Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Рассмотрим моделирование непрерывной векторной СВ Ее полное описание задается совместной ПРВ , где T – символтранспонирования.
Стандартный метод моделирования векторных СВ основан на представлении
w (x) в виде произведения
частной (маргинальной) ПРВ величины ξ1и условных ПРВ ξ k при условии,что . Из формулы (17) следует, что вектор ξ, можетмоделироваться покомпонентно: сначала величина ξ1с ПРВ ,далее - ξ2по ПРВ , потом - ξ3как величина с ПРВ и т. д. Последней моделируется m -я компонента ξ m,имеющая ПРВ . Стандартныйметод требуетопределенной вычислительной работы, связанной с нахождением условных ичастных ПРВкомпонент. После вычисления ПРВ каждая компонентамоделируется как скалярная величина методами, изложенными выше.
Рассмотрим подробнее процесс моделирования многомерногонормального распределения. Случайный вектор имеетневырожденное m -мерное нормальное распределение, если его ПРВ имеет вид
где µ =(µ1,...,µ m) T - математическое ожидание ξ; R=[ρij]- заданная симметрическая положительно определенная m× m -матрица(x-µ) TR -1(x - µ) - квадратичная форма переменных x− µ с матрицей B = R -1. Матрица является ковариационной матрицей вектора ξ; обратная ей матрица B часто называется матрицей точности. Распределение (2.18) полностью описывается двумя параметрами: вектором µ и матрицей R. Далее используется краткое обозначение ξ~ N(µ, R).
Если математическое ожидание равно нулю, а корреляционная матрица R равна единичной матрице I, т. е. ξ~ N( 0 ,I), то распределение называется стандартным нормальным распределением. Стандартное распределение легко моделируется. Для этого нужно положить все компоненты ξ равными независимым реализациям СВξ~ N(0,1).
В общем случае распределение (18) моделируется с помощью линейного преобразования x = A x + µ, x ~ N (0, I). Здесь m× m -матрица A=[aij] определяется разложением ковариационной матрицы R в произведение двух треугольных матриц
R = AAT |
В уравнении (19) будем считать A нижней треугольной матрицей:
В этом случае явный вид коэффициентов ij a определяют следующие уравнения:
å |
r k 1- akjaij
a |
å |
akk = r kk - akj. (22) j =1
После определения a11 вычисление элементов A осуществляется пo строкам: сначала по формуле (20) вычисляется первый элемент ak 1k-й строки, далее по формуле (21) находятся последующие элементы ak 2,..., ak, k -1. Диагональный элемент вычисляется с помощью уравнения (22). После вычисления диагонального элемента осуществляется переход на следующую, (k +1)-юстроку.
Плохая обусловленность (вырожденность) матрицы A требует проверки на каждой строке условия akk < e*, k = 2,..., m, означающего линейную зависимость k-й компоненты вектора ξ. Здесь ε* - малое число. Если это условие выполняется, то нужно положить akk = 0, длина k-й строки L(k) совпадает с длиной предыдущей. Индекс l принимает значения 2,3,...,L(k) его предельное значение L (k) - переменно. Число L (k)является счетчиком числа линейно независимых элементов последовательности x1,...,xk. Присвоение L(k)последующего значения L (k +1)= L (k)+1осуществляется лишь при условии akk > e*. После расчета последней m-й строки значение L(m) равно рангу матрицы R.
2.5. Заключительные замечания
Существует довольно большое количество методов моделирования СВ. В данном разделе были изложены некоторые из них. При этом преследовалась цель привести примеры алгоритмов для моделирования СВ с распространенными законами распределения. Рассмотрим краткую сравнительную характеристику различных методов моделирования СВ и некоторые рекомендации для выбора того или иного подхода для решения конкретных задач.
В тех случаях, когда требуется высокая точность воспроизведения законов распределения СВ, целесообразно использовать методы моделирования, не обладающие методической погрешностью. К ним относятся описанные в пп. 2.2, 2.3 алгоритмы получения СВ (5), (6), (15), (16). Погрешностью таких алгоритмов часто можно пренебречь, так как она определяется лишь погрешностью выполнения на ЭВМ необходимых нелинейных преобразований и отклонением закона распределения исходных случайных чисел от равномерного. Примером систем, при моделировании которых может потребоваться высокая точность воспроизведения законов распределения СВ, являются системы приёма цифровых радиосигналов с низкой вероятностью ошибки(порядка10–4…10–6).
Другим достоинством указанных алгоритмов является простота подготовительной работы, так как преобразования равномерного закона в требуемый закон распределения даются в виде готовых аналитических зависимостей. Такие алгоритмы, кроме того, позволяют легко изменять форму закона распределения в процессе моделирования СВ. Например, изменение ПРВ семейства Райса, сводится к изменению по соответствующему закону только параметров a и σ в алгоритме (16).
Основным недостатком этих алгоритмов является сравнительно низкое быстродействие, так как выполнение на ЭВМ нелинейных преобразований часто требует довольно большого количества элементарных операций.
B задачах, не предъявляющих высоких требований к качеству СВ, для сокращения количества элементарных операций рекомендуется использовать более экономичные приближённые методы (п. 2.3).
Дата публикования: 2015-09-18; Прочитано: 397 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!