Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
МС конспект лекций.doc
Скачиваний:
1
Добавлен:
01.07.2025
Размер:
2 Мб
Скачать
☆

Лекция 11

Приближённый метод. Пусть закон распределения случайной величины  которую необходимо имитировать на ЭВМ, задан функцией плотности распределения возможные значения которой лежат на отрезке [a, b]. Если этот отрезок с бесконечными границами, целесообразно перейти к усечённому распределению. Представим на участке [a, b] в виде кусочно-постоянной функции, т.е. отрезок [a, b] разобъем на n полуитервалов и будем считать на каждом из них постоянной. Тогда случайную величину можно представить в виде

Величина на считается распределённой равномерно.

Для аппроксимации наиболее удобным способом, целесообразно разбить отрезок [a, b] на полуинтервалы таким образом, чтобы вероятность попадания случайной величины на любой из них была постоянной, т.е. не зависела от номера полуинтервала k. Для вычисления ak воспользуемся соотношением

где n – количество полуинтервалов.

Процедура имитации предполагает следующее:

  • генерируется значение xi случайной равномерно распределённой на отрезке [0, 1] величины ξ(x);

  • с помощью xi выбирается полуинтервал (путём моделирования дискретной случайной величины, принимающей n равновероятных значений);

  • генерируется следующее значение xi+1 случайной равномерно распределённой на отрезке [0, 1] величины ξ (x), которое масштабируется с целью приведения его к полуинтервалу

Таким образом, значение xi+1 становится значением случайной величины , равномерно распределённой на полуинтервале

Затем случайные числа с требуемым законом распределения вычисляются по формуле

Лекция 12

Получение случайных чисел с нормальным законом распределения. Для получения случайных чиел, распределённых по нормальному закону, можно воспользоваться центральной теоремой теории вероятностей, согласно которой сумма большого числа случайных чисел, имеющих равномерное распределение на отрезке [0, 1], даёт распределение, асимптотически приближающееся к нормальному.

Поэтому для получения нормального распределения следует суммировать случайные числа, равномерно распределённые на отрезке [0, 1]. При этом математическое ожидание µ и среднеквадратическое отклонение σ получаемого закона при достаточно большом числе n случайных величин будут определяться выражениями

При приближение к нормальному закону достаточное для практических потребностей.

Если необходимо смоделировать нормальный закон с математическим ожиданием и среднеквадратическим отклонением , то требуемые случайные числа вычисляются по формуле

где j = 1, 2, … – номер случайного числа с заданными параметрами нормального закона распределения.

Лекция 13

Условия применимости рассмотренных методов получения псевдослучайных чисел с заданными законами распределения:

  • метода обратной функции – когда удаётся найти обратную функцию;

  • метода Неймана – для моделирования случайных величин, имеющих сравнительно мало изменяющиеся функции плотности распределения.

  • приближённого метода – когда метод обратной функции неприменим, а метод Неймана – неэффективен.

Экспериментальная проверка соответствия полученных последовательностей ПСЧ законом распределения. Проверка степени соответствия реализаций случайных величин соответствующим законам распределения осуществляется с помощью критериев согласия. Критерий согласия позволяет оценить вероятность того события, что полученная выборка не противоречит сделанному предположению о виде закона распределения случайной величины.

К одним из наиболее часто используемых в практике обработки результатов машинных экспериментов является критерий Пирсона (критерий «хи-квадрат» ).

В критерии Пирсона за меру расхождения между эмпирическим и теоретическим законами распределения принимается величина, значение которой определяется по формуле

где l – число разрядов (интервалов), на которое разбиты все опытные значения случайной величины ξ ; N – объём выборки; mi – численность i-го разряда; pi – вероятность попадания случайной величины ξ в i-й интервал, вычисленная из теоретического закона.

При N → ∞ закон распределения независимо от вида закона распределения случайной величины ξ стремится к с k = l − v − 1 степенями свободы ( v – число параметров теоретического закона распределения, вычисленных по данной выборке (для нормального закона – это математическое ожидание и дисперсия, т.е. v для нормального закона распределения равно 2)).

Гипотеза о виде закона распределения принимается, если , где  – теоретическое (табличное, критическое) значение критерия. Табличное значение критерия определяется по специальной таблице. Оно зависит от принятого значения доверительной вероятности (уровня значимости) и числа степеней свободы. Обычно уровень значимости принимается равным 0,05, что соответствует доверительной вероятности 0,95. Для практического использования критерия Пирсона необходимо выполнение двух условий: Если второе условие не выполняется, то интервалы следует объединить. При достаточно больших значениях k распределение переходит в нормальное.

Для проверки соответствия случайных величин заданным законам распределения широко используются и другие критерии согласия, например, критерий Колмогорова-Смирнова. В этом критерии за меру расхождения (отклонения) эмпирического и теоретического законов распределения принимается величина

а в критерии Мизеса (критерий ω2) – величина

где эмпирическая, а теоретическая функции распределения.

Следует отметить, что при имитационном моделировании наибольшее применение находит критерий , как обеспечивающий наименьшую ошибку в принятии неверной гипотезы.