Моделирование случайных событий и дискретных случайных величин.
1) Моделирование случайных событий.
Наступление события A с заданной вероятностью P(A)
где x – сгенерированное первичным датчиком значение.
2) Моделирование дискретных случайных величин.
Дискретная случайная величина A задаётся набором из n возможных состояний ai с вероятностями P(ai), что
Её значение выбирается из условия:
Моделирование экспоненциального распределения.
Известно, что функция экспоненциального распределения определяется следующим выражением:
Каждое обращение к первичному датчику позволяет получить одно значение случайной величины с экспоненциальным законом распределения.
Моделирование нормального распределения.
В этом случае выразить зависимость y от x в явном виде не всегда возможно, и приходится решать уравнение y=F(x) численно или перейти к двумерному случаю.
1) Эмпирические формулы:
где n - число обращений к первичному датчику.
2) Переход к двумерному нормальному распределению квадратурных составляющих:
2.1. Определение отсчёта амплитуды
2.2. Определение отсчёта фазы
2.3. Определение двумерной некоррелированной случайной величины:
3) На основе центральной предельной теореме теории вероятностей:
Приближенные методы моделирования непрерывных случайных величин.
Для моделирования случайных величин с произвольными законами распределения, не имеющими аналитического решения уравнения y=F(x) , можно использовать приближенные методы моделирования:
|
|
1. Метод численного интегрирования:
2. Интервальный метод
Принципы анализа результатов статистического моделирования.
Подавая последовательность случайных чисел на вход исследуемой модели, на её выходе получают преобразованную последовательность случайных величин – случайную выборку.
1 Первичная обработка исходных данных и построение гистограммы.
2 Определение статистических параметров распределения.
3 Определение закономерностей изменений (регрессионные модели – вопрос 11).
Первичная обработка исходных данных и построение гистограммы.
Для построения гистограммы интервал изменения данных нужно разбить на участки (обычно корень из n ) одинаковой длины, так чтобы, число таких участков должно быть как можно больше, а с другой стороны, в каждый из этих участков должно попадать как можно больше значений yi.
Точечные оценки статистических параметров.
Определение статистических параметров - Точечные оценки:
- математического ожидания
- дисперсии
- среднеквадратического отклонения
- асимметрии
- эксцесса
Дата добавления: 2019-02-12; просмотров: 475; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!