треугольное распределение. При N = 5,6,7 сумма будет распределена почти по нормальному закону, имеющему вид: j (х) Нормальный закон Гаусса.
N/2 N х
7. Моделирование непрерывных случайных величин с произвольным законом распределению j(x) Функция распределения F(x) и плотность вероятности j(x) связаны соотношением: x F(x) = ò-µ j(x) dx;
j(х) Эта площадь равна F(x) х0 значению F(x0) 1 F(x0) = ò0 j(x) dx
0 x0 x 0 х0 x
Существует три способа получения случайных чисел, распределенных по заданному закону j(x): способ Неймана, способ обратной функции и способ Бусленко.
7.1.Способ Неймана. М x1
0 a x2 b x j(x)
Необходимо смоделировать случайные числа, распределенные позаконуj(х). 1) Отмечаем интервалы [a,b] и [0,M], где M – max j(x). 2) Моделируем точку со случайными координатами: x1(0,M), x2(a,b); x1 = M * x(0,1); x2 = (b – a) * x(0,1) + a 3) Проверяем, лежит ли точка над j(х) или под j(х),
т.е. j(x2)<> x2? Если j(x2) > x1, то точка принимается, т.е. мы рассматриваем ее как распределенную по закону j(х). При j(x2) < x1 точка отбрасывается. Совокупность принятых точек будет распределена по закону j(х). Действительно, принятие точки означает, что она соответствует моделируемому закону j(х). Чем больше значение j(х), тем большее количество точек будет принятым и наоборот. Следовательно, большим значениям j(х) будет соответствовать пропорционально большая плотность принятых точек на оси х, что и требуется для моделирования плотности вероятности.
Способ обратной функции. Теорема об обратной функции: “Если некоторая случайная величина имеет плотность вероятности j(х), то случайная величина
xi F(xi) = ò j(x) dx - ¥ будет распределена по равномерному закону в интервале [0,1] независимо от вида функции j(х). Графически это можно проиллюстрировать следующим образом: 1 F(x) F(xi) j(x) 0 xi x равномерное xi распределение j(F(xi)) òj(x) dx - ¥ Все значения F(xi) равновероятны (распределены по равномерному закону) На основе этой теоремы моделируем закон j(x): 1) Моделируем случайное число xi (0,1) и рассматриваем его как xi (0,1) = F(xi). 2) Составляем интегральное уравнение: x i xi (0,1) = ò j(x) dx. - ¥ и решаем его относительно верхнего предела интегрирования xi. В соответствии с теоремой об обратной функции числа xi будут распределены по закону j(x). Пример: Смоделируем j(х) = lе-lх (показательный закон). j(x) = le-lx x=DT xi xi x(0,1) = ò le-lx dx; x(0,1) = -e-lx ½ = e-lxi + 1; xi = -1/l * ln (1 - x(0,1)). 0 0 Число xi можно рассматривать как интервал между заявками. Прежде чем рассматривать способ Бусленко, рассмотрим следующий вопрос.
Недостаток – невсегда можно решить интеграл. Достоинства – мы получаем формулу при которой надо сформулировать только 1 случайное число и подвергнуть его преобразованию по этой формуле.
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Последнее изменение этой страницы: 2017-02-19; просмотров: 899; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.22.119.251 (0.037 с.) |