
- •Оглавление
- •Список принятыХ СокращениЙ
- •Введение
- •1. Типы имитационных моделей по особенностям обработки
- •Типы им по виду входного воздействия
- •2. Особенности имитационных моделей. Эксперимент
- •2. Система регулирования частоты и напряжения (срчн)
- •3. Проблемы первичной обработки экспериментальных данных
- •4. Имитация детерминированных воздействий
- •4.1. Эквивалентирование детерминированных возмущений
- •4.2. Имитация динамических детерминированных возмущений
- •4.3. Принципы аппроксимации детерминированных возмущений
- •5. Характеристики случайных возмущений
- •5.1. Скалярные случайные величины
- •5.1.1. Дискретные случайные величины
- •5.1.2. Непрерывные случайные величины
- •5.2. Векторные случайные величины
- •5.2.1. Дискретные случайные векторы
- •Задание двумерного случайного вектора
- •5.2.2. Функция распределения векторных случайных величин
- •5.2.3. Непрерывные векторные случайные величины
- •5.2.4. Числовые характеристики векторных случайных величин. Независимость случайных величин
- •5.2.5. Линейные преобразования векторных случайных величин
- •5.3. Свойства скалярных случайных процессов
- •5.4. Свойства векторных случайных процессов
- •5.4.1. Линейные преобразования векторных случайных процессов
- •5.5. Стационарные случайные процессы и их свойства
- •6. Общие принципы имитации случайных возмущений
- •6.1. Имитация случайных величин
- •6.2. Динамическая система с входным белым шумом
- •6.2.1. Реакции непрерывных стохастических систем на входной белый шум
- •6.2.2. Реакции дискретных стохастических систем на входной белый шум
- •6.2.3. Дискретная аппроксимация непрерывных стохастических систем
- •6.3. Имитация случайных процессов
- •6.3.1. Имитация стационарных случайных процессов
- •Варианты формирующих фильтров
- •6.3.2. Имитация нестационарных случайных процессов
- •6.4. Имитация вероятностных переходов
- •7. Вычислительный эксперимент с имитационной моделью
- •7.1. Выборки и их свойства
- •7.2. Статистическое распределение выборки
- •7.3. Формирование возмущений в виде случайных величин с заданными выборочными характеристиками
- •7.4. Формирование векторных случайных величин с заданными выборочными характеристиками
- •7.5. Структура данных вычислительных экспериментов для имитационных моделей различных типов
- •Структура входных данных при имитации
- •Структура выходных данных моделирования
- •8. Обработка данных компьютерных экспериментов
- •8.1. Регрессионный анализ результатов моделирования
- •8.1.1. Общая характеристика задач регрессии
- •8.1.2. Линейная регрессия. Метод наименьших квадратов
- •8.1.3. Нелинейная регрессия
- •8.2. Корреляционный анализ данных моделирования
- •8.2.1. Точечная оценка коэффициентов корреляции
- •8.2.2. Точечная оценка корреляционного отношения
- •8.3. Прогноз в статистическом моделировании
- •8.4. Анализ рисков при статистическом моделировании
- •8.5. Критерии принятия решений
- •8.5.1. Многокритериальный анализ
- •8.6. Обработка данных статистического моделирования
- •Типы выходных переменных при моделировании
- •8.6.1. Особенности стохастического режима моделирования
- •Библиографический список
- •Приложения
- •Свойства основных распределений
- •1. Равномерное распределение
- •2. Нормальное распределение
- •3. Показательное распределение
- •4. Биномиальное распределение
- •Биномиальный закон распределения
- •5. Распределение Пуассона
- •Закон распределения Пуассона
- •6. Гамма-распределение
- •7. Распределение Вейбулла
- •8. Распределение Рэлея
- •9. Распределение хи-квадрат
- •10. Распределение Стьюдента (t-распределение)
- •11. Распределение Фишера (f-распределение)
- •Приложение 2
- •Производная и
- •Интеграл случайной функции
- •Производная случайной функции
- •Сходимость в среднем квадратическом
- •Производная случайной функции
- •Интеграл случайной функции [3]
10. Распределение Стьюдента (t-распределение)
Пусть X и Y — независимые случайные величины, причем X имеет нормированное нормальное распределение, т. е. X ~ N(0, 1), а Y распределена по закону хи-квадрат с n степенями свободы.
Определим
функцию случайных аргументов X
и Y
вида T(n) = X /
,
значения которой соответствуют:
t(n)
= х
/
.
(П.1.18)
Случайная величина T(n) имеет следующую плотность распределения:
ft
(n)
=
.
(П.1.19)
Здесь — гамма-функция Эйлера:
; ; при n = 1, 2, 3.
Распределение случайной величины T(n) носит название распределения Стьюдента (или t-распределения) с n степенями свободы.
Распределение Стьюдента имеет особенности:
‑ плотность вероятности распределения Стьюдента симметрична относительно начала координат. Это означает, например, что квантили tp и t1 – p порядков р и (1 – р) связаны соотношением вида: tp = – t1 – p;
‑ при n > 1 математическое ожидание T(n) равно нулю;
‑ дисперсия T(n) равна n/(n – 2); n > 2.
В системах Mathcad предусмотрены встроенные функции для вычисления характеристик распределения Стьюдента (П.1.19):
dt (x, d) — для плотности распределения (П.1.19);
pt (x, d) — для функции распределения;
qt (р, d) — для квантили порядка р;
rt (m, d) — для получения (m 1)-вектора независимых случайных чисел с t-распределением (П.1.19).
В перечисленных функциях d ‑ число степеней свободы.
На рис. П.1.11 представлены кривые плотностей и функций распределения Стьюдента с числом степеней свободы d = 3 и d = 100, отражающие характер влияния этого параметра распределения на вид кривых.
Рис. П.1.11. Характеристики распределения Стьюдента
Из левого графика (см. рис. П.1.11) следует, что плотности распределения Стьюдента симметричны и унимодальны. По виду они близки к кривым плотности нормированного нормального распределения, однако плотности распределения Стьюдента убывают медленнее, чем плотности нормального распределения. С ростом числа степеней свободы максимум плотности t-распределения увеличивается.
В нижней части рис. П.1.11 с применением встроенной функции qt вычисляются квантили t-распределения с 6 степенями свободы порядков А = 0,908 и (1 – А), которые равны 1,5 и (– 1,5) соответственно.
Проверка полученных квантилей производится путем вычисления функции t-распределения с применением встроенной функции pt.
В последней строке (см. рис. П.1.11) с помощью встроенной функции rt сформирована выборка из случайной величины, имеющей t-распределение с 15 степенями свободы объемом 100. С помощью встроенных функций mean и var определены: выборочное среднее (0,111) и выборочная дисперсия (1,521). Теоретическое значение математического ожидания равно 0, а дисперсия для принятых данных должна составлять 1,5.
11. Распределение Фишера (f-распределение)
Пусть X1 и Х2 — независимые случайные величины, распределенные по закону хи-квадрат с n1 и n2 степенями свободы соответственно.
Определим следующее отношение:
W(n1,
n2)
=
=
.
(П.1.20)
Случайная величина (П.1.20) W(n1, n2) со значениями w имеет следующую плотность распределения:
fW
(w,
n1,
n2)
=
,
при w
>
0; (П.1.21)
fW (w, n1, n2) = 0, при w ≤ 0.
Здесь — гамма-функция Эйлера.
Распределение случайной величины W(n1, n2) носит название распределения Фишера с n1 и n2 степенями свободы.
Распределение Фишера имеет особенности:
‑ плотность вероятности распределения Фишера несимметрична относительно начала координат и унимодальна;
‑ при n2 > 2 математическое ожидание равно n2 /(n2 – 2);
‑ при n2 > 4 дисперсия W (n1, n2) равна
;
‑ дробь, обратная отношению (П.1.20), представляет случайную величину, имеющую распределение Фишера, причем числа степеней свободы меняются местами. Это свойство связывает квантили wp(n1, n2) и w1 – p(n2, n1) распределения Фишера порядков р и (1 – р) следующим соотношением:
1/ wp(n1, n2) = w1 – p(n2, n1). (П.1.22)
В Mathcad предусмотрены встроенные функции для вычисления характеристик распределения Фишера (П.1.21):
dF (x, n1, n2) — для плотности распределения (П.1.21);
pF (x, n1, n2) — для функции распределения;
qF (р, n1, n2) — для квантили порядка р;
rF (m, n1, n2) — для получения (m 1)-вектора независимых случайных чисел с F-распределением (П.1.21).
На рис. П.1.12 представлены кривые плотностей (верхний график) и функций (нижний график) распределения Фишера с числом степеней свободы n1 = = 5, n2 = 5; n1 = 5, n2 = 50; n1 = 10, n2 = 50, отражающие характер влияния этих параметров на форму кривых.
Справа от верхнего графика рис. П.1.12 с применением встроенной функции qF вычисляются квантили распределения Фишера с 5 и 50 степенями свободы порядков 0,9 и 0,1, иллюстрирующие свойство (П.1.22).
Проверка вычисленных квантилей производится путем вычисления функции распределения Фишера с применением встроенной функции pF.
Рис. П.1.12. Характеристики распределения Фишера