Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АрхитектураБиологияГеографияДругоеИностранные языки
ИнформатикаИсторияКультураЛитератураМатематика
МедицинаМеханикаОбразованиеОхрана трудаПедагогика
ПолитикаПравоПрограммированиеПсихологияРелигия
СоциологияСпортСтроительствоФизикаФилософия
ФинансыХимияЭкологияЭкономикаЭлектроника

Способы построения генераторов случайных чисел

Классификация моделей по способу физической реализации | Классификация моделей по форме математического описания | Построении моделей сложных систем | Вероятностные автоматы и марковские цепи | Модели с дискретными состояниями и непрерывным временем | Алгоритмы реализации моделей | Теоретические основы метода статистического моделирования | Понятие оценки. Свойства оценок | Точность оценок и определение необходимого количества опытов | Доверительные вероятности и доверительные интервалы |


Читайте также:
  1. II. Способы взрывания
  2. Алгебраическое представление двоичных чисел
  3. Алгоритм построения проекций отрезка прямой линии
  4. Аналіз чисельності та структури персоналу на “ Нестле Росія ”.
  5. Библейские способы освобождения
  6. Биологи и генетики увидели в схеме построения Речи Человеческой схему и законы построения ДНК.
  7. ВИДЫ МЕТЕОИНФОРМАЦИИ И СПОСОБЫ ПОСТУПЛЕНИЯ ЕЕ НА СУДА

 

При организации статистического эксперимента с моделями любого физического облика возникает необходимость искусственного воспроизведения влияющих на работу системы случайных факторов. Для этой цели применяются аппаратно или программно реализуемые генераторы случайных чисел и случайных процессов. Ограничимся сначала рассмотрением наиболее простых и широко используемых вариантов построения генераторов случайных чисел.

 

3.5.1. Аппаратные способы построения генераторов случайных чисел

 

Функциональная схема, поясняющая принцип использования шумов электронных приборов для получения случайных чисел с равномерным законом распределения, приведена на рис. 22.

Используется флуктуационный шум электронной лампы или полупроводникового прибора И, который после усиления на У1 будет иметь достаточно большую амплитуду. Значение опорного напряжения u 0 выбирается в соответствии с условием . Благодаря этому, напряжение на выходе сумматора У2 с одинаковой вероятностью будет принимать положительные или отрицательные значения, а сигнал d на выходе релейного устройства будет равновероятно принимать значения, соответствующие уровням логического нуля или единицы:

P (d(ti) = u" 0 " ) = P (d(ti) = u" 1 " ) = 0,5. (3.24)

Моменты ti выбираются с шагом D t, достаточно большим, чтобы обеспечивать независимость последовательных значений сигналов d(ti),d(ti +1),… В разряды регистра заносятся N последовательных значений d. Таким образом в регистре формируется N -разрядное двоичное число:

x=d12-1+d22-2+…+d N 2- N, .

Число x имеет 2 N значений, вероятность каждого из которых вследствие (3.24) равна . Таким образом, получаемые числа x имеют равномерный дискретный закон распределения в интервале . Если принять N достаточно большим, можно считать получаемый закон распределения непрерывным:

Недостаток такого генератора состоит в нестабильности характеристик используемых флуктуационных шумов и необходимости периодической точной подстройки уровня u 0.

От указанного недостатка свободен генератор, использующий излучение радиоактивного элемента И(рис. 23). Здесь в зависимости от количества частиц, регистрируемых счетчиком Сна непересекающихся интервалах времени D ti, формируется выходной сигнал: при четном n (D ti) формируется уровень логического нуля, при нечетном - уровень логической единицы. Для этого достаточно использовать бит, содержащийся в младшем разряде выходного регистра счетчика. Очевидно, оба уровня оказываются равновероятными с высокой достоверностью. В остальном построение генератора аналогично предыдущему варианту. Недостаток такого генератора связан с очевидными ограничениями его применения.

Помимо рассмотренных, существует еще ряд аппаратно реализуемых вариантов построения генераторов, также использующих "естественную" случайность, присущую реальным физическим процессам, которая и является их основным и весьма важным достоинством. Общие недостатки таких генераторов - сложность технической реализации и невозможность повторения наблюдаемых реализаций случайных последовательностей.

Другой подход к построению генераторов случайных чисел заключается в аппаратной или программной реализации некоторого рекуррентного соотношения, обеспечивающего получение средних характеристик, аналогичных характеристикам случайной последовательности.

Примером аппаратной реализации такого подхода является генератор на регистрах, использующий метод Неймана (рис. 24). Пусть в N -разрядном регистре содержится некоторое число x i =d12-1+ +d22-2+…+d N 2- N, где N - четное. После возведения этого числа в квадрат для размещения результата в общем случае потребовалось бы 2 N разрядов. Новое число формируется из N средних разрядов результата с по .

Последовательность случайных чисел формируется путем циклического повторения такой процедуры. Впоследствии был разработан ряд модификаций такого генератора [23], достаточно точно обеспечивающих равномерное распределение в интервале [0; 1].

Генератор рассмотренного типа представляет собой детерминированный конечный автономный автомат F= á Z, Y,j,yñ, объем внутреннего алфавита которого составляет 2 N. Последовательность выходных сигналов такого автомата заведомо не является случайной. Числовые последовательности, формируемые на основе описанного подхода, называются псевдослучайными и имеют следующие особенности:

1. Цикличность - длительность цикла детерминированного автономного автомата не превышает количества элементов внутреннего алфавита.

2. Регулярность - генерируемая последовательность жестко зависит от начальной установки.

3. Возможность получения "вырожденной" последовательности - например, если на очередном шаге получено значение x=0, все последующие значения также будут нулями.

Указанные особенности являются одновременно и основными недостатками генераторов псевдослучайных чисел. Однако при достаточно больших N и удачных схемных решениях удается получить псевдослучайные последовательности длиной до 10+7 чисел, в которых указанные недостатки проявляются незначительно.

Достоинства генераторов псевдослучайных чисел - сравнительная простота реализации и возможность повторения полученных последовательностей.

 

3.5.2. Программные способы построения генераторов случайных чисел

 

Программные генераторы случайных чисел обеспечивают получение только псевдослучайных последовательностей со всеми указанными выше недостатками. Общий принцип построения программных генераторов состоит в том, что на первом этапе имитируется равномерный закон распределения в интервале [0; 1], а затем полученная последовательность преобразуется для обеспечения требуемых характеристик. Рассмотрим ряд способов построения программных генераторов.

1. Получение равномерного закона в интервале [0; 1] обеспечивается на основе использования рекуррентных соотношений различного вида, например:

, i= 1,2,...,

где a, b - положительные числа, m= 2 l, l - разрядность представления целого числа в ЦВМ. Генераторы, или датчики, случайных чисел с равномерным законом распределения имеются в виде встроенных процедур во всех языках программирования, позволяющих решать вычислительные задачи. Существует ряд способов проверки качества таких генераторов [23, 37]. Но прежде всего при выборе программных средств для статистического моделирования следует обратить внимание на способ начальной установки генератора и возможности ее изменения.

2. Метод обратных функций, обеспечивающий получение заданного закона распределения, основан на использовании известного результата теории вероятностей: независимо от вида непрерывного закона распределения при известных его ПРВ f (x) и ФРВ F (x) случайная величина

(3.25)

распределена по равномерному закону в интервале [0; 1].

Действительно, в соответствии с (3.25) значения x и R связаны взаимно однозначной зависимостью. Поэтому для любых A и B

, (3.26)

что является свойством равномерного закона распределения.

Если удается получить аналитическое выражение для функции F -1(R), обратной ФРВ F (x), процедура генерирования случайных чисел xi будет выглядеть следующим образом:

а) с помощью стандартного генератора получают равномерно распределенные в интервале [0; 1] числа x i;

б) числа xi получают по формуле xi=F -1(x i).

Например, для экспоненциального закона распределения (x> 0)

f (x)=l e- l x, F (x)=1- e- l x, .

Рассмотренный способ позволяет получать любой непрерывный закон распределения, если только существует аналитическое выражение для F (x) и может быть получена в аналитическом виде обратная функция.

3. Для нормального закона распределения аналитического выражения для ФРВ не существует. Простейший способ получения случайных чисел с нормальным законом распределения основан на центральной предельной теореме. В соответствии с ней среднее арифметическое n равномерно распределенных в интервале [0; 1] случайных чисел имеет асимптотически нормальный закон распределения с математическим ожиданием 0,5 и дисперсией

.

На практике это в достаточной степени подтверждается при n= 12.

Поэтому процедура получения нормального закона выглядит следующим образом:

а) с помощью стандартного генератора получают 12 равномерно распределенных в интервале [0; 1] чисел x i;

б) числа xi со стандартизованным нормальным законом распределения получают по формуле, являющейся следствием (3.5):

, .

Для сокращения трудоемкости этот способ иногда применяют с n= 6.

Отметим, что рассмотренным способом не обеспечивается свойственный нормальному закону неограниченный диапазон распределения генерируемых чисел.

От указанного недостатка свободна, например, следующая процедура:

а) с помощью стандартного генератора получают два равномерно распределенных в интервале [0; 1] числа x i и x i +1;

б) вычисляют V 1=2x i –1, V 2=2x i +1–1, s=V 12+ V 22;

в) если , повторяют пункты а) и б);

г) вычисляют и получают два распределенных по стандартизованному нормальному закону числа xj = V 1 r, xj +1= V 2 r.

4. Для произвольных законов распределения, не допускающих аналитического получения ФРВ, существует универсальный способ (рис. 25), основанный на кусочной аппроксимации функции ПРВ. Рассмотрим его на примере усеченного закона распределения, когда f (x) = 0 за пределами отрезка [ xmin; xmax ]. Разобьем указанный отрезок на m= 2 l, (l - целое) интервалов таким образом, чтобы вероятность попадания x в каждый интервал была одинаковой:

, j= 1,2,... m; a 1= xmin, am +1= xmax.

В пределах каждого интервала ПРВ аппроксимируется константой:

, j= 1,2,... m.

Процедура формирования случайных чисел в соответствии с заданной ПРФ f (x) выглядит следующим образом:

а) с помощью стандартного генератора получают равномерно распределенное в интервале [0; 1] число x2 i- 1;

б) по первым l разрядам x2 i- 1 выбирают номер интервала j;

в) получают следующее значение x2 i;

г) значение xi вычисляют по формуле xi=aj+ (aj +1 -aj)x2 i.

Рассмотренный способ обеспечивает получение псевдослучайных чисел с любыми непрерывными или кусочно-непрерывными законами распределения, в том числе задаваемыми таблично. Его недостатками являются сравнительно большие объемы подготовительной работы и используемой оперативной памяти ЭВМ.

5. Отметим другой универсальный способ построения генератора случайных чисел с заданной ПРВ усеченного закона распределения (рис. 26), также часто называемый в литературе методом Неймана. Он предусматривает следующую процедуру обеспечения заданной ПРВ f (x):

а) с помощью стандартного генератора получают пары равномерно распределенных в интервале [0; 1] чисел x2 i- 1 и x2 i;

б) выполняют их преобразование:

xi=xmin+ (xmax–xmin)x2 i- 1, yi=fmax x2 i ; (3.27)

 

 

в) в качестве генерируемых значений случайной величины x выбирают значения xi из тех пар xi и yi, для которых выполняется неравенство

. (3.28)

Покажем справедливость данного способа, применительно к его реализации на ЦВМ. Будем рассматривать для каждого xi элементарную полосу шириной d, в пределы которой с учетом разрядности используемой ЦВМ другие значения x попасть не смогут. Величина d достаточно мала, чтобы при законе распределения с ПРВ f (x) вероятность x=xi можно было считать пропорциональной f (xi). С учетом свойства равномерного закона (3.26) нетрудно убедиться, что это и будет обеспечиваться при достаточно большой длине генерируемой последовательности на основе условия (3.28).

Преимущество рассмотренного способа - минимальный объем подготовительной работы. Тем не менее он не получил широкого практического применения из-за низкого быстродействия, обусловленного большой долей “безрезультатных” вычислений. Применение этого способа можно порекомендовать только для более сложных задач моделирования случайных векторов со статистически зависимыми составляющими, которые будут рассмотрены в подразд. 3.9.

6. Для формирования случайных чисел с дискретным законом распределения используется выражаемое соотношением (3.26) свойство непрерывного равномерного закона.

Пусть требуется построить генератор дискретной случайной величины Z, имеющей n возможных значений z 1, z 2,…, zn. Закон распределения Z задается в табличном виде или в виде ряда , где pj = P (Z = zj), причем

. (3.29)

Соотношение (3.26) позволяет установить соответствие между значениями непрерывной случайной величины x с равномерным законом распределения в интервале [0; 1] и значениями дискретной случайной величины Z следующим образом. Разобьем интервал [0; 1] на n непересекающихся последовательных отрезков D j, выбрав длину каждого из них равной aj–aj -1= pj. В соответствии с (3.29) эти отрезки полностью займут весь интервал [0; 1] (рис. 27), причем их границы будут определяться соотношениями: .

Теперь достаточно принять Z=zj, если значение случайной величины x попадает в пределы отрезка [ aj- 1; aj ]. Соответствующая процедура получения дискретного закона распределения выглядит следующим образом:

а) с помощью стандартного генератора получают равномерно распределенное в интервале [0; 1] число x i;

б) определяют номер j отрезка D j из условия ;

в) случайной величине Z присваивают значение zj.

В заключение отметим, что широкий набор разработанных к настоящему времени способов построения генераторов случайных чисел, безусловно, не исчерпывается рассмотренным перечнем. Так для получения нормального и ряда других важных для практических приложений законов распределения в литературе [1, 7, 17, 23, 28, 36, 41, 44, 46] предлагается большой выбор различающихся по точности и трудоемкости специальных способов.

 


Дата добавления: 2015-11-04; просмотров: 269 | Нарушение авторских прав


<== предыдущая страница | следующая страница ==>
Пример использования метода Монте-Карло| Статистического моделирования

mybiblioteka.su - 2015-2024 год. (0.016 сек.)