Главная Обратная связь Дисциплины:
Архитектура (936)
|
Числовые характеристики вероятностных распределений
Лабораторная работа № 2 Разработка имитационных моделей для исследования вероятностных распределений и их числовых характеристик Цель лабораторной работы: приобретение практических навыков разработки имитационных моделей для исследования вероятностных распределений и их числовых характеристик Краткие теоретические сведения
Пусть x Î R есть случайная величина с функцией распределения F(x) = P(x < x) , являющаяся математической моделью единичного наблюдения одной из компонент или одного из показателей, используемых в ходе имитационного эксперимента. Наибольшее распространение на практике имеют два класса функций распределения F(x) : 1) абсолютно-непрерывные 2) дискретные. В первом случае существует плотность распределения вероятностей случайной величины x : . (1) Во втором случае случайная величина x принимает значения из дискретного множества A = (a1, a2, ... , ak), a1 < a2 , ... < ak, k £ ¥ и имеет дискретное распределение вероятностей: . (2)
Моделирование дискретных случайных величин Для моделирования дискретных случайных величин на практике используются распределения: 1. Распределение Бернулли: . (3) 2. Биноминальное распределение: . (4) 3. Геометрическое распределение: . (5) 4. Отрицательное биноминальное распределение: . (6) 5. Гипергеометрическое распределение: . (7) 6. Распределение Пуассона: . (8) 7. Дискретное равномерное распределение: . (9) Дискретная случайная величина принимает N < ¥ заданных значений С0, С1, ... , СN-1 с вероятностями р0, р1, ... , рN-1. Количественную оценку точности моделирования дискретных случайных величин позволяет получить график эмпирических и теоретических частот. Моделирование непрерывных случайных величин Для моделирования непрерывных случайных величин x с плотностью вероятностей fx(x) на практике наиболее часто используются 14 распределений: 1. Равномерное распределение на отрезке [a, b]: . (10) 2. Нормальное (гауссовское) распределение: (11) 3. Экспоненциальное распределение:
. (12) 4. Распределение Лапласа:
. (13)
5. Логистическое распределение: . (14) 6. Гамма-распределение: . (15) Г(n) - гамма-функция.
7. Распределение Вейбулла-Гнеденко: . (16) 8. Бетта-распределение: . (17) 9. Хи-квадрат распределение: . (18) 10. Распределение Фишера: . (19) 11. Распределение Стьюдента: . (20) 12. Распределение Коши: . (21)
13. Логнормальное распределение:
. (22) 14. Смесь двух нормальных распределений: . (23) По выборке реализаций непрерывной случайной величины строятся график значений случайной величины и гистограмма, которые можно использовать для качественной оценки точности моделирования непрерывных случайных величин.
Числовые характеристики вероятностных распределений Множество числовых характеристик состоит из двух следующих подмножеств: 1. Числовые характеристики положения (сдвига): - математическое ожидание (среднее) ; (24) - медиана М: F(M) = 1/2; (25) - мода ; (26) -наибольшее а+ и наименьшее а- значения, . (27)
2. Числовые характеристики рассеяния (масштаба): - дисперсия ; (28) - среднеквадратическое (стандартное) отклонение: ; (29) - коэффициент вариации (если m ¹ 0) ; (30) - размах a = а+ - а- ; (31) - коэффициент ассиметрии ; (32) - коэффициент эксцесса (островершинности): . (33)
|