- •2. Основные понятия математического моделирования
- •2. Принципы построения математических моделей
- •3.Классификационные признаки и классификация моделей
- •1.Основные этапы математического моделирования
- •2. Понятие о вычислительном эксперименте
- •3.Оценка свойств моделей
- •2.1. Метод нелинейного преобразования, обратного функции распределения
- •2.2. Метод суперпозиции
- •2.3. Некоторые специальные методы моделирования случайных величин
- •2.3.1. Метод Неймана
- •3.2. Метод кусочной аппроксимации
- •2.4. Моделирование векторных случайных величин
- •Раздел 2. Модели и методы исследования структурных свойств сетей связи
- •2. Изоморфность графов
- •1. Подграфы и дополнения
- •2. Деревья, разрезы, циклы
- •1. Матрица циклов и ее связь с матрицей инцидентности.
- •2.Матрица разрезов и ее связь с матрицей циклов
- •Матрицы смежности и перечисления путей
- •2. Связность
- •1. Степенная последовательность вершин графа
- •2. Алгоритм синтеза графов с максимальной связностью
- •3. Алгоритмы синтеза графов с максимальной связностью при заданном числе вершин и ребер.
- •4.Однородные графы. Мера неоднородности.
- •Модели и методы оценки разведзащищенности сетей связи
- •1.Показатели разведзащищенности сетей связи.
- •2.Модель оценки разведзащищенности сети связи.
- •Матрица смежности графа а
- •Матрица смежности графа в
- •Зависимость разведзащищённости от степени неоднородности сетей
- •5. Синтез сетей связи, оптимальных по показателям структурной устойчивости и разведзащищенности.
- •3.1. Моделирование марковских случайных процессов
- •3.2. Разностные и дифференциальные стохастические уравнения
- •2. Понятие эквивалентной функции стохастической сети
- •1.Метод двухмоментной аппроксимации.
- •3.Разложение на простые дроби.
- •3. Общие правила моделирования исследуемых процессов
2.2. Метод суперпозиции
Рассмотрим дискретную СВ y, принимающую n значений ak с вероятностями p1,…,pn. Эта величина задается рядом распределения
,
Обычно используют следующий алгоритм моделирования. Отрезок [0, 1] разбивают на n последовательных отрезков длины которых равны соответственно вероятностям . Разыгрывается значение величины x∈[0,1] с равномерным распределением и далее принимается,
если
Этот алгоритм применим и для дискретных СВ, принимающих бесконечное множество значений.
Для моделирования СВ с плотностью распределения вида
(8) |
где , удобен метод суперпозиции. Моделирование осуществляется в два этапа. Сначала разыгрывается реализация дискретной СВ, принимающей значения 1, 2, . . ., n с вероятностями pk . После получения значения k , моделируется СВ с ПРВ . Ее значение и принимается в качествеy .
Модели вида (8) называются смесями распределений Описанный алгоритм по существу воспроизводит реальный физический механизм появления смесей распределений. Сумма в формуле (8) может содержать большое число слагаемых.
Рассмотрим пример применения метода суперпозиции. Пусть требуется промоделировать СВ с ПРВ вида
Лекция 5.
2.3. Некоторые специальные методы моделирования случайных величин
Для моделирования СВ с заданным законом распределения можно использовать и другие свойства преобразований случайных чисел. Например, путем суммирования большого числа (12) случайных чисел xiс равномерным законом распределения в интервале (0, 1) можно получить СВy , ПРВ которой близка к нормальной ПРВ N (0, 1):
Известно также, что распределение произведения двух независимых СВ, одна из которых имеет рэлеевское распределение, а другая распределена по закону арксинуса (2.6) с нулевым средним значением и дисперсией, равной 1/2, является нормальным. Это позволяет формировать нормальную СВ путем следующего преобразования системы двух независимых равномерно распределенных в интервале (0, 1) случайных чисел x1 иx2:
|
15 |
|
|
Параметры получаемой этим способом нормальной СВ будут (0, σ2 ). Из этихже чисел можно получить еще одну нормальную СВ
некоррелированную (а значит и независимую) с СВy .
Для моделирования СВ с некоторыми законами распределения иногда удобно использовать преобразования нормально распределенных случайных чисел. Например, СВ с рэлеевским и показательным законами распределения можно получить путем преобразования системы двух независимых нормальных случайных чисел x1 иx2 спараметрами(0, σ2 ) в виде
|
16 |
|
|
соответственно. При этом для рэлеевского распределения параметр σ будетсовпадать спараметром σ исходного нормального распределения, а дляпоказательного распределения параметр λ связан с параметром σ исходногонормального распределения соотношением λ= 0.5σ2.
Алгоритмы основаны на известных свойствахпреобразований нормальных СВ. Немного изменив эти алгоритмы, можномоделировать СВ с другими распространенными законами распределения.
Полагая
16 |
получим соответственно СВ с законом распределения Райса
и СВ с законом распределения χ2 с m степенями свободы
где I0(x)- модифицированная функция Бесселя нулевого порядка; Г(х)-гамма-функция.