Разыгрывание дискретных и непрерывных случайных величин. Разыгрывание дискретных случайных величин Разыграть пять возможных значений непрерывной случайной величины

Из всех случайных величин проще всего разыгрывать (моделировать) равномерно распределенную величину . Рассмотрим, как это делается.

Возьмем какое-то устройство, на выходе которого с вероятностью могут появляться цифры 0 или 1; появление той или другой цифры должно быть случайным. Таким устройством может быть бросаемая монета, игральная кость (четно - 0, нечетно - 1) или специальный генератор, основанный на подсчете числа радиоактивных распадов или всплесков радиошума за определенное время (четно или нечетно).

Запишем у как двоичную дробь и на место последовательных разрядов будем ставить цифры, выдаваемые генератором: например, . Поскольку в первом разряде с равной вероятностью могут стоять 0 или 1, это число с равной вероятностью лежит в левой или правой половине отрезка . Поскольку во втором разряде тоже 0 и 1 равновероятны, число с равной вероятностью лежит в каждой половине этих половин и т. д. Значит, двоичная дробь со случайными цифрами действительно с равной вероятностью принимает любое значение на отрезке

Строго говоря, разыграть можно только конечное количество разрядов k. Поэтому распределение будет не вполне требуемым; математическое ожидание окажется меньше 1/2 на величину (ибо значение возможно, а значение невозможно). Чтобы этот фактор не сказывался, следует брать многоразрядные числа; правда, в методе статистических испытаний точность ответа обычно не бывает выше 0,1% -103, а условие дает что на современных ЭВМ перевыполнено с большим запасом.

Псевдослучайные числа. Реальные генераторы случайных чисел не свободны от систематических ошибок: несимметричность монеты, дрейф нуля и т. д. Поэтому качество выдаваемых ими чисел проверяют специальными тестами. Простейший тест - вычисление для каждого разряда частоты появления нуля; если частота заметно отлична от 1/2, то имеется систематическая ошибка, а если она слишком близка к 1/2, то числа не случайные - есть какая-то закономерность. Более сложные тесты - это вычисление коэффициентов корреляции последовательных чисел

или групп разрядов внутри числа; эти коэффициенты должны быть близкими к нулю.

Если какая-то последовательность чисел удовлетворяет этим тестам, то ее можно использовать в расчетах по методу статистических испытаний, не интересуясь ее происхождением.

Разработаны алгоритмы построения таких последовательностей; символически их записывают рекуррентными формулами

Такие числа называют псевдослучайными и вычисляют на ЭВМ. Это обычно удобнее, чем использование специальных генераторов. Но для каждого алгоритма есть свое предельное число членов последовательности, которое можно использовать в расчетах; при большем числе членов теряется случайный характер чисел, например - обнаруживается периодичность.

Первый алгоритм получения псевдослучайных чисел был предложен Нейманом. Возьмем число из цифр (для определенности десятичных) и возведем его в квадрат. У квадрата оставим средних цифр, откинув последних и (или ) первых. Полученное число снова возведем в квадрат и т. д. Значения получаются умножением этих чисел на Например, положим и выберем начальное число 46; тогда получим

Но распределение чисел Неймана недостаточно равномерно (преобладают значения что хорошо видно на приведенном примере), и сейчас их редко употребляют.

Наиболее употребителен сейчас несложный и неплохой алгоритм, связанный с выделением дробной части произведения

где А - очень большая константа (фигурная скобка обозначает дробную часть числа). Качество псевдослучайных чисел сильно зависит от выбора величины А: это число в двоичной записи должно иметь достаточно «случайный» хотя его последний разряд следует брать единицей. Величина слабо влияет на качество последовательности, но было отмечено, что некоторые значения оказываются неудачными.

При помощи экспериментов и теоретического анализа исследованы и рекомендуются такие значения: для БЭСМ-4; для БЭСМ-6. Для некоторых американских ЭВМ рекомендуются и эти цифры связаны с количеством разрядов в мантиссе и порядке числа, поэтому для каждого типа ЭВМ они свои.

Замечание 1. В принципе формулы типа (54) могут давать очень длинные хорошие последовательности, если записывать их в нерекуррентном виде и все умножения выполнять без округления. Обычное округление на ЭВМ ухудшает качество псевдослучайных чисел, но тем не менее до членов последовательности обычно годятся.

Замечание 2. Качество последовательности улучшается, если ввести в алгоритм (54) небольшие случайные возмущения; например, после нормализации числа полезно засылать в последние двоичные разряды его мантиссы двоичный порядок числа

Строго говоря, закономерность псевдослучайных чисел должна быть незаметна по отношению к требуемому частному применению. Поэтому в несложных или удачно сформулированных задачах можно использовать последовательности не очень хорошего качества, но при этом необходимы специальные проверки.

Произвольное распределение. Для разыгрывания случайной величины с неравномерным распределением можно воспользоваться формулой (52). Разыграем у и определим из равенства

Если интеграл берется в конечном виде и формула несложна, то это наиболее удобный способ. Для некоторых важных распределений - Гаусса, Пуассона - соответствующие интегралы не берутся и разработаны специальные способы разыгрывания.

Метод обратных функций

Пусть требуется разыграть непрерывную случай­ную величину X , т. е. получить последовательность ее возможных значений x i (i = 1,2, ...), зная функцию распределения F (х ).

Теорема. Если r i ,-случайное число, то возможное зна­чение x i разыгрываемой непрерывной случайной величины Х с заданной функцией распределения F (х ), соответствующее r i , является корнем уравнения

F (х i )= r i . (»)

Доказательство. Пусть выбрано случайное число r i (0≤r i <1). Так как в интервале всех возможных зна­чений Х функция распределения F (х ) монотонно возра­стает от 0 до 1, то в этом интервале существует, причем только одно, такое значение аргумента х i , при котором функция распределения примет значение r i . Другими словами, уравнение (*) имеет единственное решение

х i = F - 1 (r i ),

где F - 1 - функция, обратная функции у= F (х ).

Докажем теперь, что корень х i уравнения (*) есть возможное значение такой непрерывной случайной вели­чины (временно обозначим ее через ξ , а потом убедимся, что ξ=Х ). С этой целью докажем, что вероятность попа­дания ξ в интервал, например (с, d ), принадлежащий интервалу всех возможных значений X , равна прираще­нию функции распределения F (х ) на этом интервале:

Р (с< ξ < d )= F (d )- F (с ).

Действительно, так как F (х )- монотонно возрастаю­щая функция в интервале всех возможных значений X, то в этом интервале большим значениям аргумента соот­ветствуют большие значения функции, и обратно. Поэтому, если с <х i < d , то F (c )< r i < F (d ), и обратно [учтено, что в силу (*) F (х i )=r i ].

Из этих неравенств следует, чтоесли случайная величина ξ заключена в интервале

с< ξ < d , ξ (**)

то случайная величина R заключена в интервале

F (с )< R < F (d ), (***)

и обратно. Таким образом, неравенства(**) и (***) рав­носильны, а, значит, и равновероятны:

Р (с < ξ< d )=Р [F (с )< R < F (d )]. (****)

Так как величина R распределена равномерно в ин­тервале (0,1), то вероятность попадания R в некоторый интервал, принадлежащий интервалу (0,1), равна его длине (см. гл. XI, § 6, замечание). В частности,

Р [F (с )< R < F (d ) ] = F (d ) - F (с ).

Следовательно, соотношение (****) можно записать в виде

Р (с < ξ< d )= F (d ) - F (с ).

Итак, вероятность попадания ξ в интервал (с, d ) равна приращению функции распределения F (х ) на этом интер­вале, а это означает, что ξ=Х. Другими словами, числа х i , определяемые формулой (*), есть возможные значения величины Х с заданной функцией распределения F (х ), что и требовалось доказать.

Правило 1. х i , непрерывной случайной величины X, зная ее функцию распределения F (х ), надо выбрать случайное число r i приравнять его функции распределения и решить отно­сительно х i , полученное уравнение

F (х i )= r i .

Замечание 1. Если решить это уравнение в явном видене удается, то прибегают к графическим или численным методам.

Пример I. Разыграть 3 возможных значения непрерывной слу­чайной величины X, распределенной равномерно в интервале (2, 10).

Решение. Напишем функцию распределения величины X, рас­пределенной равномерно в интервале (а, b ) (см. гл. XI, § 3, пример):

F (х )= (х-а )/ (b -а ).

По условию, а = 2, b =10, следовательно,

F (х )= (х- 2)/ 8.

Используя правило настоящего параграфа, напишем уравнение для отыскания возможных значений х i , для чего приравняем функцию распределения случайному числу:

(х i -2 )/8= r i .

Отсюда х i =8 r i + 2.

Выберем 3 случайных числа, например, r i =0,11, r i =0,17, r i =0,66. Подставим эти числа в уравнение, разрешенное относительно х i , в итоге получим соответствующие возможные значенияX : х 1 =8·0,11+2==2,88; х 2 =1.36; х 3 = 7,28.

Пример 2. Непрерывная случайная величина Х распределенапопоказательному закону, заданному функцией распределения (параметр λ > 0 известен)

F (х )= 1 - е - λ х (х>0 ).

Требуется найти явную формулу для разыгрывания возможных зна­чений X.

Решение. Используя правило настоящего параграфа, напишем уравнение

1 - е - λ х i

Решим это уравнение относительно х i :

е - λ х i = 1 - r i , или - λ х i = ln (1 - r i ).

х i =1п (1– r i )/λ.

Случайное число r i заключено в интервале (0,1); следовательно, число 1 - r i , также случайное и принадлежит интервалу (0,1). Дру­гими словами, величины R и 1 - R распределены одинаково. Поэтому для отыскания х i можно воспользоваться более простой формулой:

x i =- ln r i /λ.

Замечание 2. Известно, что (см. гл. XI, §3)

В частности,

Отсюда следует, что если известна плотность вероятности f (x ), то для разыгрывания Х можно вместоуравнений F (x i )=r i решить относительно x i уравнение

Правило 2. Для того чтобы найти возможное значение х i (непрерывной случайной величины X, зная ее плот­ность вероятности f (x ) надо выбрать случайное число r i и решить относительно х i , уравнение

или уравнение

где а- наименьшее конечное возможное значение X.

Пример 3. Задана плотность вероятности непрерывной случайной величины Х f (х )=λ (1-λх /2) в интервале (0; 2/λ); вне этого интер­вала f (х )= 0. Требуется найти явную формулу для разыгрывания возможных значений X.

Решение. Напишем в соответствии с правилом 2 уравнение

Выполнив интегрирование и решив полученное квадратное уравнение относительно х i , окончательно получим

ЛАБОРАТОРНАЯ РАБОТА ММ- 03

РАЗЫГРЫВАНИЕ ДИСКРЕТНЫХ И НЕПРЕРЫВНЫХ СВ

Цель работы: изучение и программная реализация методов разыгрывания дискретных и непрерывных СВ

ВОПРОСЫ ДЛЯ ИЗУЧЕНИЯ ПО КОНСПЕКТУ ЛЕКЦИЙ:

1. Дискретные случайные величины и их характеристики.

2. Разыгрывание полной группы случайных событий.

3. Разыгрывание непрерывной случайной величины методом обратной функции.

4. Выбор случайного направления в пространстве.

5. Стандартное нормальное распределение и его пересчет для заданных параметров.

6. Метод полярных координат для разыгрывания нормального распределения.

ЗАДАЧА 1. Сформулировать (письменно) правило разыгрывания значений дискретной СВ, закон распределения которой задан в виде таблицы. Составить подпрограмму-функцию для разыгрывания значений СВ с использованием БСВ, получаемых от подпрограммы ГСЧ. Разыграть 50 значений СВ и вывести их на экран.

Где N – номер варианта.

ЗАДАЧА 2. Дана функция плотности распределения f(x) непрерывной случайной величины X.

В отчете записать формулы и вычисление следующих величин:

А) константу нормировки;

Б) функцию распределения F(x);

В) математическое ожидание M(X);

Г) дисперсию D(X);

Д) формулу для разыгрывания значений СВ по методу обратной функции.

Составить подпрограмму-функцию для разыгрывания заданной СВ и получить 1000 значений этой СВ.

Построить гистограмму распределения полученных чисел по 20 отрезкам.

ЗАДАЧА 3. Составить процедуру, позволяющую разыграть параметры случайного направления в пространстве. Разыграть 100 случайных направлений в пространстве.

Использовать встроенный датчик псевдослучайных чисел.

Письменный отчет по лабораторной работе должен содержать:

1) Название и цель работы, группу, фамилию и номер варианта студента;

2) По каждой задаче: -условие, -необходимые формулы и математические преобразования, -имя программного файла, реализующего используемый алгоритм, -результаты вычислений.

Отлаженные программные файлы сдаются вместе с письменным отчетом.

ПРИЛОЖЕНИЕ

Варианты плотности распределения непрерывной СВ

Пусть требуется разыграть непрерывную случайную величину X, т.е. получить последовательность ее возможных значений (i=1, 2, ..., n), зная функцию распределения F(x).

Теорема. Если - случайное число, то возможное значение разыгрываемой непрерывной случайной величины X с заданной функцией распределения F (х), соответствующее , является корнем уравнения .

Правило 1. Для того чтобы найти возможное значение , непрерывной случайной величины X, зная ее функцию распределения F (х), надо выбрать случайное число , приравнять его функции распределения и решить относительно полученное уравнение .

Замечание 1. Если решить это уравнение в явном виде не удается, то прибегают к графическим или численным методам.

Пример 1. Разыграть 3 возможных значения непрерывной случайной величины X, распределенной равномерно в интервале (2, 10).

Решение: Напишем функцию распределения величины X, распределенной равномерно в интервале (а, b): .

По условию, а=2, b=10, следовательно, .

Используя правило 1, напишем уравнение для отыскания возможных значений , для чего приравняем функцию распределения случайному числу:

Отсюда .

Выберем 3 случайных числа, например, , , . Подставим эти числа в уравнение, разрешенное относительно ; в итоге получим соответствующие возможные значения X: ; ; .

Пример 2. Непрерывная случайная величина X распределена по показательному закону, заданному функцией распределения (параметр известен) (х >0). Требуется найти явную формулу для разыгрывания возможных значений X.

Решение: Используя правило, напишем уравнение .

Решим это уравнение относительно : , или .

Случайное число заключено в интервале (0, 1); следовательно, число - также случайное и принадлежит интервалу (0,1). Другими словами, величины R и 1-R распределены одинаково. Поэтому для отыскания можно воспользоваться более простой формулой .

Замечание 2. Известно, что .

В частности, .

Отсюда следует, что если известна плотность вероятности , то для разыгрывания X можно вместо уравнений решить относительно уравнение .

Правило 2. Для того чтобы найти возможное значение непрерывной случайной величины X, зная ее плотность вероятности , надо выбрать случайное число и решить относительно уравнение или уравнение , где а - наименьшее конечное возможное значение X.

Пример 3. Задана плотность вероятности непрерывной случайной величины X в интервале ; вне этого интервала . Требуется найти явную формулу для разыгрывания возможных значений X.

Решение: Напишем в соответствии с правилом 2 уравнение .

Выполнив интегрирование и решив полученное квадратное уравнение относительно , окончательно получим .

18.7 Приближённое разыгрывание нормальной случайной величины

Напомним предварительно, что если случайная величина R распределена равномерно в интервале (0, 1), то ее математическое ожидание и дисперсия соответственно равны: М(R)=1/2, D(R)=1/12.

Составим сумму n независимых, распределенных равномерно в интервале (0, 1) случайных величин : .

Для нормирования этой суммы найдем предварительно ее математическое ожидание и дисперсию.

Известно, что математическое ожидание суммы случайных величин равно сумме математических ожиданий слагаемых. Сумма содержит n слагаемых, математическое ожидание каждого из которых в силу М(R)=1/2 равно 1/2; следовательно, математическое ожидание суммы

Известно, что дисперсия суммы независимых случайных величин равна сумме дисперсий слагаемых. Сумма содержит n независимых слагаемых, дисперсия каждого из которых в силу D(R)=1/12 равна 1/12; следовательно, дисперсия суммы

Отсюда среднее квадратическое отклонение суммы

Пронормируем рассматриваемую сумму, для чего вычтем математическое ожидание и разделим результат на среднее квадратическое отклонение: .

В силу центральной предельной теоремы при распределение этой нормированной случайной величины стремится к нормальному с параметрами а=0 и . При конечном n распределение приближенно нормальное. В частности, при n=12 получим достаточно хорошее и удобное для расчета приближение .

Оценки удовлетворительные: близко к нулю, мало отличается от единицы.

Список использованных источников

1. Гмурман В.Е. Теория вероятностей и математическая статистика. – М.:Высшая школа, 2001.

2. Калинина В.Н., Панкин В.Ф. Математическая статистика. – М.: Высшая школа, 2001.

3. Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике. – М.: Высшая школа, 2001.

4. Кочетков Е.С., Смерчинская С.О., Соколов В.В. Теория вероятностей и математическая статистика. – М.:ФОРУМ:ИНФРА-М, 2003.

5. Агапов Г.И. Задачник по теории вероятностей. – М.: Высшая школа, 1994.

6. Колемаев В.А., Калинина В.Н. Теория вероятностей и математическая статистика. – М.: ИНФРА-М, 2001.

7. Вентцель Е.С. Теория вероятностей. – М.: Высшая школа, 2001.