|
если независимые СВ имеют один и тот же закон распределения с математическим ожиданием и с дисперсией то сумма
асимптотически нормальна с математическим ожиданием
и дисперсией
Если СВ x равномерно распределена в [0,1], то
Тогда
Практически СВ Z имеет распределение близкое к нормальному при n = 8…12
Для получения последовательности нормально распределенных чисел {x} с заданными параметрами и можно использовать известную зависимость для двух нормально распределенных СВ X и Z
Отсюда
Как показано в [4] для улучшения асимптотической нормальности суммы Z и для уменьшения числа слагаемых n можно использовать преобразование
где
- равномерно распределенные в [0,1] случайные числа. В этом случае закон распределения СВ X будет близок к нормальному при n=5, т. е.
где
Последние соотношения лежат в основе ДСЧ подчиненных
нормальному закону распределения. Датчик оформляется в виде стандартной процедуры с именем RGAUSS, которая зависит от следующих параметров:
- число для запуска датчика RAND (вход датчика);
X - случайное число подчиненное нормальному закону распределения (выход датчика):
и - заданные характеристики СВ X.
Работа ДСЧ RGAUSS() в цикле может быть представлена следующим образом:
Рис. 3.1.14
3.1.6 Вычисление кратных интегралов методом
статистических испытаний.
Пусть требуется вычислить:
,
где функция непрерывна в ограниченной замкнутой области S, при этом Область S может быть задана формулой, таблично или графически.
Интеграл преобразуем так, чтобы новая область интегрирования была расположена внутри единичного m-мерного куба:
где - равномерно распределенные случайные числа из [0,1] и вычислив якобиан преобразования
получим
Преобразуем интеграл к виду:
Пусть в m-мерный единичный куб случайно и равномерно бросается точка , тогда
где
Если в испытаниях из N выполняется условие , то при достаточно большом N можно приближенно вычислить
или
Пример: Вычислить вероятность попадания СВ (X,Y), подчиненной нормальному закону распределения с параметрами в круг радиуса R. Задачу решить методом статистических испытаний. Искомая вероятность вычисляется с помощью интеграла
где S - круг радиуса R.
Решение:
а) Метод RAND - метод статистических испытаний с использованием случайных чисел равномерно распределенных в [0,1].
Вычисление искомой вероятности есть вычисление двукратного интеграла методом статистических испытаний.
Проводим N испытаний . L=0 /* Обнулим счетчик для накопления суммы */
В каждом испытании (i-ом):
* моделируем случайную точку равномерно распределенную в единичном квадрате
,
* проверяем условие, что . Эта проверка может быть заменена проверкой где
,
т. е., если то L=L+ ;
После всех испытаний ():
где .
б) Метод RGAUSS - метод статистических испытаний с использованием последовательности нормально распределенных случайных чисел.
,
где X,Y - СВ подчиненные нормальному закону распределения.
Проводим N испытаний
L=0 /* Обнуляем счетчик числа благоприятных испытаний. */
В каждом испытании (i-ом):
* моделируем случайную точку подчиненную нормальному закону распределения:
;
* проверяем выполнение условия:
если то L=L+1;
После всех испытаний (i=N):
Примечание:
1. Количество испытаний определяется требуемой точностью результата:
а) , где - количество испытаний для
вычисления вероятности , - для вычисления .
б) N - количество испытаний для вычисления вероятности
2. Такая замена проверки возможна, т. к. X1 и Y1 выражаются через и с помощью линейных преобразований, поэтому . Учет этого обстоятельства не требует определения геометрии области s;
3. Использование датчика RGAUSS упрощает вычисления, т. к. моделирует случайную точку в соответствии с подинтегральной функцией.
Дата добавления: 2015-09-30; просмотров: 24 | Нарушение авторских прав
<== предыдущая лекция | | | следующая лекция ==> |