2.2. Проверка генератора.
2.2.1.
-
Объем выборки
500
Количество разных дискретных случайных величин
26
D, для критерия согласия Колмогорова
0.047122
X2 , для критерия согласия Пирсона
28.743017
P, по критерию согласия Пирсона
0,80
P, по критерию согласия Колмогорова
0,3531
-
Ряд 1
Теоретическая функция плотности
Ряд 2
Практическая функция плотности
2.2.2.
-
Объем выборки
1000
Количество разных дискретных случайных величин
26
D, для критерия согласия Колмогорова
0.021797
X2 , для критерия согласия Пирсона
19.000923
P, по критерию согласия Пирсона
0,30
P, по критерию согласия Колмогорова
0,2517
-
Ряд 1
Теоретическая функция плотности
Ряд 2
Практическая функция плотности
2.2.3.
-
Объем выборки
5000
Количество разных дискретных случайных величин
26
D, для критерия согласия Колмогорова
0.016186
X2 , для критерия согласия Пирсона
67.937775
P, по критерию согласия Пирсона
0,99
P, по критерию согласия Колмогорова
0,3729
-
Ряд 1
Теоретическая функция плотности
Ряд 2
Практическая функция плотности
2.2.4.
-
Объем выборки
500
Количество разных дискретных случайных величин
70
D, для критерия согласия Колмогорова
0.027606
X2 , для критерия согласия Пирсона
110.149666
P, по критерию согласия Колмогорова
0,2291
-
Ряд 1
Теоретическая функция плотности
Ряд 2
Практическая функция плотности
2.2.5.
-
Объем выборки
1000
Количество разных дискретных случайных величин
70
D, для критерия согласия Колмогорова
0.019332
X2 , для критерия согласия Пирсона
223.725159
P, по критерию согласия Колмогорова
0,2291
-
Ряд 1
Теоретическая функция плотности
Ряд 2
Практическая функция плотности
2.2.6.
-
Объем выборки
5000
Количество разных дискретных случайных величин
70
D, для критерия согласия Колмогорова
0.008180
X2 , для критерия согласия Пирсона
975.560059
P, по критерию согласия Колмогорова
0,2157
-
Ряд 1
Теоретическая функция плотности
Ряд 2
Практическая функция плотности
3.Генератор №3
3.1. Построение генератора.
Теоретическая часть
Универсальный метод основан на кусочной аппроксимации функции плотности. Чтобы аппроксимировать fn(y) наиболее удобным для практических целей способом, целесообразно разбить (a,b) на интервалы так, чтобы вероятность попадания случайной величины η в любой интервал (ak,ak+1) была постоянной, т.е. не зависела от номера интервала k. Далее генерируется случайное равномерно распределенное число xi из интервала (0,1); с помощью этого числа случайным образом выбирается интервал (ak,ak+1); генерируется число xi+1 и масштабируется с целью приведения его к интервалу (ak,ak+1), т.е. домножается на коэффициент (ak+1- ak); вычисляется случайное число yj=ak+(ak+1-ak)xi+1 с требуемым законом распределения.
Непрерывная случайная величина η задана интегральной функцией распределения
Взаимно однозначная монотонная функция η=Fη-1(ξ), полученная решением относительно η уравнения Fη(y)=ξ, преобразует равномерно распределенную на интервале (0,1) величину ξ в η с требуемой плотностью fη(y).Действительно, если случайная величина η имеет плотность распределения fη(y), то распределение случайной величины является равномерным в интервале (0,1). Чтобы получить число, принадлежащее последовательности чисел {yj}, имеющих функцию плотности fη(y), необходимо разрешить относительно yj уравнение
.
Процедура построения генератора:
Шаг1) Построение случайной функции плотности непрерывной случайной величины
Шаг2) Построение таблицы БСВ (используя функцию RAND)
Шаг3) Вычисление пределов интервалов, интеграл от которых равен 1/m.
Шаг4) Определение соответствия величины БСВ и номера интервала.
Шаг5) Генерация непрерывной случайной величины универсальным методом с использованием таблицы БСВ
Листинг программы в ПРИЛОЖЕНИИ 3
Цепочка первых 50 случайных величин, полученных с помощью построенного генератора.