Лекции по моделированию систем / лекция 5
.docМетод Неймана (метод исключения).
Этот метод заключается:
-
вызвать 2 случайных равномерно распределенных величины и в диапазоне [0,1].
и - независимые равномерно распределенные случайные величины.
, F(x) – интегральный закон распределения.
Хотим получить случайную величину, которая имеет такой закон плотности вероятности ограничиваемся отрезком [a,b].
-
формируется величина . Это такая величина, которая появляется между числами a и b с равновероятным исходом. Для данной величины плотность вероятности будет такова:
-
. Здесь закон плотности вероятности:
-
анализируем и :
переход к новой паре , .
Пример: w(x) – нормальный (гауссовский) закон распределения:
,
σ – среднеквадратическое значение,
m – математическое ожидание (среднее значение).
-
Выбрать пару
Q:= m ← 1.5 - среднее значение
σ ← 0.2 - СКО
N ← 1000 - число экспериментов (N +1)
a ← 1 - левый порог х
b ← 2 - правый порог х
- (равномерно распределенное между [a,b] число)
- max w(x)
- (равномерный на [0, ] датчик)
j ← -1 - индекс управляемый
for i 0..N - проводим (N+1) экспериментов
- нормальный закон в точке
if () - проверка неравенства
j ← j + 1 - переиндексация
- запись
Метод Неймана графически:
- массив х
k:= 0..
Проверка математического ожидания и СКО:
Построение гистограммы:
lower:= floor(min(x)), floor – округляет сверху
upper:= ceil(max(x)), ceil – округляет снизу
- ширина интервала суммирования.
j:= 0..29
- ось х (дискретная)
w:= hist(int,x)
Частные методы.
-
метод формирования нормально распределенной случайной величины, использующий центральную предельную теорему теории вероятности.
,
-
релеевское распределение (метод нелинейного преобразования).
,
-
релеевское распределение (использование двух датчиков с нормальным).
, - независимое нормальное распределение.
х – релеевское распределение.