- •Оглавление
- •Введение.
- •Генерация случайных чисел в matlab.
- •Моделирование распределений случайных величин в matlab.
- •Биномиальное распределение.
- •Гипергеометрическое.
- •Геометрическое.
- •Пуассоновское распределение.
- •Экспоненциальное.
- •Нормальное распределение.
- •Метод Монте-Карло
- •Использование пакета Simulink для моделирования случайных чисел.
- •Программа в matlab
- •Список литературы.
Геометрическое.
Пусть проводятся испытания по схеме Бернулли. Когда следует ожидать первого появления события У? В принципе оно может проявиться сразу же в первом испытании. Но, может оказаться, что в первом испытании будет Н, а У проявится только во второй раз. Ещё менее вероятно, но все же возможно, что первый раз У будет только в 3-м испытании, или в
4-м и т. д. до бесконечности. Вот эта случайная величина – количество испытаний по схеме Бернулли до появления 1-го успеха и имеет геометрическое распределение.
Геометрическим называется распределение случайной величины X – количества испытаний по схеме Бернулли до первого появления события У.
Возможные значения X: 1, 2, 3 и т. д. до бесконечности, поэтому
Данная величина является дискретной бесконечнозначной. Геометрическое распределение зависит от одного параметра: вероятности p появления события У в каждом испытании по схеме Бернулли. Второй параметр q = 1 – p, т. е. он не является независимым. Поэтому геометрическое распределение является однопараметрическим.
Для работы с геометрическим распределением в MATLAB есть следующие функции:
• geopdf – закон распределения ;
• geocdf – функция распределения;
• geoinv – квантили распределения;
• geornd – генератор случайных чисел с геометрическим распре-делением;
• geostat – МО и дисперсия .
Пример: проводятся испытания по схеме Бернулли с параметром p = 0,05 до первого успеха. Какова вероятность того, что понадобится не более 10 испытаний?
Решение: Вероятность того, что первый успех проявится в k-м испытании, есть pk для геометрического распределения. Нам нужно просуммировать эти вероятности от 1 до 10. Решаем:
P=sum(geopdf([1:10],0.05))
P =
0.38119990772354
Пуассоновское распределение.
Перед определением пуассоновского распределения нужно знать следующие определения:
Поток событий – это однотипные события, происходящие в случайные моменты времени.
Поток событий называется потоком без последействия, если вероятность наступления того или иного количества событий в [t1, t2] не зависит от того, сколько событий произошло до момента t1.
Поток событий называется ординарным, если вероятность наступления одного события за бесконечно малое время dt является бесконечно малой величиной одного порядка малости с dt, а вероятность наступления более чем одного события за бесконечно малое время dt является бесконечно малой величиной высшего порядка малости по сравнению с dt.
Поток событий называется простейшим или пуассоновским, если он ординарный и в нём отсутствует последействие.
Пуассоновским называется распределение случайной величины X – количества событий в пуассоновском потоке за заданное фиксированное время
Функции MATLAB для работы с пуассоновским распределением:
• poisspdf – закон распределения;
• poisscdf – функция распределения;
• poissinv – квантили пуассоновского распределения;
• poissrnd – генератор случайных чисел, имеющих пуассоновское распределение;
• poisstat – МО и дисперсия;
• poissfit – максимально правдоподобная оценка параметра пуассоновского распределения по данным наблюдений.
Пример: поток автомобилей на загородной дороге является пуассоновским со средней плотностью 10 автомобилей в час. Какова вероятность того, что в течение часа проедет ровно 6 автомобилей?
Решение: имеем: l = 10 час–1, t = 1 час, поэтому параметр пуассоновского распределения a = lt = 10. Нам нужно найти вероятность того, что X = 6. Решаем:
lambda=10; % плотность
t=1; % время
a=lambda*t; % параметр пуассоновского распределения
p=poisspdf(6,a) % искомая вероятность
p =
0.06305545800345