Моделирование гамма-распределения

 

Случайная величина n с функцией плотности

 

  ,          (6.23)

 

где α >0, k> 0,х>=0 подчиняется гамма-распределению.

Математическое ожидание и дисперсия соответственно равны

       M[η]=mx=k/α,   D[η]=σ2x=k/α2

Многие неотрицательные величины, характеризующие какие-либо случайные явления, можно описать с помощью гамма-распределения. Действительно, так как параметры α и k определяют масштаб и форму закона распределения (рис. 6.15), то при изменении значений этих параметров плотность гамма-распределения может принимать самые различные формы и, следовательно, делает этот закон одним из наиболее универсальных и ценных в прикладном отношении.

Для определения значений параметров гамма-распределения можно использовать выражения

 

             и      

 

Гамма-распредедение интересно и тем, что оно тесно связано с целым рядом других полезных распределений. Например, если k = 1 и а - константа, то моделируется случайная величина с экспоненциальным распределением. Если k имеет целочисленное значение, т гамма-распределение обычно называется распределением Эрланга k-го порядка. Далее,

Рис.6.15

 

если  = 1, то с ростом k гамма-распределение приближается к нормальному. Положив k = 1/2 и а = 2 (l - число степеней свободы), можно получить распределение .

Вычисление реализации гамма-распределения осуществляется по формуле

 

,

 

которая является обобщением формулы  , полученной по методу обратной функции при k=1.

Алгоритм для моделирования гамма-распределения:

Шаг 1. Положить i= 1.

Шаг 2. Положить S=1, j=1.

Шаг 3. Получить реализацию zj  базовой случайной величины ξ.

Шаг 4. Установить S=S*z  и j=j+1.

Шаг 5. Проверить j > k. При нарушении этого условия возврат на шаг 3.

Шаг 6. Вычислить  и принять i = i + 1.

Шаг 7. Проверить условие окончания счета j > п. При нарушении этого условия переход на шаг 2.

Шаг 8. Вывод {xi}.