Лабы / Лаб 4 Случайные величины
.docxМИНИСТЕРСТВО ЦИФРОВОГО РАЗВИТИЯ,
СВЯЗИ И МАССОВЫХ КОММУНИКАЦИЙ РОССИЙСКОЙ ФЕДЕРАЦИИ
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ
«САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ТЕЛЕКОММУНИКАЦИЙ ИМ. ПРОФ. М.А. БОНЧ-БРУЕВИЧА» (СПбГУТ)
Факультет Радиотехнологий связи
Учебная дисциплина «Прикладные методы оптимизации в радиотехнических системах»
ОТЧЁТ
Тема: «МОДЕЛИРОВАНИЕ СЛУЧАЙНЫХ ВЕЛИЧИН»
Выполнили:
Приняла:
Санкт-Петербург
2023
Пункты 1,2:
1)Равномерное распределение
2) Нормальное (Гауссовское) распределение
3) Показательное (экспоненциальное) распределение.
4)Релеевское распределение.
5) m-распределение
6 ) Распределение Вейбулла
7) Логарифмически-нормальное распределение
8) Гамма-распределение
Пункт 3.
В ходе изучения гистограмм было установлено, что они соответствуют теоретическим плотностям распределения.
Например:
Теоретическая плотность вероятности показательного распределения |
Гистограмма показательного распределения |
Пункт 4.
При построении различных распределений важно учитывать объем выборки, например, при построении случайной величины, распределенной показательно, с объемом выборки 32, мы не сможем увидеть четкой гистограммы, потому что будет недостаточно точек:
Однако, при увеличении объема выборки до 512 (увеличиваем выборку в 24=16 раз), уже получаем практически ровный график плотности вероятности показательного распределения
Отсюда вытекает, что чем больше объем выборки, тем точнее будет построение.
Вывод: