Содержание
-
Генераторы случайных чисел
-
Вероятность. Случайные величины с дискретным и непрерывным распределением Получение и тестирование случайных чисел Преобразование случайных величин
-
Несколько определений
События называются несовместными, если появление одного из них исключает появление других событий в одном и том же испытании. Несколько событий образуют полную группу событий, если в результате каждого испытания происходит хотя бы одно из них. События образуют полную группу,попарно несовместных событий, если в результате испытания появится одно и только одно из эти событий.
-
Непрерывная и дискретные случайные величины
Случайная величина называется дискретной, если принимаемые ею значения можно пронумеровать Непрерывная случайная величина задаётся интервалом, содержащим возможные значения этой величины, и плотностью распределения вероятности, которая определяется следующим соотношением: Здесь – (a’,b’)интервал, содержащийся внутри; P (a’
-
Генератор случайных чисел должен удовлетворять набору жёстких требований: Удовлетворять статистическим тестам Иметь как можно более длинный период Работать как можно быстрее Воспроизводить одну последовательность чисел необходимое число раз Получать одну и ту же последовательность на разных компьютерах.
-
Идея линейного конгруэнтного метода:Xn+1={ G(Xn) } Получение случайных чисел
-
Получение случайных чисел Линейный конгруэнтный метод Где а –множитель с – сдвиг m – модуль mod –операция взятия остатка от деления –начальное значение, «затравка» (seed) Свойства: последовательность периодична с периодом, не превышающим m все элементы этой последовательности однозначно определяются четырьмя параметрами: x0, a, c, m числа последовательности xn удовлетворяют неравенству xn
-
Линейный конгруэнтный метод
Преимущества: быстрота, за счет малого количества операций на байт простота реализации Недостатки: предсказуемы короткий период некоторые биты «менее случайны», чем другие (обычно это младшие двоичные разряды)
-
Генератор Лемера (Lehmer)
MINSTD (Park–Miller) a = 75 = 16 807 m = 231 -1 = 2 147 483 647 RANF a = 75 m = 216 -1 = 65 537 Наиболее популярные: RANDU a = 65539 m = 231 = 2 147 483 648
-
Минимальный генератор Парка‑Миллера(Miller “Minimal Standard” generator - MINSTD)
Не имеет сдвига Не требует отсечения «плохих» битов Простота Хорошее быстродействие Хорошее равномерное распределение
-
Алгоритм Шраге (Schrage)
При программной реализации MINSTD для корректного умножения двух 32-битных чисел по модулю 32-битного числа без переполнения 32-битной переменной использовался алгоритм Шраге. Модуль разлагается в выражение: m=a*q+r Если r
-
Получение случайных чисел метод Фибоначчи Рекуррентное соотношение: Xk-a … Xk-b … Xk-3 Xk-2 Xk-1 Xk где xk — вещественные числа из диапазона [0, 1), a, b — целые положительные числа, называемые «лагами»
-
Рулетка, поделённая на секторы разного размера так, что размер сектора пропорционален вероятности дискретной случайной величины. Простой способ реализации дискретного распределения случайной величины
-
Разыгрывание непрерывной случайной величины с произвольной плотностью распределения Чтобы получить распределение с заданной плотностью p(x) на интервале ( a;b) необходимо решить уравнение где y - число из равномерного распределения на интервале (0;1). Пример: экспоненциальное распределения на интервале (0;x) что распределено также, как и
-
Чтобы разыграть возможное значение нормальной случайной величины с параметрами σ=1 и а=0, надо сложить 12 случайных чисел из равномерного распределения на интервале (0,1) и из полученной суммы вычесть 6. Получение приближённого нормального распределения
Нет комментариев для данной презентации
Помогите другим пользователям — будьте первым, кто поделится своим мнением об этой презентации.