![](/user_photo/_userpic.png)
книги из ГПНТБ / Соболь И.М. Численные методы Монте-Карло
.pdf48 |
ПРЕОБРАЗОВАНИЯ СЛУЧАЙНЫХ ВЕЛИЧИН |
[ГЛ. 2 |
||||
Yi, Y2- Сперва |
по числу |
уі (методом |
п. |
1.2.1) |
определяем, наступило |
|
ли событие А. |
Если А |
наступило, |
то, |
зная |
условную |
вероятность |
Р{В/А} = РАВ/РА, можно по числу у2 определить, наступило ли со
бытие В: условием наступления В служит выполнение неравенства Y2<P{ß/-4). Если же событие А не наступило, то наступление В при
дется разыгрывать с помощью условии вероятности Р{В/Л), которая равна Р {В/А} = (рв — РАВ)/(1 — РА).
1.3. Моделирование непрерывных случайных величин. Предположим, что случайная величина | определена в интервале и имеет плотность р(.ѵ) > 0 при a<Cx<£b. Обозначим через F (х) функцию распределе ния I, которая при a<£x<£b равна
|
F (л-) = ) р (и) du. |
|
|
|
|
а |
|
Случай а = — со и |
(пли) |
Ь = оо не исключается. |
|
Т е о р е м а 2. |
Случайная величина |, удовлетворяю |
||
щая уравнению. |
|
|
|
|
|
F (ё) |
Н) |
имеет плотность распределения р(х). |
F(х) строго |
||
Д о к а з а т е л ь с т в о . |
Так как функция |
||
возрастает в интервале |
(а, Ь) от F( a) = 0 |
до F (Ь) = 1, |
то уравнение (4) имеет единственный корень при каждом 7 ірнс. 15). При этом равны
|
/ - |
|
|
вероятности |
|
|
|
|
|
P{.v<|<A '+ßr.v} = |
|
||
F(x<dx) - |
|
|
= Р{/7(л') < 7<Т(.ѵ+Дѵ)}. |
|||
|
|
И так как случайная вели |
||||
|
|
|
|
|||
|
|
|
|
чина у равномерно распре |
||
|
|
|
|
делена в интервале (0, 1),то |
||
и |
о |
х£ x>âx |
X |
Р { .у < !< х + dx) = |
|
|
|
|
|
|
— F(x-\-dx)—F(x) — p(x)dx, |
||
В тех |
случаях, когда |
|
что и требовалось доказать. |
|||
уравнение (4) аналитически |
||||||
разрешимо относительно |
|
получается |
явная формула |
|||
! = G ( 7) |
для |
разыгрывания |
случайной |
величины |
где |
§ 1] |
МЕТОД ОБРАТНЫХ ФУНКЦИИ |
49 |
|
G( y ) — обратная- |
функция по отношению |
к y = F ( x )'. |
|
В других случаях |
можно уравнение (4) решать числен |
но. Если объем накопителя позволяет, то удобно соста вить таблицу функции G{y), 0< г / < 1, и по ней нахо дить значения £. Иногда удобно использовать таблицу функции F(x), a<.x<_b, п находить значения | обрат ной интерполяцией, О некоторых приемах составления таблиц см. [8, 9, 90].
П р и мер. Э к с п о н е н ц и а л ь н а я с л у ч а й н а я в е л ц- ч и н а £ определена при .ѵ0< .ѵ < о о с плотностью
|
р (.«) = |
<іе-а{х~ Ха). |
|
Так как |
|
|
|
|
F (х) = [ |
du = 1 - е—°(*—Ч |
|
|
Хп |
|
|
то уравнение (4) примет вид |
|
|
|
|
1— |
= Y. |
|
Отсюда получаем явное выражение для расчета § |
|
||
|
£= |
(І/а)1п(1—у). |
(5) |
1.4. |
Метод обратных функций. Теоремы |
1 и 2 пре |
ставляют собой частные случаи общего метода, который естественно назвать методом обратных функций (наряду с названием inverse functions method встречается также direct method).
Рассмотрим произвольную случайную величину | с функцией распределения F(x) = Р{£<-ѵ} (рис. 16, а). Обратную по отношению к F (х) функцию G(y) опреде лим следующим образом. Во-первых, дополним график
функции |
y = F(x) |
вертикальными отрезками |
в |
точках |
|||||||
разрыва |
до непрерывной линии |
y = F0 (x) |
(рис. |
16, |
б); |
||||||
функция |
y = F 0 {x), |
вообще |
говоря, неоднозначна. |
Эту |
|||||||
же линию можно записать уравнением вида |
x = G 0 (y). |
||||||||||
где функция G0(у) опять-таки |
не |
обязана |
быть |
одно |
|||||||
значной: |
интервалам |
постоянства |
F0 (x) |
соответствуют |
|||||||
вертикальные |
отрезки |
G0 (y) |
и |
наоборот. |
Положим |
||||||
G (у) = G0 (y) |
в точках |
непрерывности и G(y) — G(y-\-0) |
|||||||||
в точках разрыва (рис. |
16, в). |
|
|
|
|
|
|
||||
Построенная таким образом однозначная функция |
|||||||||||
G(y) не убывает при 0 < 1 |
и непрерывна |
справа во |
4 И, М. Соболь
£0 |
ПРЕОБРАЗОВАНИЯ СЛУЧАЙНЫХ ВЕЛИЧИН |
|
[ГЛ. |
2 |
|||||||||
всех |
точках*). |
Функции |
F(x) |
и G(y) |
связаны |
следую |
|||||||
щим свойством: G(y)<.x тогда |
и только тогда, |
когда |
|||||||||||
y<F( x) . Для доказательства |
этого свойства достаточно |
||||||||||||
проверить, что |
каждое |
из |
двух |
неравенств |
G(y)<.x |
п |
|||||||
|
|
|
|
|
y <F( x) |
|
означает, |
что |
|||||
|
|
|
|
|
точка (G(y), y) располо |
||||||||
|
|
|
|
|
жена |
на |
линии |
y = F 0 (x) |
|||||
|
|
|
|
|
одновременно |
и |
левее |
и |
|||||
|
|
|
|
|
ниже |
точки |
(х, |
F(x)) |
|||||
|
|
|
|
|
(рпс. 17). |
|
3. |
Случай |
|||||
|
|
|
|
|
|
Т е о р е м а |
|||||||
|
|
|
|
|
ная величина |
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
:С(Ч) |
|
(б) |
||
|
|
|
|
|
имеет функцию распреде |
||||||||
|
|
|
|
|
ления F(x). |
|
|
|
|
||||
|
|
|
|
|
|
Для |
|
д о к а з а т е л ь |
|||||
|
|
|
|
|
с т в а |
теоремы нужно вы |
|||||||
|
|
|
|
|
числить функцию распре |
||||||||
|
|
|
|
|
деления |
случайной |
вели |
||||||
|
|
|
|
|
чины |
|
§, |
определенной |
|||||
|
|
|
|
|
формулой |
(6): |
|
|
|
|
|||
|
|
|
|
|
|
f*C.v} = P{G(T)< *} = |
|
||||||
|
|
|
|
|
Р{|- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= Pft </=■(*) }=F(.v). |
|||||||
|
|
|
|
|
|
То, |
что теорема |
1 пре |
|||||
|
|
|
|
|
доставляет собой частный |
||||||||
|
|
|
|
|
случай |
|
теоремы |
3, |
видно |
||||
|
|
|
|
|
из сравнения рпс. 18, па |
||||||||
|
|
|
|
|
котором изображена функ |
||||||||
|
|
|
|
|
ция .x = G 0 {y), |
соответ |
|||||||
|
|
|
|
|
ствующая дискретной слу |
||||||||
|
|
|
|
|
чайной |
величине, с рис. 14: |
|||||||
|
|
|
|
|
если чеДі на рис. 14, то |
||||||||
|
|
|
|
|
G0('Y)=xi |
на |
|
рис. 18. |
|||||
функция G(y) |
|
|
|
В |
условиях |
теоремы |
2 |
||||||
совпадает с обычной обратной функцией |
|||||||||||||
к F(x) и уравнение (6) равносильно |
(4). |
|
|
|
|
|
|||||||
*) Аналитическое определение: функция G(y) равна нижней гра-. |
|||||||||||||
ни множества чисел х, для которых y<F {x ), |
т. е. |
|
|
|
|
|
|||||||
|
|
G (у) |
= |
inf |
X. |
|
|
|
|
|
|
|
[x\y<t\x)}
§ 11 |
МЕТОД ОБРАТНЫХ ФУНКЦИИ |
51 |
|
Заметим, что так как случайная величина 1—7 име |
|||
ет то же |
распределение, что |
то в формулах (2), |
(4), |
(6) можно вместо у написать 1—у. Следовательно, ука занные способы моделирования ие единственно возмож ные. Иногда замена у на 1—у несколько упрощает фор мулы расчета. Например, вместо формулы (5) можно
использовать формулу |
|
!=л'о— (і/«)1п у. |
(7) |
Итак, метод обратных функции позволяет записать формулы для моделирования любой случайной величи ны £. Но нередко этот метод приводит к сложным или
просто неудобным алгоритмам. Например, для того чтобы вычислять значения гауссовской (нормальной) случайной величины £ с параметрами (0; 1), приходит ся решать уравнение
&*
[ e ~ r / 2 d t = V 2 jt у .
—СО
Втаких случаях обычно прибегают к помощи других методов моделирования, связанных с другими преобра зованиями случайных чисел у.
1.5.Преобразования вида %=g(y). Попытаемся на
ти всевозможные функции g(y) такие, что случайная ве личина g(y) имеет функцию распределения F(x) . Для это го необходимо и достаточно, чтобы Р {g-(т) <-v} — F(x).
Введем единичную функцию
е |
1 0 |
при |
г « |
0, |
|
I 1 |
при |
2 > |
Q. |
4'
52 ПРЕОБРАЗОВАНИЯ СЛУЧАЙНЫХ ВЕЛИЧИН
Так как плотность рѵ(у) = |
1 при 0 < г/< 1 , го |
|
Р {g (У) < х} = |
Г |
1 |
j |
Рѵ ІУ) dy = \e(x — g (у)) dy. |
|
|
{!/!£('/)<*} |
о |
Таким образом, получаем уравнение, которому должна' удовлетворять функция g(y):
1 |
|
\е{х — g{y))dy = F (х). |
(8) |
о |
|
Общее решение уравнения (8), по-внднмому, неизвестно*). Од нако легко указать частные классы функций g(y), в которых реше
ния существуют. Для простоты ограничимся случаем, когда модели руемая величина £ принимает значения в интервале а<.х< Ь н име ет плотность вероятностей р(х) > 0 при а < .ѵ < 6 .
Пусть g{y) |
строго возрастает |
при 0 < ( / < 1 |
и g ( 0 ) = a , |
g { \) = b . |
|||
Тогда из рис. |
19 видно, |
что |
e{x—g{y)) = l |
при |
0 < y < h ( x ) , где |
||
Іі(х)— функция, обратная |
по отношению к g{y). |
Из (8) |
вытекает, |
||||
что |
|
|
|
|
|
|
|
|
F { x ) = |
Л (.ѵ) |
dy = h (x). |
|
|
|
|
|
[ |
|
|
(9) |
ö
Переходя к обратным функциям, запишем, что g(y) равна G(y) — обратной функции к F(x). Мы пришли, таким образом, к методу об
ратных функций |= G ( y).
*) Если моделируемая случайная величина | непрерывна, то плотность ее p{x)=F'{x). Дифференцируя (8) с учетом того, что
e '(z )= ö (z ) — дельта-функция Дирака, получим вместо (8) уравнение
( б ( x — g (y ))d y = р(х).
о
§ 2] |
МОДЕЛИРОВАНИЕ МНОГОМЕРНЫХ ВЕЛИЧИН |
|
|||
|
Пусть теперь |
g(y) |
строго |
убывает при 0 < ( / < 1 п |
g(0)=b, |
g { \) = a . Тогда из рис. |
20 видно, что е(х—g(y)) = 1 при Іі(х) < ! / < 1 , |
||||
и из |
(8) вытекает, |
что |
|
|
|
|
|
F(x) = I |
d y = 1 — h(x). |
( 10) |
|
|
|
|
Ңх) |
|
|
Сделав замену переменной у = Іі(х), получим соотношение F(g(y)) =
= |
1 — //, откуда g ( y ) = G ( \ — у). |
Таким |
образом, |
в этом |
случае |
||
s = |
G( l —у), и мы снова пришли к методу обратных функций с заме |
||||||
ной у на 1—у. |
|
|
|
|
|
|
|
|
Эти же решения уравнения (8) можно получить для любой слу |
||||||
чайной величины, если предположить, |
что g(y) обладает |
свойствами |
|||||
обратных функций G(y) в смысле |
п. |
1.4. |
Помимо |
этих |
двух |
моно |
тонных решений, существует бесконечное количество немонотонных решений. Однако используются они сравнительно редко. Пожалуй, единственный общий метод, основанный на использовании немоно
тонных функций |
g(y), это модифицированный метод суперпозиции |
Г. А. Михайлова, |
изложенный в п. 3.3.3. |
Прежде чем перейти к преобразованиям более обще го вида, рассмотрим основные методы моделирования многомерных случайных величин.
§2. Моделирование многомерных случайных величин
2.1.Моделирование «-мерной случайной точки с н зависимыми координатами. Если координаты «-мерной
случайной величины |
Q=(£i, . . . , |
|„) независимы, то |
|
функция распределения |
|
|
|
Fq{Xu . . . . |
xn) = F 1 (xi)... Fn(x n), |
|
|
где Fі(Хі) — функция |
распределения |
величины |
Есте- |
ствёпно ожидать, что в этом случае можно моделиро
вать каждую величину |
независимо: |
|
|
где уі, . . . , |
— независимые случайные числа. |
опре |
|
Действительно, так |
как ^ независимы, то и |
деленные формулами (11), независимы. Поэтому их совместная функция распределения равна произведению
/1
П
= П Fi (Xi) = Fq (xl ----- -- |
xn) . |
54 |
|
|
ПРЕОБРАЗОВАНИЯ СЛУЧАЙНЫХ ВЕЛИЧИН |
|
|
|ГЛ |
2 |
||||||||||
П р и м е р . С л у ч а й н а я |
т о ч к а |
Q с |
декартовыми |
координа |
|||||||||||||
тами |
|
|
|
|
р а в н о м е р н о |
р а с п р е д е л е н а |
в |
/(-м ер |
|||||||||
н ом |
п а р а л л е л е п и п е д е |
П = |
|
|
|
( = 1 , |
2, . . . , |
/(} |
|||||||||
(рис. |
21 для /( = |
2). |
|
|
|
|
|
|
|
|
|
|
|
|
|||
Плотность |
вероятностей |
точки Q постоянна в П: |
|
|
|
|
|
||||||||||
|
|
Pq (x!•■ •>*,,) = |
с |
при (a-j , |
х(|) |
е П , |
|
|
|
|
|||||||
|
|
О |
при |
(А-!............А-„) |
(É |
П, |
|
|
|
|
|||||||
где 1 /с = |
п |
(6г- — яЛ — объем П («-мерный объем). Интегрируя |
|||||||||||||||
П |
|||||||||||||||||
Pq по |
|
/—I 4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
всем переменным, |
кроме |
|
легко получить, |
что плотность £/ |
|||||||||||||
равна |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
^ |
{ |
0 |
|
при а-,-(£(аг, |
ft,.). |
|
|
|
|
||||
Следовательно, каждая из координат |
равномерно |
распределена |
в |
||||||||||||||
интервале |
а,- < xt < ft,-, |
и координаты эти независимы. |
|
|
|
|
|||||||||||
Согласно |
(11) |
запишем уравнения |
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
Fі ( Ц |
= {Ъі - |
аі)/{рі - я,) |
= Yf, |
|
|
|
|
|
||||
откуда вытекают явные формулы для расчета координат |
|
|
|
|
|||||||||||||
|
|
|
|
= пі-тУі(Ьі ~ |
аі), |
|
‘ = 1 - |
2 .........n. |
|
|
|
|
|||||
2.2. Моделирование n-мерной непрерывной случай |
|||||||||||||||||
ной точки |
(с |
произвольными координатами). |
В |
об- |
|||||||||||||
|
|
|
|
|
|
|
ілем |
случае, |
когда |
| і .......... |
|
||||||
|
|
|
|
|
|
|
зависимы, их совместную плот |
||||||||||
|
|
|
|
|
|
|
ность |
можно |
представить |
в |
виде |
Ппроизведения условных плотно стей вероятностен этих величии:
|
|
Pq{хи • • • >xJt) == |
|
|
|
—Р\{хі)Р2 (й-'гI -И)Рз (*з I А'ь *2) — |
|
|
|
|
...рЛхЛх \>•••> -Ѵ-і). |
|
|
Все условные плотности вероятно |
|
Ь, |
|
)Х> сти выражаются через совмест |
|
Рис. 21. |
|
ную плотность Pq(Xi........ хп). |
|
Приводим выражения условных плотностей в общем виде; все |
|||
интегралы берутся от — оо до |
|
||
Pi (Xi) |
= |
I - • •J P q dx* . . . |
d x n> |
Pi ( * i I * 1 ) |
= |
J • • - I P Q d x 3 . . . |
d x n [Pi (A4 ) ] - 1 . |
МОДЕЛИРОВАНИЕ МНОГОМЕРНЫХ ВЕЛИЧИН |
55 |
p.j (х3 \л-!, |
X , ) |
= J |
. . pwdXi |
... dxn[pt (л ц ) |
р, (X ., I Л 'і)] |
|
W .................................................. |
|
|
|
|
................ |
|
Рц—1 (А'л —1!*1......... |
|
хп—і) |
|
|
|
|
|
= |
I М * н[P\ (*!>■ |
■-Pn-3 (*/i-2 |
I*1.... |
*/.-3)1 ‘* |
|
P n ( x n I *1....... |
*,.-l) = |
P q \ P ■(-V>) |
• • • P n - 1(*,.-1 |*I......... |
-V« - 2 )]_t- |
||
Введем условные функции распределения |
|
X.L
—СО
Т е о р е м а |
4. Пусть "fi, |
. . . . |
уп— независимые слу |
||
чайные |
числа. |
Совокупность |
случайных величин | ь ... |
||
. . . , \ п, |
полученных при |
последовательном решении |
|||
уравнений |
|
Л (У = Yu ■ |
|||
|
|
|
|||
|
|
Fz (І2ІІі) = |
Y2, |
||
|
|
|
|
|
( 12) |
|
|
F.n (In I II . . • |
- 0 |
= |
Yi |
имеет совместную плотность вероятностей pQ(x..........ѵ„).
Д о к а з а т е л ь с т в о . Если |
значения |
| і= л'і, ... |
|
... , |
= л'і_і фиксированы, то |
случайную |
величину | £ |
с функцией распределения F,(.v|.vb . . . , л',_і) можно оп ределить по формуле (4):
(If|*ь . . . . AVi) = Y.-
Тогда вероятность неравенства x(<c%i<.Xi-\-dxf равна
Р{л-,'<ё;<А'(+г/л';|.1'ь . . . , .ѵі_1}=р,(.ѵ,|.ѵ,..........*■•-,)Дѵ
Следовательно, с точностью до бесконечно малых более высокого порядка вероятность совместного выполнения п неравенств равна произведению
P { * i < ! i < * i + r f * i , • • • , * л< іп < * , і+ Д ѵп} —
— Р{-V1< 11< *1-рd x 1}Р{Л'2< І2< *2+ d x o I 11= X 1}...
•"^Ан-рДѵп ] Ii X\, • • • , In —1— An—1) —
==Pl (*,) dX\Po (л*2 I *1) dXo... pn(А'пI .V[, |
. . . , Л'„—]) б/л'и = |
= |
.......... xn)dx 1... ci\\, |
И теорема доказана, |
|
56 |
ПРЕОБРАЗОВАНИЯ СЛУЧАЙНЫХ ВЕЛИЧИН |
[ГЛ. 2 |
|||
Представление плотности pQ(x\, |
|
„ѵп) |
в форме |
||
произведения условных |
плотностей координат |
| і ........ g„ |
|||
возможно п! способами. |
В частности, при п — 2 |
|
|||
Ря(хь х2) = Р \ (л'і)/^2(л-2|а'і) = р 2 (х2 )рI (.V, |.ѵ2) . |
|||||
Разным |
произведениям соответствуют |
разные |
порядки |
||
|
|
разыгрывания величин | і , . . %п |
|||
|
|
п, вообще говоря, |
разные урав |
||
1 |
|
нения (12). |
Нижеследующий |
||
\ |
|
пример показывает, что иногда |
|||
|
|
удачный выбор порядка позво |
|||
|
|
ляет упростить эти уравнения. |
|||
|
|
Если |і, . . . , |
независимы, |
|
то все их |
условные |
распреде |
|
|
ления |
равны безусловным |
||
|
Pq{xu |
• • •, |
хп) = р 1(л-,) ...р„ (ха) |
|
Р |
1 X 11 порядок разыгрывания велп- |
|||
рис 22. |
чин роли не играет: |
уравнения |
(12)превращаются в (11).
Пр и м е р Рассмотрим случайную точку (g, р), которая может
принимать значения в треугольнике х + у < 1 , |
х > 0 , |
у > 0 |
(рис. 22) |
||
с плотностью р(х, у) = 6.Ѵ. |
|
|
|
|
|
а) Выберем |
в качестве первой |
величины Е- Тогда |
|
|
|
|
1—X |
|
|
|
|
р^(х) = |
С р ( .V, у) dy — 6.V (1 — х) |
при 0 < |
л: < |
1; |
|
|
6 |
|
|
|
|
Рц (УI х ) = р (.V, у)!Рі (х) = |
(1 — -ѵ )-1 |
при 0 < у < I — X. |
Соответствующие этим плотностям функции распределения:
|
X |
|
|
(х) = |
f pg {и) du = Зя3 — 2х* |
при 0 < -ѵ < |
1, |
|
о |
|
|
|
// |
|
|
Рц(У1X) = |
\ рц (V I х) dv = у{1 — л*)-1 |
при 0 < / / < 1 |
— А', |
|
о |
|
|
Из формул (12) получаем уравнения для последовательного вычис ления Е и 1)
3 |* -2 6 » = у ,, гт=ѵ*С1—6)-
§ 2] |
МОДЕЛИРОВАНИЕ МНОГОМЕРНЫХ ВЕЛИЧИН |
57 |
|||||||
G) |
Выберем |
теперь в качестве первой величины тр Тогда |
|||||||
|
РЦ(У) = |
1—у |
Р (л-, у) dx = 3 (1 — U)'* |
|
|
|
|
||
|
f |
при 0 < |
і/ < |
I . |
|||||
|
|
|
6 |
|
|
|
|
|
|
Pi (-ѴI у) = р(х, |
у)/рц (у) = 2х (1 — у)~2 |
при 0 < |
.г < |
1 — у. |
|||||
Соответствующие функции |
распределения: |
|
|
|
|
||||
|
|
k |
|
|
|
|
|
|
|
F,}(y)= |
\ p ^ { v ) d ü = |
I — (1 — ijf |
при |
0 < у < |
1, |
||||
|
|
b |
|
|
|
|
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
(* I * / ) = |
\ |
P | ( « I У) du = x* 0 ” У)~2 |
ПРП 0 |
< X < 1 |
— y . |
|||
|
|
b |
|
|
|
|
|
|
|
Мз формулы (12), используя 1 — ух вместо Ѵь получим уравнения для
последовательного вычисления ѵ| и £
(1 — ii)3= Y i, È2= Y (1 — n )2-
Сравним теперь оба алгоритма для расчета £ и гр в первом из них для нахождения % необходимо решать кубические уравнения, в то
время как во втором можно использовать явные формулы
|
Т) = 1 — у У , |
I = |
Ѵъ. іЛ У |
|
|
(!3) |
|
З а м е ч а н и е . |
Учащиеся часто |
допускают |
ошибку |
и вместо |
|||
Pq(x, у) = р 1(х) р2[у\х) пишут соотношение Г Q(а-, |
у) = г і ( х ) Р 2(у\х). |
||||||
Однако |
последнее |
тождество неверно! В рассмотренном |
примере в |
||||
треугольнике Fq ( x , |
у ) — 3х2у, а |
|
|
|
|
|
|
F I М |
У , (у 1 х) = |
3 — 2х |
(у) F^ (X I у) = |
1 — (1 — г/)3 |
„ |
||
- у ^ г х"у, |
(1 _ yyi |
X-. |
2.3. Возможные обобщения теоремы 4. Важнейши вывод из теоремы 4 состоит в том, что моделирование многомерной случайной величины может быть сведено к последовательному моделированию ее координат. Фор мулы ( 12) используют для этого метод обратных функ ций. Но это вовсе не обязательно: в некоторых случаях формулы расчета окажутся проще, если использовать для моделирования случайной величины £,• с условной плот ностью Рі(х ||і, ..., g,-]) какой-нибудь из методов, рас смотренных в последующих §§ 3, 4, 5.
Например, из результата п. 4.1 следует, что вместо формул (13) можно использовать следующий алгоритм, в котором на расчет каж дой точки (£, г)) затрачиваются пять независимых случайных чисел, но зато не надо извлекать корней:
0 = max(Yi; у2; Уз), 11 = 1 — Ѳ, | = Ѳтах(у4; Ys).