![]() |
Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | |
|
Методы генерирования произвольно распределенных случайных чисел с требуемыми динамическими свойствами носят название R -методов.
Произвольность распределения случайных чисел позволяет использовать в качестве исходных стандартные нормальные случайные числа. При этом выходные последовательности чисел, как правило, имеют нормальное распределение. Значение этого факта возрастает в связи со следующими обстоятельствами [12]:
- нормальные случайные процессы играют важную роль в приложениях и однозначно задаются матрицей корреляционных моментов;
- негауссовские случайные процессы часто появляются в результате некоторых известных преобразований гауссовских случайных процессов (так называемые квазинормальные случайные процессы) и их моделирование сводится к воспроизведению гауссовского случайного процесса с необходимыми вероятностно-статистическими свойствами и его преобразованию по известным алгоритмам;
- многомерные законы распределения вероятностей случайных процессов, не являющихся нормальными или квазинормальными, весьма трудно получить теоретически и экспериментально, в то время как корреляционные моменты определяются значительно проще.
Метод линейных преобразований. Он состоит в линейном преобразовании A исходных N чисел η с известными вероятностными свойствами, после чего полученные величины ξ должны иметь наперед заданную корреляционную матрицу
║Rξ║=║Rmn║, n,m=1,2,…,n
Пусть дано N независимых случайных чисел с нулевым математическим ожиданием и единичной дисперсией η(1), η (2),…, η (N)
M[η ]=0, σ[η ]=1, M[η (n), η (m)]= δnm=
Известно, что произвольное линейное преобразование A N-мерного вектора η сводится к умножению его на некоторую матрицу N-го порядка ║ξ║=║A║∙║η║, где ║η║=║ η(n)║, n=1,2, …,N и ║ξ║=║ξ(n)║, n=1,2,…,N - матрицы-столбцы с элементами η(1),…,η(N) и ξ(1),…,ξ(N) соответственно и ║A║=║anm║, n=1,2,…,N, m=1,2,…,N - квадратная матрица преобразований.
Выберем матрицу A треугольной, тогда
ξ(1) = a11∙ η(1),
ξ(2) = a21∙ η(1) + a22∙ η(2),
... (4.7)
ξ(N) = aN1∙ η(1) + aN1∙ η(2) + … + aNN∙ η(N).
Элементы матрицы ║A║ найдем из условий независимости исходных чисел и нулевого математического ожидания
M[η (n), η (m)]= δnm=
M[ξ(n),ξ (m)]= Rnm.
Из условий
M[ξ(1)ξ (1)]= a211=R11;
M[ξ(1)ξ (2)]= a11∙a21=R12;
M[ξ(2)ξ (2)]= a221+ a222=R22;
получим
a11= ; a21=R12 /
; a22=
. (4.8)
Действуя аналогично, можно найти последовательно все элементы матрицы ║A║.Тогда алгоритм выработки реализаций случайного процесса с заданной корреляцией сведется к умножению реализации исходного независимого процесса η(t) на матрицу преобразований ║A║. Процесс ξ(t) будет иметь нулевое математическое ожидание
Пример 4.12. Пусть требуется построить матрицу преобразований ║A║, позволяющую методом линейных преобразований прогенерировать три элемента реализации случайного процесса с корреляцией, определяемой матрицей
║Rξ║ =
и математическим ожиданием M[ξ]=5.
Решение 4.12. В соответствии с условием задачи матрица преобразований ║A║ имеет размерность 5 x 5, а ее элементы связаны с требуемыми корреляционными моментами известными из описания метода и вновь полученными в дополнение к (4.8) формулами
Следовательно, с учетом нового математического ожидания
Используя таблицу стандартных нормальных случайных чисел (приложение 3), выберем три числа, например, из четвертой строки: η(1)=1,002; η(2)=0,555; η(3)=0,046. (Напомним, что нормальные стандартные случайные числа независимы и имеют в совокупности нулевое математическое ожидание и единичное среднеквадратическое отклонение, что удовлетворяет условиям применения метода линейных преобразований).
Тогда
К достоинствам данного метода отнесем его легкую машинную реализацию, а к недостаткам - существенные затраты машинной памяти (матрица занимает 0,5·N·(n+1) слов) и значительные объемы вычислений.
Метод канонических разложений. Пусть непрерывный центрированный случайный процесс ξ(t) задан каноническим разложением
(4.9)
где Vk - некоррелированные случайные коэффициенты с параметрами M[Vk]=0 и σ[Vk]=σk; φk(t) - система некоторых детерминированных координатных функций.
Из условия некоррелированности коэффициентов Vk следуетаналогичное каноническое разложение корреляционной функции случайного процесса ξ(t):
Метод канонических разложений [12] осуществляется так: в процессе формирования дискретных реализаций ξ(n) они вычисляются непосредственно по формуле (4.9). При этом в качестве Vk используется выборочные значения некоррелированных случайных чисел с параметрами M[Vk]=0 и σ[Vk]=σk. Бесконечный ряд (4.9) при вычислениях приближенно заменяется усеченным конечным рядом.
Подготовительная работа состоит в выборе системы координатных функций φk(t) и в нахождении дисперсий σ2, то есть в осуществлении непосредственно канонического разложения. Эти действия проводятся по рекуррентным формулам
(4.10)
Использование такого представления метода канонических разложений позволяет воспроизводить случайный процесс с корреляционной функцией, совпадающей с требуемой в заданных дискретных точках tk, k=1,2,…,N. В промежутках же между этими точками получаемая корреляционная функция не совпадает с требуемой. Если дискретные точки выбрать так, что значения процесса в этих точках имеют высокую корреляцию между собой, то совпадение корреляционных функций будет достаточно хорошим.
Пример 4.13. Используя метод канонических разложений, прогенерировать три элемента (N=3) реализации случайного процесса ξ(t) с корреляционной функцией
Решение 4.13. Используя рекуррентные формулы (4.10), получаем
Используя случайные некоррелированные числа из предыдущего примера (η(1)=1,002; η(2)=0,555; η(3)=0,046) и получаемую из (4.9) формулу
(4.11)
имеем
Если моделируемый процесс является нормальным, то, положив распределение Vk также нормальным, можно воспроизводить дискретные реализации нормальных случайных процессов, заданных на конечном интервале времени.
Достоинства и недостатки метода канонических разложений совпадают с методом линейных преобразований. Достаточно убедиться, что алгоритмы (4.7) и (4.11) в точности совпадают, то есть
и т.д.
Метод скользящего суммирования. В отличие от ранее рассмотренных, данный R-метод позволяет воспроизводить реализации случайного процесса неограниченной длины.
Пусть дана последовательность независимых случайных чисел η(t) с M[η]=0 и σ[η ]=1, при этом
Дата публикования: 2015-01-23; Прочитано: 253 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!