45491

Моделирование случайных чисел с заданным

Доклад

Информатика, кибернетика и программирование

Для этого непрерывный закон распределения вероятности события дискретизируем. hi высота iого столбца fx распределение вероятности показывает насколько вероятно некоторое событие. Если точка в пересечении этих двух координат лежит ниже кривой плотности вероятности то событие X произошло иначе нет. Метод взятия обратной функции Допустим задан интегральный закон распределения вероятности где fx функция плотности вероятности.

Русский

2013-11-17

34.5 KB

8 чел.

3. Моделирование случайных чисел с заданным

законом распределения 

1. Метод ступенчатой аппроксимации

Необходимо равномерный ГСЧ превратить в датчик с заданным законом распределения. Для этого

непрерывный закон распределения вероятности события дискретизируем. hi - высота i-ого

столбца, f(x) - распределение вероятности (показывает насколько вероятно некоторое событие).

И переходим к вероятностям. Так как сумма вероятностей всех k событий равна 1, то далее

пользуемся методом моделирования группы несовместных событий.


Фрагмент алгоритма

2. Метод усечения

Используется в случае, когда функция задана аналитически (в виде формулы). Функцию

заключают в прямоугольник. На ось Y подают случайное равномерно распределенное число из

ГСЧ. На ось Х подают случайное равномерно распределенное число из ГСЧ. Если точка в

пересечении этих двух координат лежит ниже кривой плотности вероятности, то событие X произошло, иначе нет.


Фрагмент алгоритма

3. Метод взятия обратной функции

Допустим задан интегральный закон распределения вероятности, где f(x) - функция плотности вероятности.

Тогда достаточно разыграть случайное число

равномерно распределенное в интервале от 0 до 1. Поскольку функция F тоже изменяется в

данном интервале, то случайное событие можно определить взятием обратной функции по

графику или аналитически.

 

Пример: примем экспоненциальный закон распределения вероятности случайных событий

Заменяя F на случайное число r имеем


В статическом смысле (1-r) и r - это одно и тоже, то есть

Фрагмент алгоритма


 

А также другие работы, которые могут Вас заинтересовать

77376. О подсистеме истории в среде научной визуализации SharpEye 48.5 KB
  Обсуждаются пути реализации подсистемы редактируемой истории в возможности которой должны входить функции отката и повтора манипуляций проделанных пользователем сохранение и восстановлении подобранного вида сцены. Ключевые слова: научная визуализация система визуализации подключаемые внешние модули редактируемая истории откат повтор действий Введение В течение последних лет авторы разрабатывают среду ShrpEye конструктор систем научной визуализации [34]. Соответственно система должна предоставлять пользователю функционал...
77377. Функциональные возможности среды-конструктора систем научной визуализации SharpEye 38.5 KB
  Существующие системы научной визуализации можно разделить на три группы: универсальные системы (VIZIT, ParaView), системы, специализированные для некоторого класса задач (IVS3D, Venus, VolVis); и системы, специализированные для конкретной задачи. Недостатки первых двух групп – сложность в освоении, неизменность встроенных алгоритмов представления или высокая сложность их модификации.
77378. СИСТЕМА СОБЫТИЙНО-УПРАВЛЯЕМОЙ ТРАНСЛЯЦИИ LiME 34.5 KB
  Но архитектура мультиклеточных процессоров кроме повышения эффективности исполнения кода обладает рядом других важных и необходимых на практике возможностей таких как продолжение исполнения программы даже при выходе из строя части исполнительных устройств и группировка функциональные устройства более оптимальным для каждой конкретной задачи образом отключая при этом в целях экономии энергии устройства которые не используются и некоторые другие. В этой разработке самой первой из самых трудоёмких задач следует решить задачу по переводу...
77379. СОВРЕМЕННЫЕ МЕТОДЫ ВИЗУАЛИЗАЦИИ БОЛЬШИХ И СВЕРХБОЛЬШИХ ОБЪЁМНЫХ ДАННЫХ 30.5 KB
  Методы визуализации больших объёмных данных активно развиваются в том числе благодаря новым аппаратным средствам. В данной работе рассматриваются различные подходы к визуализации объёмных данных как с программной так и с аппаратной стороны актуальные на сегодняшний день. Также рассматривается специфика представления объёмных данных в памяти видеокарты и следующие из этого особенности и ограничения распределение задачи визуализации между GPU и CPU...
77380. Создание грид-сервисов для автоматизированной интеграции инженерных пакетов и интерактивных средств визуализации 38.5 KB
  Использование технологий Грид для обеспечения серьезных научных вычислений в интересах промышленности требует поддержки современных инженерных (Computer-Aided Engineering – CAE) пакетов. Инженерные пакеты, по сути, являются средами решения задач математической физики
77381. СРЕДА-КОНСТРУКТОР СИСТЕМ НАУЧНОЙ ВИЗУАЛИЗАЦИИ 33.5 KB
  В докладе сообщается о разрабатываемой авторами системе научной визуализации. В основе процесса научной визуализации лежит методика перевода абстрактных объектов в геометрические образы что дает возможность исследователю наблюдать результаты численного моделирования. Проблемой традиционных систем визуализации является жестко прописанный набор алгоритмов так что затруднена визуализация объектов образы которых строятся иными процедурами.
77384. Неопределённый интеграл 656.5 KB
  Понятие первообразной и неопределенного интеграла. Свойства неопределенного интеграла. Таблица основных неопределенных интегралов.