- •Ортогональное преобразование главных осей
- •Многомерный нормальный закон в канонической векторной форме
- •Нормальный закон многомерного вектора в общем виде
- •Нормальное распределение на плоскости в координатной форме
- •Проекции нормального распределения
- •Условные распределения нормального закона
- •Переход к главной системе координат
- •Круговое рассеивание
- •Параметры рассеивания в главной системе координат
- •Вероятность попадания в эллипс рассеивания
- •Вероятность попадания в эллипс рассеивания
- •Обобщение на n -мерные эллипсоиды рассеивания
- •Вероятность попадания в 3-мерный эллипсоид рассеивания
- •Случайная величина «хи-квадрат»
- •Закон распределение n-мерного промаха
- •Числовые характеристики n-мерного промаха
- •Закон Рэлея и его числовые характеристики
- •Срединный промах в 1.75 раз больше срединного отклонения
- •Вычисление интегральных показателей, зависящих от распределения промахов
- •Вероятность попадания в заданную область
- •Вероятность попадания в эллипс рассеивания
- •Вероятность попадания в эллипс рассеивания в масштабе срединных отклонений
- •Вероятность попадания в круг
- •Вероятность попадания в эллипсоид
- •Вычисление вероятности попадания в цилиндр
- •Вероятность попадания в прямоугольник
- •Вероятность попадания в произвольную область
- •Требования к аппарату вычисления вероятностей папаания
- •Класс двумерных нормально распределенных случайных векторов
- •Структура и методы класса Norm_2
- •Пример 1. Вычисление вероятностей попадания в группу объектов
- •Пример 2. Статистическое моделирование в классе Norm_2
- •Пример 3. Оптимизация параметров распределения
- •Пример 4. Оптимизация ско рассеивания
Вычисление интегральных показателей, зависящих от распределения промахов
-
.
(7.22)
Специально созданная файл-функция f_Ellipsoid(k,n,s) реализует вычисления по формуле (7.16), принимая вектор значений промаха k, число измерений n и СКО кругового рассеивания s (Листинг 7.2). Используем ее для построения нескольких графиков плотности распределения промахов при круговом рассеивании с параметром = 1 в пространствах 2, 3, 4 и 10 измерений (рис. 7.5):
>>figure(3), hold on,s=1;k=0:0.1:10; for n=[2 3 4 10] P=f_Ellipsoid(k,n,s); plot(k,P),end
Последний график (n =10) построим также с помощью Chi2pdf, задав ее аргументы согласно формуле (7.24), и выведем этот график точками:
>> P=Chi2pdf((k/s).^2,10).*k*2/s^2; plot(k,P,'.')
|
Рис. 7.5. Плотность распределения n-мер-ного отклонения при шаровм рассеивании |
>> n=10;m10=s*sqrt(2)*gamma((n+1)/2)/gamma(n/2);s10=sqrt(n*s^2-m10^2);
>> X=Norm_1(m10,s10); plot(k,f(X,k),'r--')
Так же построенный нормальный закон с параметрами, вычисленными при n =10 имеет заметное отличие от истинного. Вычислим Мо и дисперсию промаха на плоскости по интегральным формулам с использованием функции f_Ellipsoid и по формулам (7.22), (7.23):
>> s=1.5;k=0:0.05:10; P=f_Ellipsoid(k,2,s); Mr=Trap(k.*P,k),mr=sqrt(pi/2)*s
Mr = 1.8800 mr = 1.8800
>> Dr=Trap((k-mr).^2.*P,k),dr=s^2*(2-pi/2)
Dr = 0.9654 dr = 0.9657
Вероятность попадания в заданную область
Вероятность попадания в заданную область при нормальном рассеивании можно определить аналитически или с помощью таблиц лишь в отдельных случаях, в которых область задана эллипсами (эллипсоидами) рассеивания или интервалами отдельных СВ в независимой системе (параллелепипеды в главных осях рассеивания).