Перед тем как приступить к решению второй половины третьей задачи,
следует изучить такие понятия, как: выборка, случайные числа; случайные
числа распределенные по определенному закону; эмпирические
(экспериментальные) ряд и функция распределения; оценки параметров распределения; метод жребия моделирования дискретной величины; критерии Пирсона оценки достоверности гипотезы; доверительные вероятности и интервалы. Следует разобрать примеры 5.10, 5.11.
Коротко рассмотрим, в чем заключается метод жребия моделирования дискретной случайной величины. Пусть событие А может произойти с вероятностью р, и пусть очередное значение случайного числа – ri (случайное число – значение непрерывной случайной величины, равномерно распределенной в интервале [0,1]). Если ri р , то оно принадлежит интервалу
0, p , поэтому считаем, что событие А наступило. Если ri р, то считается, что
событие А не наступило.
Поскольку значения случайной величины ни что иное как случайные
события, процедура моделирования дискретной случайной величины с
заданным законом распределения аналогична моделированию случайного события.
Пусть дискретная случайная величина задана теоретическим
рядом распределения.
|
х1 |
х2 |
х3 |
… |
хn |
|
|
|
|
|
|
pi |
р(х1) |
р(х2) |
р(х3) |
… |
р(хn) |
|
|
|
|
|
|
Присваиваем случайной величине значение х1, если значение случайного числа ri p(х1), значение х2, если p(х1)<ri p(х1)+p(х2), т.е. в общем случае, если
m 1 |
p(хi) r j |
m |
, то случайной величине присваивается значение хm . |
|
p xi |
i 1 |
|
i 1 |
|
|
Пример |
5.10. Дискретная случайная величина задана рядом |
распределения, приведенным в табл. 5.3.