Формирование реализаций случайных векторов.

I. Метод, основанный на точном универсальном методе (используется для получения непрерывных векторов):

Пусть требуется получить последовательность возможных значений y_i, z_i случайных величин h, x, заданных совместной функцией плотности f(у, z).

Алгоритм:

1) находим частную функцию плотности распределения СВ x

¥

f_x(z) = ò f(y, z)dy (12.1)

-¥

2) определяется СЧ z_i с функцией плотности распределения f_x(z), используя прямой метод

z_i

x_j = ò f_x(z)dz (12.2)

-¥

где x_j - СВ с равномерным законом распределения

3) определяется условное распределение СВ h

f(y/z_i)

f_h(y/z_i) = (12.3)

f_x(z_i)

4) определяется значение СЧ y_i, используя прямой метод

y_i

x_j+1 = ò f_h(y/z_i)dy (12.4)

-¥

Недостатки и достоинства этого метода такие же, как и у прямого метода с заданным законом распределения. Этот метод используется также и для 2-х и

3-х мерных случаев.

II. Метод, основанный на методе розыгрыша по жребию:

СВ можно задать проекциями на оси координат, причем эти проекции являются СВ, которые описываются совместными законами распределения. В простейшем случае, когда рассматривается СВ, расположенная на плоскости XOY, эта СВ может быть задана совместным законом распределения в проекциях x и h на оси OX и OY.

Рассмотрим дискретный случайный процесс, когда двумерная СВ (x , h) является дискретной и ее составляющие x принимают значения x_1, ¼ x_n , а СВ h принимает значения y₁, ¼ y_n. Каждой паре (x_i, y_j) соответствует вероятность P_ij, при этих предположениях можно найти частное распределение СВ x, где каждому возможному значению x_i соответствует вероятность P_i

n

P_i = å P_ij (12.5)

j=1

y

(x_i, y_j)

y_j

x_i x

Алгоритм:

P₁ = P₁₁ + P₁₂ + ¼ +P_1n

_{. . .} (12.6)

_{. . .}

P_n = P_n1 + P_n2 + ¼ + P_nn

Берем z_k - СВ с равномерным законом распределения в интервале [0,1] - и, используя метод розыгрыша по жребию, определяем проекцию x_i.

Берем СВ z_k+1 с равномерным законом распределения в интервале [0, P_i] и, используя метод розыгрыша по жребию, определяем составляющую y_j, исходя из того, что уже определили x_i.

Достоинства и недостатки те же, что и в методе розыгрыша по жребию.

III. Метод с использованием корреляционной матрицы:

Пусть задан случайный вектор через математич. ожидание а₁, ¼ ,а_n, где каждое a_i - это математич. ожидание по соответствующей составляющей, и задана корреляционная матрица:

K₁₁ K₁₂ . . . K_1n

K₂₁ K₂₂ . . . K_2n

K = . . .

. . .

K_n1 K_n2 . . . K_nn

где K_ij = K_ji и является корреляционным моментом

K_ij при i = j - это дисперсия.

Пусть имеется последовательность {y_i} независимых СЧ с мат.ожиданием а и дисперсией s². {y_i} должна иметь тот же закон распределения, что и вектор.

Тогда реализации Z_i случайного вектора удобно определить в виде следующего линейного преобразования:

Z₁ = c₁₁ (y₁ - a) + a₁

Z₂ = c₁₂ (y₁ - a) +c₂₂ (y₂ - a) +a₂ (13.1)

. . . .

Z_n = c_1n (y₁ - a) + c_2n (y₂ - a) + ... + c_nn (y_n -a) +a_n

где соответствующие коэффициенты с определяются, исходя из следующего преобразования:

K_ij = c_1ic_1js² + c_2ic_2js² + ... + c_iic_ijs² (13.2)

Алгоритм:

1. Формируют СЧ y с законом распределения, соответствующим закону распределения вектора;

2. Из (13.2) определяют коэффициенты c_ij;

3. Значения c_ij подставляем в (13.1) и определяем составляющие вектора Z_i.

Определение необходимого числа реализаций

для достижения заданной точности.

Это случай, когда нет ограничений на вычисление ресурса.

Для обеспечения статистической устойчивости оценок результатов моделирования они вычисляются по большому количеству реализаций. Пусть в качестве оценки некоторого параметра а, который оценивается по результатам моделирования СВ x_i, выбирается некоторое `x. В силу ряда случайных причин а и `x будут отличаться друг от друга. Тогда неравенство ½a - `x ½£ e называется точностью, а вероятность этого неравенства P{½a - `x½£ e} = a называется достоверностью.