- •Министерство образования и науки, молодежи и спорта Украины
- •Лабораторная работа № 1 Определение площади геометрических фигур методом Монте-Карло
- •1.1 Общие положення
- •1.2 Пример нахождения площади круга методом Монте-Карло
- •1.3 Варианты заданий
- •1.3 Контрольные вопросы
- •1.4 Рекомендуемая литература
- •Лабораторная работа № 2 Исследование особенностей и построение моделей сложных объектов и явлений
- •2.1 Порядок выполнения работы
- •2.2 Варианты заданий
- •2.3 Рекомендуемая литература
- •Лабораторная работа №3 Вероятностные модели случайных величин с заданным законом распределения
- •3.1 Общие положения
- •3.1.1 Краткие сведения о распределениях вероятностей случайных величин
- •3.1.2 Источники случайных чисел
- •3.1.3 Детерминированные гпсч
- •3.1.4 Гпсч с источником энтропии или гсч
- •3.2 Порядок выполнения работы
- •3.3. Варианты заданий
- •3.4 Контрольные вопросы
- •3.5 Рекомендуемая литература
- •Лабораторная работа №4 Вероятностные модели случайных потоков событий
- •4.1 Общие положения
- •4.1.2 Простейший (пуассоновский поток)
- •4.1.3 Нестационарный пуассоновский поток
- •4.1.4 Поток Пальма
- •4.1.5 Потоки Эрланга
- •4.2 Создание генераторов потоков случайных событий
- •4.3 Порядок выполнения
- •4.4 Варианты заданий
- •4.5 Контрольные вопросы
- •5.1 Общие положения
- •Пример модели простейшей системы
- •5.3 Алгоритм обслуживания заявок
- •Порядок выполнения работы
- •Варианты заданий
- •5.6 Контрольные вопросы
- •5.7 Рекомендуемая литература
- •Метод генерации нормально распределенных чисел, использующий центральную предельную теорему
- •Метод Мюллера
Метод генерации нормально распределенных чисел, использующий центральную предельную теорему
Общая идея метода следующая: требуется сложить случайные числа с любым законом распределения, нормализовать их и перевести в нужный диапазон нормального распределения.
Допустим, что нам надо в целях имитации получить ряд случайных чисел , распределенных по нормальному закону с заданными математическиможиданием и среднеквадратичным отклонениемσx.
Сложим n случайных чисел, используя стандартный ГСЧ:
Согласно ЦПТ числа образуют ряд значений, распределенный по нормальному закону. Эти числа тем лучше описывают нормальный закон, чем больше параметр. На практикеберут равными 6 или 12. Заметим, что закон распределения чиселимеет математическое ожидание,. Поэтому он является смещенным относительно заданного произвольного.
С помощью формулы нормализуем этот ряд. Получим нормализованный закон нормального распределения чисел. То есть,.
Формулой (сдвиг на mx и масштабирование на σx) преобразуем ряд Z в ряд x: x = z · σx + mx.
Пример. Смоделировать поток заготовок для обработки их на станке. Известно, что длина заготовки колеблется случайным образом. Средняя длина заготовки составляет 35 см, а среднеквадратичное отклонение реальной длины от средней составляет 10 см. То есть по условиям задачи mx = 35, σx = 10. Тогда значение случайной величины будет рассчитываться по формуле: V = r1 + r2 + r3 + r4 + r5 + r6, где r – лучайные числа из ГСЧрр [0; 1], n = 6. X = σx · (sqrt(12/n) · (V – n/2)) + mx = 10 · sqrt(2) · (V – 3) + 35 или X = 10 · sqrt(2) · ((r1 + r2 + r3 + r4 + r5 + r6) – 3) + 35.
Метод Мюллера
Совсем простым методом получения нормальных чисел является метод Мюллера, использующий формулы: Z = √(–2 · Ln(r1)) · cos(2π · r2), где r1 и r2 – случайные числа из ГСЧрр [0; 1].
Можно также воспользоваться аналогичной формулой Z = √(–2 · Ln(r1)) · sin(2π · r2), где r1 и r2 — случайные числа из ГСЧрр [0; 1].
Пример. Материал поступает в цех один раз в сутки по 10 штук сразу. Расход материала из цеха случайный по нормальному закону с математическим ожиданием m = 10 и среднеквадратичным отклонением σ = 3.5. Вычислить вероятность дефицита на складе при запасе материала в начальный момент времени 20 штук.
При реализации в среде моделирования Stratum решение задачи будет выглядеть следующим образом.
|
|
p(x) = 1/(x * normal_sigma * sqrt(2*pi)) * exp( -(log(x)-normal_mean)2 / (2*normal_sigma2) ) для x > 0, где normal_mean = log(mean2/sqrt(sigma2 + mean2)) и normal_sigma = sqrt(log(1 + sigma2/mean2)). Другими словами, "логарифмически-нормальный закон" встречается у случайных чисел, логарифм которых распределен нормально. Это распределение широко используется в теории надежности; с его помощью аппроксимируются распределения полей атмосферных и промышленных помех.
5) с логнормальным распределением:
, где ,, где– случайный процесс с равномерным распределением в диапазоне [0,1].