Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Задачи моделирования случайных процессов, имеющих место в системах передачи и обработки сигналов, часто приводят к необходимости получения СВ с негауссовским законом распределения. Наиболее эффективным аналитическим методом получения негауссовских СВ является метод монотонного нелинейного преобразования (метод обратных функций).
Найдем закон распределения величины y полученной нелинейным преобразованием непрерывной СВ x (рис. 2.1). Будем считать, что существует взаимно однозначное преобразование . Обратное преобразование обозначим
Рис. 1. Функциональное преобразование случайной величины
Из рис. 1 видно, что всегда, когда СВ x попадает в интервал СВ y попадает в интервал . Поэтому выполняется равенство , откуда следует, что и при получаем соотношение
(1) |
Рассмотрим типичный пример получения СВ с заданным законом распределения из СВ с равномерным распределением. Пусть задана СВ x с равномерным законом распределения w (x)=1, x ∈[0, 1], необходимо получить случайное число y с заданным законом распределения w (y), которому соответствует некоторое нелинейное преобразование, например, . Далее по формуле (1) получаем плотность вероятности
Теперь решим обратную задачу: найдем вид преобразования ψ(x) по заданной плотности распределения , y = ψ(x). Для этого проинтегрируем левую и правую части (1)
(2) |
откуда находим функцию распределения F (y), тогда СВ y можно найти с помощью преобразования y = ψ(x).
Описанный выше метод моделирования называется методом обратных функций. Для моделирования СВ с заданной функцией распределениянеобходимо осуществить нелинейное преобразование вида
(3) |
Формула (3) означает решение уравнения
(4) |
где означает, что СВ x имеет равномерное распределение на отрезке [0, 1].
Комбинируя формулы (2) и (3), можно по реализации СВ x с произвольной функцией распределения моделировать величины с требуемой функцией распределения F (y). Моделирующий алгоритм дает суперпозиция нелинейных преобразований (2) и (3):
Получим с помощью метода обратных функций моделирующие алгоритмы для ряда распределений, используемых при моделировании случайных процессов и полей.
Рассмотрим СВ с рэлеевским законом распределения. В этом случае плотность распределения вероятностей (ПРВ), функция распределения, среднее значение и дисперсия имеют соответственно вид:
,
где σ — параметр рэлеевского распределения. При этом СВ y можно получить решая уравнение (4), откуда получаем:
(5) |
где x - равномерно распределенная в интервале [0, 1] СВ (переход от ln(1− x) к ln x в последней формуле основан на том, что СВ 1− x и x имеют здесь одинаковые законы распределения).
Аналогично, для получения СВ, описывающей интервалы времени между соседними заявками, поступающими на вход телекоммуникационной системы и имеющей показательный закон распределения
, y ≥ 0,
решая уравнение F (y) = x, т.е. , находим обратную функцию Таким образом, показательную СВ y можно сформировать из равномерной СВ x с помощью функционального преобразования
Путём преобразований
(6) |
можно сформировать СВ, распределенные соответственно по закону арксинуса
и закону Коши
Используя свойство симметрии тригонометрических функций, нетрудно убедиться, что закон распределения СВ у, формируемых согласно алгоритмам (6), не изменится, если аргумент π(x −1/ 2) у тригонометрических функций заменить аргументом 2 π x.
Рассмотрим СВ y, имеющую ПРВ:
Соответствующая функция распределения
Уравнение (2) в данном случае примет вид
Находя отсюда y, получим
где , r > 0.
Рассмотрим моделирование СВ с плотностью
(7) |
Интегрируя формулу (2.7), получим для функции распределения выражение
Отсюда получаем уравнение
из которого следует моделирующий алгоритм
К сожалению, не всегда существуют элементарные преобразования для получения СВ с заданным законом распределения из равномерно распределенных СВ. В частности, у СВ с нормальным распределением функция, обратная функции распределения, не выражается через элементарные функции. В подобных случаях для формирования СВ с заданным распределением используются различные аппроксимации функции , а также другие подходы к решению задачи моделирования.
Дата публикования: 2015-09-18; Прочитано: 547 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!