SlPr
.pdfМинистерство образования Республики Беларусь
Учреждение образования БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
ИНФОРМАТИКИ И РАДИОЭЛЕКТРОНИКИ
_______________________________________________________________
Кафедра информационных технологий автоматизированных систем
В. С. Муха
Случайные процессы
Практикум для студентов специальности 53 01 02 "Автоматизированные системы обработки информации"
всех форм обучения
Минск 2011
1
УДК 519.72 (075.8) ББК 22.172 я 73
М 92
Рецензент: профессор кафедры высшей математики БГУИР, кандидат физико- математических наук А.А. Карпук
Муха В.С.
М 92 Случайные процессы: Практикум для студ. спец. 53 01 02 "Автоматизирован- ные системы обработки информации" всех форм обучения / В.С. Муха. –
Мн.: БГУИР, 2011. – 49 с.: ил.
ISBN-985-444-581-Х
Практикум содержит описания семи тем практических занятий для за- крепления знаний по дисциплине «Случайные процессы». Выполнение практических занятий предполагает использование системы Matlab с па- кетом прикладных программ по статистике «Statistics Toolbox». Темы практических занятий содержат теоретическую часть, описание средств системы Matlab для решения поставленных задач, указания к порядку вы- полнения работы и варианты индивидуальных заданий.
УДК 519.72 (075.8) ББК 22.172 я 73
М 92
ISBN-985-444-581-Х |
© Муха В.С., 2011 |
|
© БГУИР, 2011 |
2
Тема 1. Моментные функции случайных процессов
1.1.Цель работы
1.1.1.Ознакомление с параметрической формой задания случайных процессов.
1.1.2.Приобретение навыков расчета математических ожиданий, дисперсий, ковариаци- онных и взаимных ковариационных функций случайных процессов.
1.2.Теоретические положения
Математическое ожидание aξ (t) , дисперсия dξ (t), ковариационная функция Rξ (t1,t2 ) случайного процесса ξ(t) определяются выражениями:
aξ (t) = E(ξ(t)),
dξ (t) = E((ξ(t) − aξ (t))2 ),
Rξ (t1,t2 ) = E((ξ(t1) − aξ (t1))(ξ(t2 ) − aξ (t2 ))).
Взаимные ковариационные функции двух процессов ξ(t) и η(t) определяются выражения-
ми
Rξ,η (t1,t2 ) = E((ξ(t1) − aξ (t1))(η(t2 ) − aη (t2 ))), Rη,ξ (t1,t2 ) = E((η(t1) − aη (t1))(ξ(t2 ) − aξ (t2 ))).
Здесь E – символ математического ожидания по соответствующему распределению.
Если случайные процессы ξ(t) и η(t) определены своими конечномерными плотностя-
ми вероятностей, то указанные моментные функции рассчитываются как следующие инте- гралы:
|
|
∞ |
|
|
∞ |
|
aξ (t) = ò xfξ (x,t)dx , aη (t) = ò xfη (x,t)dx , |
||||||
|
|
−∞ |
∞ |
−∞ |
||
|
|
dξ (t) = |
− aξ (t)) fξ (x,t)dx , |
|||
|
|
ò(x |
||||
|
|
|
|
−∞ |
|
|
|
|
dη (t) = |
∞ |
− aη (t)) fη (x,t)dx , |
||
|
|
ò(x |
||||
|
|
∞ |
|
−∞ |
|
|
Rξ (t1,t2 ) = |
− aξ (t1))( y − aξ (t2 )) fξ (x, y,t1,t2 )dxdy , |
|||||
ò(x |
||||||
|
−∞ |
|
|
|
||
Rη (t1,t2 ) = |
∞ |
− aη (t1))(y − aη (t2 )) fη (x, y,t1,t2 )dxdy , |
||||
ò(x |
||||||
|
−∞ |
|
|
|
||
Rξ,η (t1,t2 ) = |
∞ |
∞ |
|
|
|
|
ò |
ò(x − aξ (t1))( y − aη (t2 )) fξ,η (x, y,t1,t2 )dxdy , |
|||||
|
−∞ −∞ |
|
|
|
||
Rη,ξ (t1,t2 ) = |
∞ |
∞ |
|
|
|
|
ò |
ò(x − aη (t1))( y − aξ (t2 )) fη,ξ (x, y,t1,t2 )dxdy . |
−∞ −∞
3
Здесь fξ (x,t) , fη(x,t) – одномерные плотности вероятностей случайных процессов ξ(t) и
η(t) соответственно, fξ (x, y,t1,t2) , fη (x, y,t1,t2 ) – двухмерные плотности вероятностей случайных процессов ξ(t) и η(t) соответственно, fξ,η(x, y,t1,t2) , fη,ξ (x, y,t1,t2 ) – вза- имные двухмерные плотности вероятностей случайных процессов ξ(t) и η(t) соответст- венно.
Если же случайные процессы ξ(t) и η(t) заданы в параметрической форме, т.е. в виде известных функций ξ(t,λ) и η(t,μ) векторных случайных параметров λ = (λ1,λ2 ,...,λm ) , μ = (μ1,μ2 ,...,μk ) , то указанные моментные функции рассчитываются как следующие ин- тегралы:
aξ (t) = |
∞ |
|
∞ |
|
òξ(t, z) fλ (z)dz , aη (t) = òη(t, z) fμ (v)dv , |
||||
|
−∞ |
∞ |
−∞ |
|
|
|
dξ (t) = |
− aξ (t)) fλ (z)dz , |
|
|
|
ò(ξ(t, z) |
||
|
|
|
−∞ |
|
|
|
dη (t) = |
∞ |
− aη (t)) fμ (v)dv , |
|
|
ò(η(t, z) |
||
|
|
∞ |
−∞ |
|
Rξ (t1,t2 ) = |
|
|
||
ò(ξ(t1, z) − aξ (t1))(ξ(t2 , z) − aξ (t2 )) fλ (z)dz , |
||||
|
|
−∞ |
|
|
Rη (t1,t2 ) = |
∞ |
|
|
|
ò(η(t1,v) − aη (t1))(η(t2 ,v) − aη (t2 )) fμ (v)dv , |
||||
|
|
−∞ |
|
|
Rξ,η (t1,t2 ) = |
∞ |
∞ |
|
|
ò |
ò(ξ(t1, z) − aξ (t1))(η(t2 ,v) − aη (t2 )) fλ,μ (z,v)dzdv , |
|||
|
−∞ −∞ |
|
|
|
Rη,ξ (t1,t2 ) = |
∞ |
∞ |
|
|
ò |
ò(η(t1,v) − aη (t1))(ξ(t2 , z) − aξ (t2 )) fλ,μ (z,v)dzdv . |
−∞ −∞
Здесь fλ (z), fμ (v) – плотности вероятностей случайных векторов λ и μ соответственно, fλ,μ (z,v) , – совместная плотность вероятности случайных векторов λ и μ.
Если случайные векторы λ и μ независимые, то fλ,μ (z,v) = fλ (z) fμ (v) .
Как свойства приведенных выше интегралов легко могут быть получены следующие свойства моментных функций. Если
ζ(t) = ξ(t) ± η(t) ,
то
aζ (t) = aξ (t) ± aη (t),
dζ (t) = dξ (t) + dη (t) ± 2Rξ,η (t,t) ,
Rζ (t1,t2 ) = Rξ (t1,t2 ) + Rη (t1,t2 ) ± Rξ,η (t1,t2 ) ± Rη,ξ (t1,t2 ) .
Если случайные процессы ξ(t) и η(t) независимы, то в приведенных выше формулах
Rξ,η (t1,t2 ) = Rη,ξ (t1,t2 ) = 0.
Если случайные процессы ξ(t) и η(t) независимы и ζ(t) = ξ(t)η(t) , то
4
aζ (t) = aξ (t)aη (t) , dζ (t) = dξ (t)dη (t) ,
Rζ (t1,t2 ) = Rξ (t1,t2 )Rη (t1,t2 ) .
1.3. Программные средства для выполнения работы
1.3.1. Символьное вычисление интегралов
Для вычисления указанных выше интегралов можно воспользоваться функцией символь- ного интегрирования int.
int(s) – возвращает символьное значение неопределенного интеграла от символьного вы- ражения или массива символьных выражений s по переменной, которая автоматически опре- деляется функцией findsym. Если s – константа, то вычисляется интеграл по переменной 'x'; int(s,a,b) – возвращает символьное значение определенного интеграла на отрезке интег- рирования [a,b] от символьного выражения или массива символьных выражений s по пере- менной, которая автоматически определяется функцией findsym. Пределы интегрирования a, b могут быть как символьными, так и числовыми, как конечными, так и бесконечными (inf); int(s,v) – возвращает символьное значение неопределенного интеграла от символьного
выражения или массива выражений s по переменной v;
int(s,v,a,b) – возвращает символьное значение определенного интеграла от символьного
выражения или массива символьных выражений s по переменной v с пределами интегрирования [a,b].
Пример. Программа syms alpha u y2=int(sin(alpha*u),alpha)
возвращает следующий результат: y2 =
-cos(alpha*u)/u
1.3.2. Символьные подстановки
Часто в символьное выражение вместо некоторых переменной или выражения необходи- мо подставить новую переменную или выражения. В Matlab это можно сделать с помощью
функции subs.
y=subs(s,old,new) заменяет в символьном выражении s старую переменную или выраже-
ние old на новую переменную или выражение new. Пример. Программа
syms t tau y=sin(t);
y1=y*subs(y,t,t+tau)
возвращает следующий результат: y1 =
sin(t)*sin(t+tau)
1.3.3. Построение графиков функций одной переменной
Для построения графика функции одной переменной используется функция plot. Вызов
этой функции осуществляется командой plot(x,y,s)
где x, y – одномерные массивы одинаковой размерности; x – массив значений аргумента функции y = f (x) ; y – массив значений функции y = f (x) ; s – строковая константа, опре-
5
деляющая цвет линии, маркер узловых точек и тип линии. Эта константа может содержать от одного до трех символов.
Цвет линии определяется символами y (желтый), m (фиолетовый), c (голубой), r (крас- ный), g (зеленый), b (синий), w (белый), k (черный).
Тип узловой точки определяется символами . (точка), o (окружность), x (крестик), + (плюс), * (звездочка), s (квадрат), d (ромб), < > ^ (треугольники различной направленности), p (пя-
тиугольник), h (шестиугольник).
Тип линии определяется символами - (непрерывная), : (короткие штрихи), -. (штрих- пунктир), -- (длинные штрихи).
Символьную константу s можно опустить. В этом случае по умолчанию используется не- прерывная линия желтого цвета.
Для построения в одном окне нескольких графиков можно использовать команду plot(x1,y1,s1,x2,y2,s2,x3,y3,s3,…)
Команда grid on добавляет на график сетку. Команда hold on позволяет добавлять в то же графическое окно графики новых функций.
Пример
x=0:0.1:2*pi;
y1=sin(x);
y2=cos(x); plot(x,y1,'k-o',x,y2,'r--*') grid on
Созданный с помощью программы plot график можно скопировать в буфер Clipboard, акти- визировав в пункте Edit главного меню графического окна команду Copy Figure, с целью его дальнейшего редактирования в каком-либо графическом редакторе, например Paint.
1.3.4. Построение графиков функций двух переменных
Ковариационная функция нестационарного случайного процесса и взаимная ковариаци- онная функция двух случайных процессов являются функциями двух переменных. Построе- ние графика функции двух переменных z = f (x, y) выполняется в Matlab с помощью
функций meshgrid и mesh. Специфика построения таких графиков в Matlab требует не про- сто задания ряда значений x и y, т. е. векторов x и y, а определения двухмерных массивов X и Y. Для создания таких массивов служит функция meshgrid.
[X,Y]=meshgrid(x,y) – преобразует область, заданную векторами x и y, в двухмерные мас- сивы X и Y, которые могут быть использованы для вычисления значений функции двух пе- ременных и построения трехмерных графиков. Эта функция формирует массивы X и Y та- ким образом, что строки выходного массива X являются копиями вектора x, а столбцы вы- ходного массива Y – копиями вектора y.
mesh(X,Y,Z,C) – выводит в графическое окно сетчатую поверхность с цветами узлов по- верхности, заданных массивом С.
mesh(X,Y,Z) – аналог предшествующей команды при C=Z, с использованием функцио- нальной окраски, при которой цвет задается высотой поверхности.
Пример
[x,y]=meshgrid(-2:0.1:2,-2:0.1:2); z=x.^2+y.^2;
mesh(x,y,z)
В результате выполнения этой программы на экран будет выведен график функции двух пе- ременных z = x2 + y2 .
6
1.3.5. Моделирование случайных чисел
Случайные числа из равномерного распределения u(a,b) , плотность вероятности кото-
рого имеет вид
|
|
ì |
1 |
|
|
f |
|
(x)= íï |
|
, |
a < x < b, a,bÎ R, a < b, |
|
|
||||
|
ξ |
ïb - a |
|
x £ a, x ³ b, |
|
|
|
î |
0, |
|
моделируются с помощью функции y=unifrnd (a,b).
Непрерывный случайный вектор x = (x1,...,xm ) называется распределенным по много- мерному нормальному (гауссовскому) закону, если его плотность вероятности имеет вид
|
|
f |
|
(X ) = |
|
|
1 |
|
|
|
|
|
exp(- |
1 |
j(X )), |
|
|||
|
|
ξ |
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
2 |
|
||||||||
|
|
(2p)m |
|
R |
|
|
|
||||||||||||
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
где |
|
|
|
j(X ) = (X - A)T R−1(X - A) . |
|
||||||||||||||
|
|
|
|
|
|||||||||||||||
Здесь приняты следующие |
|
обозначения: |
X T |
|
|
= (x ,..., x |
m |
) – вектор-строка аргументов |
|||||||||||
|
|
|
|
AT = (a ,...,a |
|
|
|
|
1 |
|
|
|
|
||||||
плотности |
вероятности; |
|
|
m |
) |
– |
|
вектор-строка |
параметров; |
||||||||||
|
|
1 |
|
|
|
|
|
|
|
|
R = (Ri, j ), i, j =1, m , – симметричная положительно определенная (m × m) -матрица па-
раметров; R−1 – матрица, обратная матрице R; R – определитель матрицы R. Символ Т оз- начает транспонирование, так что X и A – векторы-столбцы. Параметры А и R распределе- ния являются математическим ожиданием и ковариационной матрицей вектора x соответст- венно.
Если случайный вектор x = (x1,...,xm ) распределен по нормальному закону, то любой
его подвектор (включая отдельную компоненту) также распределен по нормальному закону.
Распределение этого подвектора получается вычеркиванием в исходном распределении из
векторов |
|
= (x ,...,x |
|
), AT = (a ,...,a |
|
) ненужных компонент и из матрицы R строк и |
|||||
x |
m |
m |
|||||||||
1 |
|
|
1 |
|
|
|
|
||||
столбцов, соответствующих ненужным компонентам. |
|
|
|
||||||||
Символически |
многомерное |
нормальное |
распределение |
обозначается |
как |
||||||
fξ (X ) = N(A, R). |
|
|
|
|
|
|
|
|
|
Если x = (x1,x2 ) – двухмерный случайный вектор, распределенный по нормальному закону, то мы имеем
|
|
|
|
|
T |
|
|
|
|
T |
|
|
|
|
|
|
|
|
|
æ |
R |
|
R |
ö |
|
|
|
|
|
|
|
= (x1 |
, x2 ) , |
= (a1,a2) , |
|
|
|
|
|
ç |
|
1,1 |
1,2 |
÷ |
|
||||||||
|
|
X |
|
A |
|
R = ç R |
2,1 |
R |
÷, |
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
è |
|
2,2 |
ø |
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
−1 |
|
|
|
|
|
æ R |
2,2 |
- R |
ö |
|
|||
|
|
R |
|
= R1,1R2,2 |
- R1,2 R2,1, |
R |
= |
1 ç |
|
1,2 ÷ |
, |
|||||||||||||||
|
|
|
|
|
R |
|
|
ç |
- R |
2,1 |
R |
÷ |
||||||||||||||
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
è |
|
|
|
1,1 |
ø |
|
|||
|
|
|
|
|
|
|
j(X )= (X - A)T R−1(X - A) = |
|
|
|
||||||||||||||||
|
= R (x - a )2 |
- 2R (x - a )(x - a |
) + R (x - a |
)2 . |
||||||||||||||||||||||
|
2,2 |
1 |
1 |
|
|
1,2 |
1 |
1 |
|
2 |
2 |
|
|
|
1,1 |
2 |
2 |
|
||||||||
Если |
здесь обозначить R |
|
= s2 , |
R |
= s2 |
и |
|
выразить |
коэффициент ковариации |
|||||||||||||||||
|
|
|
|
|
|
1,1 |
|
1 |
|
2,2 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
R1,2 |
= R2,1 = cov(ξ1,ξ2 ) через коэффициент корреляции r1,2 по формуле |
7
то функцию ϕ(X ) |
|
|
|
R1,2 = R2,1 = r1,2σ1σ2 , |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
можно представить в виде |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
1 |
æ |
(x - a )2 |
|
(x - a ) (x |
2 |
- a |
2 |
) |
|
(x |
2 |
- a |
2 |
)2 |
ö |
|
|||
j(x , x |
|
) = |
|
|
ç |
1 1 |
- 2r |
1 1 |
|
|
|
|
+ |
|
|
|
÷ |
, |
||||
|
(1 - r2 |
|
s2 |
s1 |
|
s2 |
|
|
|
|
s2 |
|
|
|||||||||
1 |
2 |
|
) ç |
1,2 |
|
|
|
|
|
|
|
|
÷ |
|
||||||||
|
|
|
1,2 |
è |
1 |
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
ø |
|
а плотность вероятности двухмерного нормального распределения – в виде
|
|
|
1 |
|
æ |
|
1 |
|
ö |
||
f |
|
(x1, x2 ) = |
|
|
|
expç |
- |
|
j(x1 |
, x2 )÷ . |
|
ξ |
|
|
|
||||||||
|
|
|
2 |
||||||||
2ps1s2 1- r12,2 |
|||||||||||
|
|
|
è |
|
|
ø |
Функция r=mvnrnd(mu,sigma,cases) возвращает матрицу r случайных чисел, выбранных
из многомерного нормального распределения с вектором средних mu и ковариационной матрицей sigma. Параметр cases является количеством строк в r (количеством многомерных случайных чисел).
1.4.Порядок выполнения работы
1.4.1.Рассчитать функции математического ожидания, дисперсии и ковариационной функции случайного процесса ζ(t) , выбранного из таблицы 1.1 в соответствии со своим ва-
риантом задания. Вид составляющих случайного процесса ζ(t) и распределения их пара-
метров заданы в таблице 1.2. |
Параметры λ = (b,c,d) , |
ϕ , ω предполагаются случайными |
величинами, независимыми |
в совокупности. В |
символьных расчетах параметры |
b, c, d, ϕ, ω рассматривать как символьные переменные. |
1.4.2. В одно графическое окно вывести 10 реализаций случайного процесса ζ(t) и функ- ции математического ожидания и дисперсии, моделируя случайные значения параметров
b, c, d, ϕ, ω |
и |
выбирая |
по |
своему |
усмотрению |
значения |
неслучайных параметров |
|||||||
a |
b |
, a |
c |
, a |
d |
, A, B , s2 , σ2 |
, σ2 |
, σ2 , ω и интервал времени t |
0 |
≤ t ≤ t . |
||||
|
|
|
|
|
b |
c |
d |
1 |
|
1 |
||||
|
|
1.4.3. В отдельное графическое окно вывести график ковариационной функции случайно- |
||||||||||||
го процесса |
ζ(t) |
при выбранных значениях неслучайных параметров ab , ac , ad , A, B , |
s2 , σb2 , σc2 , σ2d , ω1 .
1.4.4.Оформить полученные результаты в виде отчета.
Таблица 1.1. Варианты случайных процессов ζ(t) для расчетов
№ |
Процесс ζ(t) |
№ |
Процесс ζ(t) |
варианта |
|
варианта |
|
1. |
ξ(t) + η(t) |
11. |
ξ(t)η(t) |
2. |
ξ(t) + θ(t) |
12. |
ξ(t)θ(t) |
3. |
ξ(t) + ψ(t) |
13. |
ξ(t)ψ(t) |
4. |
ξ(t) + χ(t) |
14. |
ξ(t)χ(t) |
5. |
η(t) + θ(t) |
15. |
η(t)θ(t) |
6. |
η(t) + ψ(t) |
16. |
η(t)ψ(t) |
7. |
η(t) + χ(t) |
17. |
η(t)χ(t) |
8. |
θ(t) + ψ(t) |
18. |
θ(t)ψ(t) |
8
|
|
9. |
|
θ(t) + χ(t) |
|
|
19. |
|
|
|
θ(t)χ(t) |
|
|||
10. |
|
|
ψ(t) + χ(t) |
|
|
20. |
|
|
|
ψ(t)χ(t) |
|
||||
Таблица 1.2. Составляющие случайного процесса ζ(t) , заданного в таблице 1.1 |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
№ |
|
|
|
|
Случайный пара- |
Обозначение распределения пара- |
|||||||||
процес- |
|
|
Вид процесса |
||||||||||||
|
|
|
метр |
|
|
|
|
метра |
|
|
|||||
са |
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
ξ(t) = b |
|
b |
|
|
|
λ = (b,c,d) , |
|
|
||||
2 |
|
|
η(t) = ct |
|
c |
|
fλ (x) = N(aλ , Rλ ), |
||||||||
|
|
|
|
|
|
|
|
|
aλ = (ab ,ac ,ad ) , |
|
|||||
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
θ(t) = σ2 exp(−dt) |
|
|
|
|
|
|
ésb2 |
0 |
0 |
ù |
||
3 |
|
|
|
d |
|
R |
= ê |
0 |
s2 |
0 |
ú |
||||
|
|
|
|
|
|
|
|
|
λ |
ê |
|
c |
|
ú |
|
|
|
|
|
|
|
|
|
|
|
|
ê |
0 |
0 |
s2 |
ú |
|
|
|
|
|
|
|
|
|
|
|
ë |
|
|
d |
û |
4 |
|
ψ(t) = Acos(ω1t + ϕ) |
|
ϕ |
|
|
|
U (−a,a) |
|
|
|||||
5 |
|
|
χ(t) = Bcosωt |
|
ω |
|
|
|
|
U (0,a) |
|
|
9
Тема 2. Моделирование случайных событий и дискретных случайных величин
2.1.Цель работы
2.1.1.Приобретение навыков моделирования полной группы случайных событий.
2.1.2.Приобретение навыков моделирования случайных чисел из дискретных распределе-
ний.
2.2.Теоретические положения
2.2.1.Моделирование полной группы случайных событий
Случайные события Ai F , P(Ai ) = pi , i =1,k , заданные на вероятностном простран- стве (Ω, F, P) , образуют полную группу событий, если выполняются условия:
k |
|
k |
а) U Ai = Ω ; б) Ai I Aj = Ο, i ¹ j ; в) P(Ai ) ³ 0, i = |
1,k |
; г) åP(Ai ) =1. |
i =1 |
|
i =1 |
Для моделирования полной группы случайных событий будем использовать базовую слу- чайную величину α , т.е. непрерывную случайную величину, распределенную равномерно в
интервале (0,1) . По вероятностям pi |
случайных событий Ai определим числа |
|
||
|
i |
|
||
|
S0 = 0 , Si = å p j , |
(2.1) |
||
|
j =1 |
|
||
а события Ai определим как следующие множества: |
|
|||
Ai |
= (Si −1 £ a < Si ), i = |
|
. |
|
1,k |
(2.2) |
Построенные таким образом события удовлетворяют сформулированным выше условиям а)
– г). Действительно,
Si |
Si |
|
|
|
P(Ai ) = ò fα (x)dx = òdx = Si − Si−1 |
= pi , i = |
1,k |
. |
|
Si−1 |
Si−1 |
|
|
|
Алгоритм, моделирующий отдельное случайное событие Ai (его номер i ), состоит в вы- полнении следующих шагов.
1.Расчет чисел S0 ,S1,...,Sk по формуле (2.1).
2.Обращение к датчику базового случайного числа и получение псевдослучайного чис-
ла α .
3.Сравнение α с величинами S0 ,S1,...,Sk и выбор номера события i , удовлетворяю-
щего условию (2.2).
Для моделирования результатов n независимых испытаний, в каждом из которых может появиться одно из событий A1, A2 ,..., Ak , пункты 2,3 алгоритма необходимо повторить n раз.
2.2.2. Моделирования случайных чисел из дискретных распределений
Пусть ξ – дискретная случайная величина, принимающая значения x1, x2 ,..., xk с веро- ятностями p1, p2 ,..., pk . Моделировать значения этой случайной величины можно с помо- щью алгоритма моделирования полной группы случайных событий, изложенного в п. 2.2.1. Действительно, между значениями xi дискретной случайной величины и случайными собы-
10