- •Функция регрессии.
- •Линейная регрессия.
- •Генерирование случайных чисел с заданным законом распределения
- •Моделирование случайной величины с произвольно заданным законом распределения посредством нелинейного преобразования случайной величины с равномерным законом распределения
- •Метод Неймана
- •Моделирование случайной величины в случае приближенного задания ее закона распределения
- •С плотностью распределения ŵ(X)
- •Аппроксимация с помощью случайных величин с равномерным законом распределения
- •Аппроксимация с помощью случайной величины с треугольным законом распределения
Моделирование случайной величины в случае приближенного задания ее закона распределения
Если аналитическое выражение нелинейного преобразования x=q(y) не удается получить, или оно имеет сложный, "громоздкий" вид, а также, если распределение случайной величины X точно не известно, в задачах моделирования применяют аппроксимацию. Пусть требуется получить случайную величину X с плотностью распределения вероятностей W(x).
Аппроксимацию можно реализовать с помощью конечного ряда
W(x) ≈ P1.w1(x),…,P.iwi(x),…,Pnwn(x) =Ŵ(x), (3)
где wi(x), i=1…n – законы распределения вероятностей n независимых случайных величин; Pi. – коэффициенты разложения; Ŵ(x) – результат аппроксимации требуемой плотности распределения вероятностей. Точность аппроксимации обычно выбирается экспериментально, хотя можно использовать и теорию разложения функции в ряды. Проектируемый программный модуль (генератор) должен вырабатывать псевдослучайную величину с плотностью распределения Ŵ(x).
Блок-схема алгоритма генерирования случайной величины с плотностью распределения Ŵ(x) представлена на рис.3.
Рис.3 Блок-схема алгоритма генерирования случайной величины
С плотностью распределения ŵ(X)
На первом шаге с вероятностью Pi. выбирается один из генераторов случайных величин с плотностью распределения вероятностей .wi(x), i=1…n.
На втором шаге выбранный генератор вырабатывает реализацию x случайной величины X, которая используется как выходная.
Докажем, что на выходе получаем случайную величину с законом распределения вероятностей равной Ŵ(x). Вероятность Ŵ(x)dx вычисляется по формуле полной вероятности Ŵ(x)dx = P1.w1(x),dx+ …+Pi.wi(x)dx +…+ Pnwn(x)dx, где .wi(x)dx – интерпретируется как условная вероятность попадания реализации случайной величины X в интервал dx при условии, что выбран генератор с плотностью распределения вероятностей wi(x).
Обычно плотности wi(x) принадлежат одному типу и различаются только средними значениями и (при необходимости) – дисперсией.
Аппроксимация с помощью случайных величин с равномерным законом распределения
Рис. 4. Ступенчатая аппроксимация.
В случае аппроксимации с помощью случайных величин с равномерным законом распределения заданная плотность W(x) аппроксимируется ступенчатой функцией Ŵ(x) (рис. 4). Отдельная ступенька описывается функцией Piwi(x), где wi(х)=1/Δ – равномерная на интервале, равном Δ=xi+1+Δ/2–(xi+Δ/2), плотность распределения вероятностей случайной величины X со средним значением, равным Xi. Высота прямоугольника, изображающего функцию Piwi(x), равна W(хi), а площадь этого прямоугольника равна Pi, так как.
=Pi=W(xi )Δ (интеграл =1).
Рассмотрим способ нахождения величин Pi .
Поскольку , то =1, и, следовательно, . Отсюда Δ = и Pi= .
Значения Pi инвариантны к масштабу функции W(х) по оси ординат, т.е., если взять функцию kW(х), где k произвольное положительное число, то значения Pi не изменятся. Поэтому значения W(хi) можно измерять, например, количеством клеток подходящего размера на листе бумаги, на котором изображен график плотности W(х).
Если в библиотеке ЭВМ имеется генератор случайной величины у с равномерным законом распределения на интервале (0, 1), то случайную величину X с законом распределения wi(x), равномерным на интервале можно получить в результате следующего преобразования: х = у + (i-1), где номер интервала i совпадает с номером генератора, случайно выбираемым с вероятностью Pi.