книги из ГПНТБ / Соболь И.М. Численные методы Монте-Карло
.pdf28 |
ПОЛУЧЕНИЕ СЛУЧАЙНЫХ ВЕЛИЧИН НА ЭВМ |
[ГЛ. 1 |
|||
равных і, среди цифр еь |
ез, es, |
еіѴ-ь |
ѵ.(— количе |
||
ство цифр, равных /, среди цифр ег, е.і, . ... |
еіѴ; ѵ,-— об |
||||
щее количество цифр, равных і. |
|
|
|
||
По значениям ѵ«, ѵ,-, ѵ,-. и v.j можно сосчитать вели |
|||||
чины |
Ху Для нескольких |
проверок. |
Самые |
важные сре |
|
ди них (индексы N или N' обычно не пишут): |
|
||||
|
о |
|
|
|
|
|
Xs = $ 2 |
( ѵ ѵ - о л л о 3 |
|
|
|
|
п 1=0 |
|
|
|
с 9 степенями свободы, соответствующая проверке ча-: стот, и
У2_ 129 V (ѵ„
л — л/' ',/=ОІЛ'ч ■о.оіМ8
с 99 степенями свободы, соответствующая проверке пар;
Кроме того, |
иногда вычисляют величины |
|
|||
|
1 |
9 |
|
9 |
|
Г = |
V |
(ѵ,-. -0 ,1 Г )= и X2 |
V |
( ѵ ./ - 0,1 N y , |
|
0,1 Л" |
«і |
о, ІА" - о |
|||
|
1 = 0 |
|
|
каждая с 9 степенями свободы; эти величины соответ ствуют проверке частот среди цифр с нечетными и чет ными номерами.
Используют также критерий независимости строк и столбцов матрицы ѵ£ ■, которому соответствует величина
|
|
Xs = N ’ |
|
|
—1 |
|
|
||
|
|
|
|
Ь ’,/=о |
' |
|
|
|
|
с 81 степенью |
свободы |
[44]. |
Впрочем, |
последний критерий па прак |
|||||
тике оказывается весьма близким к проверке пар. |
|
|
|||||||
В т о р о й |
т е ст |
(проверка |
серий). Сосчитаем коли |
||||||
чества |
п, серин длины |
I |
в последовательности |
цифр |
|||||
в1, . . . , |
еЛ. при 1 = 1 , 2, |
... , |
ш, |
и пусть пт+\ |
— количе |
||||
ство серий с |
(они |
объединяются в одну |
груп |
||||||
пу). Обозначим общее количество |
серий |
через |
п = |
||||||
—Яі+ »- +Я.П + я»і-!-г Величина |
%2 с |
т степенями |
сво |
||||||
боды вычисляется по формуле |
|
|
|
|
|||||
|
|
ш |
|
|
, Кн-.И - |
" Рп - . V |
|
|
|
|
Г |
-ь".ч(п/~"Р/)а |
|
|
|||||
|
/=1 |
пр |
|
|
п Р т +1 |
|
|
||
|
|
|
|
|
|
|
где p t= 9 -10-', рт +і = 10-"').
§ 31 |
СТАТИСТИЧЕСКАЯ ПРОВЕРКА СЛУЧАЙНЫХ |
ЧИСЕЛ |
39 |
|||
Обозначим через X случайную длину |
серин, |
начинающейся |
с |
|||
цифры |
е,г+1(т. е. e,;+i=?*=efc). |
Очевидно', |
р/=Р {X = |
/} |
= Р { е л + і = |
|
= е 7;+2 = |
. . .= e/fj_i =7fce /;+(+)} = |
( 0 , 1 ) 0 , 9 = 9 - 10~г п |
от номера се |
рин не зависит. Таким образом, каждая серия может с вероятностью
Рі иметь длину /. Количество іц серий длины / |
среди п |
серий под |
||||
чиняется биномиальному распределению и АІ/і; = пр/. |
|
|||||
В качестве примера в табл. 2 приведено распределение по длине |
||||||
серии, полученных при проверке N = 5 0 000 чисел п [75]. |
|
|||||
|
|
|
|
|
Таблица 2 |
|
|
|
|
|
«э |
71 * |
|
|
|
|
|
4 |
П |
|
|
|
|
|
|
|
|
Теоретические зна |
■40 500 |
4050 |
405 |
•15 |
45 000 |
|
чения |
|
|||||
|
|
|
|
|
|
|
Эмпирические |
зна |
40 5(48 |
4010 |
417 |
40 |
45 035 |
чения |
|
|||||
|
|
|
|
|
|
|
П P f |
|
40 581,5 |
405:1,2 |
405,3 |
45,0 |
— |
|
|
|||||
По данным последних двух строк вычисляем хэ= ',3 9 . При т = 3 |
||||||
этому значению |
соответствует |
Р = 0,71. |
|
|
|
|
Д о п о л п и т е л ьн ы е |
т е с т ы. В качестве |
дополни |
тельных тестов следует в первую очередь рекомендовать проверку частот независимых троек езл+іезл+гезл+з. затем четверок е^-це-и+ге^+зб^-и и т. д.— основания для такой рекомендации приведены в § 4 гл. 7. Так как количест во различных троек, четверок и т. д. весьма велико (ІО3, ІО4, ...), то подсчет всех типов групп имеет смысл проводить лишь для достаточно больших N. При мень ших N группы можно объединять по различным приз накам. Например, при упомянутой выше проверке ком бинаций четверки eÄ+i ... ей+4 классифицируются по количеству совпадающих цифр в группе (признак, на поминающий комбинации при игре в покер).
Во многих работах предлагаются различные допол нительные тесты. Имеет место даже чрезмерное увле чение такими тестами. Несмотря на справедливость принципа «каши маслом не испортишь», надо четко представлять себе, что все такие тесты только необхо димы. Положительный результат любого теста означает только, что этот результат не противоречит гипотезе
40 |
ПОЛУЧЕНИЕ СЛУЧАЙНЫХ ВЕЛИЧИН МА ЭВМ |
|ГЛ. I |
||
о |
случайности |
цифр еь |
е*, но, может быть, |
какой- |
нибудь другой |
тест эту гипотезу опровергнет...*). |
|
3.3.Проверка псевдослучайных чисел. В качеств
основных |
тестов для проверки псевдослучайных чисел |
|||||
Tfi, .... уіѴиспользуют |
те же тесты, что и для проверки |
|||||
таблиц: |
проверяются |
первые десятичные цифры |
eh— |
|||
= Ц( 10 ч„). Фигурирующая |
в |
первом |
тесте величина |
|||
v,j равна |
количеству пар (,421,-ь 4 2 /<) таких, |
что |
|
|||
0,1 |
Ч2і,-і <0,1 (*'+1), |
0,1 |
4 2 h< |
0і 1(/+1) • |
|
|
Более |
детальную |
проверку |
распределения |
чисел |
Чі, ..., "f.v можно осуществить с помощью критерия со2. Если расположить эти числа в вариационный ряд
то из (20) вытекает, что
|
1 |
N |
|
/г — 1/2 \ 2 |
о |
V |
Т№) |
||
cojv |
12.Y |
жвк |
/V )■ |
|
|
|
/;=1 |
|
|
Однако, как уже отмечалось в п. 3.1.4, при очень боль ших N построение вариационного ряда весьма трудо емко.
Естественно, что при проверке псевдослучайных чи сел всегда используют различные дополнительные тесты для проверки последующих десятичных цифр ун. Иногда десятичные (пли двоичные) цифры чисел у,, выделяют и проверяют независимо. Конечно, лучше было бы ис пользовать тесты п. 3.2 с более мелким разбиением, по уже при совместной проверке двух десятичных цифр пришлось бы вычислять матрицу (ѵ(і) размером 100Х Х100. Поэтому на практике ограничиваются более про стыми проверками, и далекие цифры чисел ул обычно оказываются хуже проверенными.
В пользу указанной системытестов можно привести аргумент практического характера: в литературе, пожа луй, пет примеров, когда числа, удовлетворяющие всем
*) |
Более того, имея конечную группу цифр в......... |
£w , |
всегда |
можно |
придумать такой тест, зависящий от конкретных значений |
||
еі, .. •, |
который опровергает нашу гипотезу, Но |
не надо |
такие |
тесты придумывать!...
§ 31 с т а т и с т и ч е с к а я п р о в е р к а с л у ч а й н ы х ч и с е л 41
тестам, оказались бы непригодными для решения кон кретной задачи (в которой не предъявлялись повышен ные требования к точности решения); есть, однако, при меры неудачных расчетов с помощью чисел, которые не удовлетворяли одному из тестов. В частности, из-за того, что числа, упомянутые в п. 2.2.4, не удовлетворя ли тесту проверки пар, плохо моделировалось нормаль ное распределение.
Таким образом, строго говоря, разумность приведен ной системы тестов — факт эмпирический. В действи тельности эти тесты не гарантируют универсальной при годности чисел. Поэтому иногда целесообразно вводить дополнительные тесты, связанные с характером решае мых задач. Впрочем, успешное решение нужной зада чи— самая лучшая проверка случайных чисел.
3.4. О проверке датчиков случайных чисел. Для про верки чисел, выдаваемых датчиком, можно использовать те же тесты, что и для проверки псевдослучайных чисел. Особенность проверки датчиков в том, что проверяют ся не те числа, которые используются в счете. Поэтому, кроме проверки «качества» выдаваемых чисел, должна еще как-то гарантироваться устойчивость работы дат чика.
Мы не будем' останавливаться на технических спосо бах' контроля. Отметим только, что обычно расчет те стов, вроде рассмотренных в пп. 3.2 и 3.3, проводят и до, п после расчета нужной задачи, если она не слиш ком продолжительна во времени.
3.5. О проверке больших массивов случайных чисел. Так как в расчетах часто используется не вся таблица, а только часть ее, то имеет смысл проверить также части таблицы. Например, таблицу, содержащую N цифр, разбивают на s частей по N\ = N/s цифр и про
веряют каждую из этих частей. Если s > 5 0 , то вполне вероятно сре ди значений X%t, соответствующих одному (какому-нибудь) крите
рию, встретить значение, отвечающее Р < 0,01 . Это не означает, что вся таблица плоха: ' просто данную часть не надо использовать как
самостоятельную таблицу в расчетах, в которых требуется « М |
слу |
чайных цифр. |
|
Можно проверить, согласуются ли s полученных значении |
%лг, |
с теоретическим распределением у} для данного критерия. Такая про
верка |
. |
нередко |
пспользуется> в качестве |
дополнительного |
теста. И |
|
|
4 |
|
2 |
|
с этой точки зрения ясно, что отдельные «плохие» значения %Ni |
|||||
обязаны появляться, если гипотеза |
справедлива н $ |
достаточно |
|||
велико. |
|
|
|
42 ПОЛУЧЕНИЕ СЛУЧЛПНЫХ ВЕЛИЧИИ ИЛ ЭВМ [ГЛ [
Некоторые .шторы предлагают использовать такую проверку таблицы по мастям вместо проверки таблицы как целого. К сожале
нию, это неверная рекомендация. Автору известен |
пример, когда |
||
500 000 |
цифр |
проверялись и как целая таблица и по частям: 20 час |
|
тей по |
25 000 |
цифр. Все части удовлетворяли всем |
пяти критериям |
первого |
теста |
(п. 3.2), распределение полученных значении %2Ni для |
каждого из критериев хорошо согласовалось с теоретическим распре
делением X2Однако весь массив из |
500 000 цифр |
не удовлетворял |
|
ни одному из критериев первого теста |
(причем для |
одного |
из крите |
риев было Р <0,00001!) |
|
|
|
Такому несколько неожиданному |
результату |
можно |
дать сле |
дующее объяснение. Можно предположить, что рассматриваемая по следовательность цифр имеет распределение, несколько отличающее ся от равномерного, но для расчета по N\ цифрам такое отличие
допустимо. Отсюда не следует, что это отличие по-прежнему будет допустимым для расчета, в котором используются /Ѵ>/Ѵ, цифр. Наоборот, если увеличение количества цифр вызвано желанием уве личить точность расчета, то ясно, что при достаточно большом N
отличие это станет недопустимым.
Итак, к большим массивам случайных цифр (или чисел) предъ являются большие требования. Этот факт хорошо известен практи кам: подобрать хорошую псевдослучайную последовательность, со держащую 103— ІО4 чисел, гораздо проще, чем подобрать такую же последовательность, содержащую ІО5— 10° чисел*).
Это следует иметь в виду также при проверке датчиков случай
ных чисел: нехорошо |
проверять датчик тестами, охватывающими |
||||
Ш3— ІО'1 чисел, а в расчете использовать 10s— ІО7 чисел. |
|
||||
|
Упражнения к главе 1 |
|
|
||
1. Доказать, что |
коэффициент |
корреляции |
случайных |
величии |
|
V и т) = H ( g \ ) при целом g ^ 1 |
равен |
1lg. |
|
|
|
2. Как с помощью |
таблицы |
случайных цифр |
(стр. 295) |
модели |
ровать последовательность независимых испытаний, в каждом из ко
торых вероятность наступления некоторого события А равна
Р{А} =0,752?
3. Предположим, что количество ѵ элементарных частиц, попа дающих в детектор за время At, подчиняется распределению Пуас
сона |
со средним |
значением Мѵ = |
аД/. |
Пусть с; = ѵ(тос12). Доказать, |
что |
при aAt-yco |
вероятности Р |
{ |= 0 } |
и Р { |= 1 } стремятся к 1/2. |
На этом принципе построены некоторые датчики случайных цифр.
4. |
Рассмотреть случайную величину т| = |
Д (£ у 2) |
с целым g |
и до |
|||
казать, |
что |
Р{т)<.ѵ} = x + V x / g |
+ О (х/ K g) при .ѵ >0 |
и g |
-УСо |
||
(К- Д. |
Точер [174]). |
|
|
|
|
|
|
*) |
Иногда высказывают мнение, |
что критерии %2 или м2 |
слишком |
||||
жестки |
при очень больших N. Однако, как показывают формулы |
||||||
(27) и |
(30) |
гл. 7, именно постоянство %% |
или |
регулирует |
упо |
мянутое в тексте повышение требований к большим массивам слу чайных чисел, если требовать, чтобы погрешности, фигурирующие в
этих формулах, убывали как 1 / У N-
УПРАЖНЕНИЯ К ГЛАСЕ I |
43 |
|
Из этой формулы следует, |
что хотя Р{г|<.ѵ} ->- х |
при |
тем не менее при £ = 10* и jc= 10 |
* вероятность Р{т]<^10 |
ftJ « 2 -10 л, |
что в два раза больше, чем при равномерном распределении. Так как
алгоритм Ѵл+і = |
Д |
(Ю*ѵ^) близок |
к |
алгоритму |
середины квадрата: |
у произведения |
у 2 |
отбрасываются |
к |
старших |
цифр слева, то этот |
результат в какой-то мере объясняет, почему в методе середины
квадрата получается больше, чем надо, малых чисел. |
|
|
|
|||||
5. |
Доказать, что если М с £ и М 'с |
та взаимно |
простые, то из |
|||||
формулы (7) следует, что |
|
|
|
|
|
|
|
|
а) |
тп=* ё "Іпо (mod /V/); |
|
|
|
|
|
|
|
б) |
для последовательности т0, т1, — ,т п всегда |
L = P\ |
|
|||||
в) длина периода Р равна наименьшему целому корню сравне |
||||||||
ния |
£ Р —1 = 0 (mod Л'/). |
|
|
|
|
|
|
|
6. |
Обобщить теорему 3 па случай метода возмущений (12): |
|||||||
|
lim Р {L/ У Ш і < х) |
= |
1 — е” А'Ѵ2. |
|
|
|
||
|
2Ѵ-»-со |
|
|
|
|
|
|
|
У к а з а н и е. Предположить, |
что |
при всех |
возможных |
аргумен |
||||
тах -V функции Ф(.т) и ^(л:) не |
равны и |
использовать |
вероятност |
|||||
ную модель п. 2.3. Роль L играет помер |
опыта, |
в котором |
впервые |
|||||
Уі=У/, 1<L, и в то же время L — /= 0 (m o d М) |
(И. М. Соболь [791). |
|||||||
7. |
Доказать, что если последовательность а0, «і, . . . , |
ct() . . . удов |
летворяет моноцнклпческому уравнению (13), то при каждом s та
ком, что |
I ^ s ^ r , среди групп вида |
( а п, . . . , |
) |
при 0=^/;=^ |
|
— 1 |
встречаются по 2 Г—3 раз |
все возможные группы, состоящие |
|||
из нулей |
и единиц, кроме группы |
(0, |
. . . , 0), |
которая |
встречается |
2 г - s'— 1 |
раз. (Н. Цирлер [185]). |
|
|
|
|
У к а з а и и е. Доказать сначала это для s = r.
8.В качестве меры отклонения Fn (X) от F(x) (см. п. 3.1.4)
можно использовать величину |
|
|
|
|
||||
|
|
|
D = |
sup |
I F*n (.v) - |
F (X) |
|
|
|
|
|
— |
со < дг< оо |
|
|
|
|
Критерий |
Колмогорова, |
близкий |
к критерию и 2 и в некоторых слу |
|||||
чаях более удобный, основан на теореме А. И. Колмогорова. |
||||||||
Т е о р е м а . |
Какова |
бы ни была случайная величина g с непре |
||||||
рывной функцией распределения F(x), при каждом .ѵ >0 |
|
|||||||
|
|
|
lim |
Р { У /V D < .ѵ} = |
К (х), |
|
||
|
|
|
/Ѵ->со |
|
|
|
|
|
где К ( X ) = |
1+ 2 |
V ( — |
1 ) k e - 2 k V - |
|
|
|
||
|
|
|
ft=I |
|
|
|
|
|
(Таблица функции распределения Колмогорова К(х) |
имеется на |
|||||||
стр. 293.) |
|
что для расчета D можно |
использовать формулу |
|||||
Доказать, |
||||||||
D = |
max |
|
k — 1 |
I |
-J T -F (S(fe)) |
• |
||
|
' N |
|||||||
|
|
1<k<N |
|
|
|
|
|
ГЛАВА 2
ПРЕОБРАЗОВАНИЯ СЛУЧАЙНЫХ ВЕЛИЧИН
В этой главе рассмотрены преобразования, позволя ющие с помощью случайных чисел 7 вычислять значе-
. пня любой случайной величины %. Такие вычисления называют моделированием случайной величины £ или
формированием реализаций случайной величины Впрочем, вычислители предпочитают их называть ра зыгрыванием величины Владение этими преобразова ниями необходимо каждому, кто желает овладеть «тех никой» применения методов Монте-Карло.
Автор не старался изложить здесь максимальное количество рецептов для моделирования различных ве личин— это сделано в специальной литературе (см. [19, 69, 111]). Упор сделан на изложение методов и их систематизацию. Впервые в основу классификации пре образований положено количество случайных чисел, используемых при расчете одного значения |. Поначалу этот принцип может показаться несколько искусствен ным, но в полной мере его роль выяснится в гл. 7.
Некоторые из общих методов, наиболее важные с точки зрения практики, сформулированы в виде теорем. Замечания практического характера см. в п. 5.7.
§ 1. Метод обратных функций (основной прием моделирования случайных величин)
1.1. Моделирование дискретных случайных величин. Рассмотрим дискретную случайную величину £ с рас-
. преДеленнем
Р1 |
(1) |
Рг ■ ■ ■ |
§ п |
МЕТОД ОБРАТНЫХ ФУНКЦИИ |
45 |
||||
где Рі= Р {| = |
х,}. Для ТОГО чтобы |
вычислить |
значе- |
|||
пня этой величины разделим интервал 0 |
на |
|||||
интервалы А,- |
|
такие (рис. |
14), |
что дли- |
J ' |
|
па А,- равна pi. |
Случайная |
величина |
опреде |
|||
Т е о р е м а |
1. |
J. - |
||||
ленная формулой |
|
|
|
|
||
%=Хі, |
когда уеД,-, |
|
(2) |
|
||
> имеет распределение вероятностей ( 1). |
|
4/ |
||||
Д о к а з а т е л ь с т в о занимает |
одну строку: |
|||||
Р{^=л:,} = Р {7^Д,} = |
длина А,=/л-. |
jf, ‘ |
||||
|
|
|
|
|
|
N7 |
Для практической реализации формулы (2) Р|ІС- ,4- удобно в накопителе ЭВМ расположить подряд значе
ния Х\, Хо, |
. .., Хп И Р\, |
Pl+/?2. |
P\-\-P2 -\-Pz, ■■■, 1- |
Для |
|||||||
того чтобы |
вычислитьочередное |
значение |
находим |
то |
|||||||
очередное у. Затем |
сравниваем |
7 с р\. Если |
у < Р ь |
||||||||
| = а:,; если |
у ^ / 7ь |
то |
сравниваем |
7 с |
р\-\-рч. |
Если |
|||||
7 < р 1+/72, то |
$ = х2\ если |
7^/?і+Рг, |
то сравниваем |
7 с |
|||||||
Р\+Р2 +Рз, и т. д. |
|
|
|
когда %= х,- |
|
|
|
||||
1.1.1. Легко |
видеть, |
что |
в |
случае, |
|
|
1), |
||||
приходится осуществить |
і сравнений, и |
лишь |
в случае, когда £ = |
хп, |
|||||||
число сравнении |
равно |
п — 1. |
Поэтому среднее |
число |
сравнений, |
||||||
затрачиваемых при получении одного значения £, равно |
|
|
|
||||||||
|
|
t = |
/1—1 |
|
|
I) ріг# |
|
|
|
|
|
|
|
V, ip. -L (,г _ |
|
|
|
|
|||||
|
|
|
£= 1 |
|
|
|
|
|
|
|
|
Так как порядок значений л'і, . . . , х п в |
(1) произволен, то выгодно |
||||||||||
расположить их в порядке убывания вероятностей, т. е. |
так, |
чтобы |
|||||||||
Рі^Р2^ . •• ^Р„. Тогда |
величина t будет минимальной |
(ІО. Г. Пол- |
ляк [69]).
1.1.2.Расчет по формуле (2) заметно упрощается
случае, когда все значения |
Хи . . . , хп р а в н о в е р о я т |
||||||
ны: р \= |
... = р п— \/п. |
В |
этом случае многократные |
||||
сравнения |
не нужны: так |
как |
А,-— это |
интервал |
|||
(і— \)/п^.у<іі/п, |
то условие |
уеДі |
равносильно усло |
||||
вию і— І^яу-Сг, |
или |
Ц(п*і)=і—1. |
Вместо |
формулы |
|||
(2) можно записать, что |
|
|
|
|
|||
|
і = Х і, |
где |
і— 1-\-Ц (яу). |
|
46 |
•ПРЕОБРАЗОВАНИЯ СЛУЧАЙНЫХ ВЕЛИЧИН |
[ГЛ. 2 |
1.1.3. |
Теорему 1 легко обобщить на |
случайную в |
личину, которая может принимать бесконечную после
довательность значений д:ь х2, |
. . . , |
хп, ... и имеет рас |
|
пределение |
|
|
5, |
1 Д'і -Ѵ2 ... |
А"» |
• ■• |
\ |
\ Pi 1h • • • |
Рп |
• • • |
/ |
В этом случае числа х„ н рп задаются формулами, и вычисление их при каждом расчете £ может оказаться весьма трудоемким. Тогда можно выбрать число /?0так,
чтобы сумма |
вероятностей Р і + ...+р,і„ была достаточ |
но близкой к |
1, и значения д'і, . . . , х Па и рь . . . , p,h |
заготовить заранее. Вычислять х( и pt по формулам при дется только при і>п„, а это будет достаточно редко.
1.2. Моделирование случайных событий. Моделиров ние случайных событий сводится к моделированию дискретных случайных величин. Чтобы показать, как это делается, рассмотрим четыре задачи, в каждой из которых требуется моделировать последовательность одинаковых независимых испытаний.
1.2.1. В каждом из испытаний может наступить и не наступить некоторое событие А, вероятность наступ ления которого Р{ А}=р задана.
Рассмотрим случайную величину £, называемую ин дикатором события А, которая равна 1 при наступлении
А и 0 при наступлении противоположного события Л. Распределение %задается таблицей
Согласно теореме 1 для осуществления каждого испы тания надо найти случайное число у и проверить нера
венство у < р . Если оно выполнено, |
то событие А в этом |
||
испытании произошло, а если |
|
то нет. |
|
1.2.2. |
С испытанием связана |
полная группа попарн |
|
несовместных событий*) А\, . . . , |
Ап и заданы вероятно |
||
сти Р {At}=pi. |
|
|
|
Для моделирования таких испытаний рассмотрим |
|||
случайную величину | — номер |
наступившего события. |
||
*) Это |
значит, что сумма А і + ... + А п есть достоверное собы |
тие и Af-Aj = 0 при 1# / .
§ U |
МЕТОД ОВРАТНЫХ ФУНКЦИИ |
47 |
Очевидно, распределение | выражается таблицей
Для осуществления каждого испытания надо выбрать случайное число у п по теореме 1 разыграть значение Если \ = і, то произошло событие Аіщ
П р и м е р. Столкнувшись с ядром атома урана, нейтрон может рассеяться, быть захваченным пли вызвать деление ядра. Если через
2 с ’ 2 / обозначить соответствующие |
этим |
событиям |
сечения |
|
взаимодействия, |
а через 2 = 2 j + У, |
+ 2 т |
— полное |
сечение |
взаимодействия нейтрона с ядром, |
то вероятности трех возможных |
||||
событии равны соответственно 2 / 2 |
' ’ |
2 / 2 |
11 2 / 2 |
^ то^ы разыг |
|
рать «судьбу» нейтрона при столкновении, выбирают |
случайное |
чис |
|||
ло у; если у < 2 / 2 ’ то считают, |
что |
нейтрон рассеялся; |
если |
2 , / 2 < У < ( 2 / 2 ) + ( 2 / 2 ) , то нейтрон поглотился; е с л и ( 2 / 2 ) +
+( 2 / 2 ) то нейтрон вызвал деление ядра.
1.2.3.С испытанием связаны два независимых совместных собы тия А п В, вероятности которых заданы; Р {Л} = рАу Р {В} = РВ.
Ввиду независимости событий А и В можно последовательно
моделировать их наступление в каждом испытании: сперва по числу Yi методом п. 1.2.1 определить, наступило ли событие А, а затем точно также по числу у2 определить, наступило ли событие В.
Однако часто более экономен другой способ. Рассмотрим полную группу попарно несовместных событий, состоящую из четырех со
бытий: |
|
|
|
|
Лі = AB, А, = ЛВ, Л3 = Л В , |
Аі ^ А В . |
(3 ) ' |
||
Вероятности этих событий легко вычислить: |
|
|
||
Рі = РАР в ■ Ра = Ра |
0 — Pß )’ |
|
||
Рз = Р в ( 1 - Р л ) ’ |
Рі ~ |
0 ■— Рл) 0 — Pß)’ |
|
|
Следовательно, метод п. 1.2.2 |
позволяет, |
используя одно |
случай |
ное число у. определить, какой из этих четырех исходов наступил в моделируемом испытании.
1.2.4. С испытанием связаны два зависимых |
совместных события |
|||
А и В, и заданы вероятности Р(Л} = рА, Р {В} = |
рв , Р {ЛВ} = |
РАВ. |
||
В |
этом |
случае также следует рассмотреть полную группу со |
||
бытии |
(3), |
только вероятности этих событий |
вычисляются |
иначе: |
Рі ~ Р а в >Р а= Ра — Ра в ' Рз = Рв — Ра в ’ Pi = ^ Ра P ß + рa b .
Впрочем, н в этом случае можно осуществить последовательное моделирование событий А и В, используя два случайных числа