Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Опорний конспект новий (..13).docx
Скачиваний:
5
Добавлен:
01.07.2025
Размер:
1 Мб
Скачать
☆

2. Стандартний метод імітації неперервних випадкових величин

Розглянемо імітацію випадкових величин з експоненціальним (показниковим) розподілом. Відомо, що коли ймовірність появи випадкової події в малому інтервалі часу t дуже мала і не залежить від появи інших подій, то інтервали часу між послідовними подіями розподіляються за експоненціальним законом:

. (8.5)

Наприклад, якщо в певній ситуації з чергами появи клієнтів підпорядкована пуассонівському розподілу з математичним сподіванням, що дорівнює , то інтервали часу між їх появами мають розподіл (8.5). Цьому закону розподілу підпорядковуються багато явищ: тривалість телефонних розмов, термін служби багатьох електронних деталей, час надходження замовлень на підприємства обслуговування, час прибуття літаків до аеропорту тощо.

Підставляючи (8.5) в (8.2), маємо

Звідси

Величина також має рівномірний розподіл на відрізку [0, 1]:

Тому вираз для хі можна записати простіше:

(8.6)

Формула (8.6) використовується практично в усіх стандартних підпрограмах імітації розподілів виду (8.5).

Слід зазначити, що стандартний метод імітації неперервних розподілів доцільно застосовувати лише в разі виконання таких умов:

1) інтеграл (8.2) можна взяти (подати в квадратурах);

2) здобуте після інтегрування рівняння розв’язується щодо невідомого

3) остаточна формула не потребує значних витрат машинного часу для її реалізації.

3. Метод добору (відбракування) неперервних випадкових величин

Метод добору (відбракування), суть якого полягає в такому. Нехай потрібно дістати послідовність реалізації випадкової величини X, щільність розподілу ймовірностей якої обмежена на скінченному відрізку [а, b] (якщо такі умови не виконуються, то початковий розподіл завжди можна зрізати із заданою точністю). Таку послідовність випадкових чисел можна знайти методом добору (відбракування). Це означає, що шукана сукупність чисел являє собою деяку вибірку із спеціально утвореної множини випадкових чисел, а саме: з початкової множини вилучаються числа, що не задовольняють певну умову. Отже, сутність методу полягає ось у чому.

Нехай створено чергові числа РВП [0, 1]. Виконаємо перетворення

(8.7)

(8.8)

Згідно з (8.4) випадкова величина x' рівномірно розподілена на відрізку [a, b]; y — на відрізку [0, c]. Має місце така теорема.

Теорема. Випадкова величина x, визначена умовою

, якщо (8.9)

має щільність розподілу

Доведення міститься у посібниках [1] та [2].

З допомогою цієї теореми можна побудувати доволі простий алгоритм генерування чергового випадкового числа , що має розподіл f (x).

1. Генеруємо наступні два числа РВП [0, 1].

2. Обчислюємо

3. Перевіряємо умову Якщо умова виконується, то переходимо до п. 4, у противному разі до індексу i додаємо 1 і переходимо до п. 1.

4. Формуємо чергове випадкове число за правилом

4. Наближене формування розподілів неперервних випадкових величин

У такому разі зручно використовувати наближений спосіб перетворення РВП [0, 1] на випадкові числа з іншим розподілом. Розглянемо сутність цього способу.

Залежність щільності розподілу від можливих значень випадкової величини х зобразимо графічно на відрізку, де х змінюється від a до b Якщо межі інтервалу змінювання випадкової величини нескінченні, то початковий розподіл зрізуємо із заданою точністю. Зокрема, шукана графічна залежність може бути й експериментальною.

Розіб’ємо відрізок [a, b] на n частин (рис. 8.1) таких, що

= = . . . = =

де — координата точки розбиття.

Рис. 8.1. Графік апроксимації функції щільності розподілу

З урахуванням цього ймовірність випадкової події, яка полягає в тому, що випадкова величина X потрапить в один з інтервалів, подається у вигляді

випадкова точка може потрапити на будь-який відрізок з однаковою ймовір­ністю.

Функцію щільності f (x) апроксимуємо східчастою функцією так, щоб значення f (x) у кожному інтервалі були сталою величиною.

Координату випадкової точки М, яка потрапила на і-й інтервал, можна подати у вигляді

(8.10)

де  — відстань точки М від лівого кінця інтервалу.

З огляду на лінійну апроксимацію величина  є рівномірно розподіленою випадковою величиною на відрізку . Цю величину можна дістати за допомогою формули (8.4)

.

Номер інтервалу і, в якому міститься випадкова точка М, можна визначити, скориставшись схемою випробувань за «жеребку­ванням» для рівноймовірних подій, що утворюють повну групу.

Тому алгоритм пошуку наступного випадкового числа, яке має розподіл f (x) (після виконання попередніх розрахунків щодо апроксимації початкового розподілу), може бути такий.

1. Генеруємо РВП [0, 1].

2. За допомогою знаходимо індекс

(8.11)

3. За допомогою знаходимо

.

4. Відшукуємо наступне випадкове число

. (8.12)

Отже, щоб утворити випадкове число х, необхідно витратити два числа РВП [0, 1].

Під час вивчення цієї теми особливу увагу слід приділити генеруванню нормально розподілених випадкових чисел, оскільки нормальний (гауссів) розподіл — один з найважливіших і найчастіше застосовуваних видів неперервних розподілів.

Щільність розподілу ймовірностей для нормального розподілу

(8.13)

де — математичне сподівання; — дисперсія.