- •1. ОСНОВНЫЕ ПОНЯТИЯ ТЕОРИИ СЛУЧАЙНЫХ ПРОЦЕССОВ
- •1.1. Случайные процессы. Основные определения
- •1.2. Элементарная классификация случайных процессов
- •1.3. Конечномерные распределения случайного процесса
- •1.4. Моментные функции случайного процесса
- •2. НЕКОТОРЫЕ ТИПЫ СЛУЧАЙНЫХ ПРОЦЕССОВ
- •2.1. Стационарные случайные процессы
- •2.2. Спектральное разложение стационарного случайного процесса и преобразование Фурье. Спектральная плотность
- •2.3. Нормальные случайные процессы
- •2.4. Абсолютно случайный процесс (белый шум)
- •2.5. Пуассоновские процессы, потоки событий
- •2.6. Потоки Эрланга и Пальма
- •2.7. Марковские процессы (дискретные состояния, дискретное время)
- •2.8. Марковские процессы (дискретные состояния, непрерывное время)
- •3.1. Действительная форма спектрального разложения стационарного случайного процесса
- •3.2. Комплексная форма спектрального разложения стационарного случайного процесса
- •3.5. Преобразование стационарного случайного сигнала линейной стационарной непрерывной системой
- •Лабораторная работа №1. Анализ линейной стационарной непрерывной системы в пакете Matlab
- •Лабораторная работа № 1. Анализ линейной стационарной непрерывной системы в пакете Mathcad
- •Лабораторная работа № 2. Вычисление дисперсии выходного сигнала линейной стационарной непрерывной системы при случайном воздействии в пакете Mathcad
- •Лабораторная работа № 2. Вычисление дисперсии выходного сигнала линейной стационарной непрерывной системы при случайном воздействии в пакете Matlab
- •4. МОДЕЛИРОВАНИЕ СЛУЧАЙНЫХ ПРОЦЕССОВ
- •4.1. Общая характеристика методов моделирования случайных процессов
- •4.2. Метод условных распределений
- •4.3. Метод отбора (Неймана)
- •4.4. Моделирование случайных процессов с заданными корреляционными свойствами
- •4.5. Параметры некоторых алгоритмов моделирования стационарных процессов с типовыми ковариационными функциями
- •Лабораторная работа № 4. Моделирование стационарных гауссовских случайных процессов методом канонических разложений в пакете Mathcad
- •Лабораторная работа № 4. Моделирование стационарных гауссовских случайных процессов методом канонических разложений в пакете Matlab
- •Лабораторная работа № 5. Моделирование дискретных однородных марковских цепей в пакете Mathcad
- •Лабораторная работа № 6. Моделирование случайных процессов методом отбора в пакете Mathcad
- •Лабораторная работа № 6. Моделирование случайных процессов методом отбора в пакете Matlab
- •Лабораторная работа № 7 (факультатив). Моделирование случайных процессов методом условных распределений в пакете Mathcad
- •Библиографический список
- •ОГЛАВЛЕНИЕ
4.3. Метод отбора (Неймана)
Рассмотрим сначала идею этого метода при моделировании одномерной случайной величины X . Пусть fmax – максимальное
значение функции плотности на интервале [a,b], причём X [a,b], т.е. используется усечённое распределение случайной
величины X . Датчиком случайных чисел получим пару стандартных равномерно распределённых чисел xi , xi+1 R(0,1), с помо-
щью которых найдём xi/ = a + (b −a)xi , xi/+1 = fmax xi+1 . Если т е-
118
перь |
xi/+1 ≤ f (xi/ ), то в качестве реализации случайной величины |
X с |
функцией плотности f (x) можно взять число xi/ , если |
же xi/+1 > f (xi/ ), то полученная пара xi/ и xi/+1 отбраковывается. Справедливость такого подхода очевидна из рис. 4.1. Действи-
тельно, пару чисел xi/ и xi/+1 можно рассматривать как координаты случайной точки плоскости, равномерно распределённой внутри прямоугольника acdb . Пары xi/ и xi/+1 , удовлетворяющие усло-
вию xi/+1 ≤ f (xi/ ), – это координаты точки плоскости, расположенной под кривой f (x). Вероятность попадания такой точки в полосу от x до x + ∆x пропорциональна f (x), а вероятность попада-
ния под всю кривую |
f (x) равна единице. |
|
|
f(x) |
|
|
|
c |
|
|
d |
|
f(x) |
|
|
|
fmax |
|
|
a |
x |
|
x |
x+ |
x b |
||
Рис. 4.1. Графическая иллюстрация идеи метода отбора |
|||
Для случайного |
процесса ξ(t) |
с |
функцией плотности |
f (x1,t1, x2 ,t2 ,..., xn ,tn ) необходимо задать или найти область определения компонент ξ1,ξ2 ,...,ξn , т.е. области ξi (ai ,bi ). По анало-
гии с одномерным случаем для формирования реализации случайного процесса необходимо n +1 равномерно распределённое случайное число, причём n чисел должны быть равномерно распре-
делены в интервалах (a1 ,b1 ),(a2 ,b2 ),...,(an ,bn ), а n +1-е число –
119