Моделирование нормального распределения

 

Нормальное, или гауссово распределение - это одно из наиболее важных и часто используемых непрерывных распределений. Функция плотности нормального распределения

 

, -∞<x<∞

 

Математическое ожидание  M[η]=mx

Дисперсия   D[η]=σ2x

Для моделирования нормально распределенной случайной величины η существует несколько алгоритмов.

Пусть η  и τ - две независимые случайные величины с нормированными нормальными законами распределения. Их реализации обозначим соответственно через х и у. Представим  и т координатами точки А в декартовой системе координат. Тогда полярными координатами точки А будут величины

 

и  

 

с функциями плотности

и 

 

где r и - реализации случайных величин R и . Тогда, вычислив, например, по методу обратной функции реализации r и полярных координат, можно найти реализации х,  у  декартовых координат точки  А

 

                           (6.22)

 

Очевидно, для моделирования реализации случайной величины с нормальным законом распределения можно использовать любую из формул (6.22). Например, первую из них:

 

 

Учитывая, что вычисления по формулам (6.22) связаны со значительными затратами машинного времени, американец Марсалья Г. модифицировал метод полярных координат.

Алгоритм Марсалья:

Шаг 1. Положить j = 1, i = 1.

Шаг 2. Получить две независимые реализации z2j-1, и z2j базовой

случайной величины .

Шаг 3.  Принять

Шаг 4.  Проверить условие     При нарушении этого условия возврат на шаг 2.

Шаг 5. Вычислить реализации хi и уi по формулам

Принять i = i+l.

Шаг 7. Проверить условие i > n, где n - требуемое число реализаций.

При нарушении этого условия переход на шаг 2.

Шаг 8. Вывод хi и уi

Для моделирования реализации одной Случайной величины на шаге 5 достаточно использовать лишь одну из формул (6.22).