Метод последовательного моделирования

 

Моделирование п - мерной случайной величины (вектора)  заданного совместной

 

                           (6.24)

 

функцией плотности

 

сводится к последовательной выработке реализаций скалярных величин .

Сначала предположим, что все случайные величины  независимы, тогда

 

                                (6.25)

 

Следовательно, каждую  из случайных величин  можно моделировать независимо друг от друга, например методом обратной функции. Если же данные

 

 

случайные величины зависимы, то

 

                (6.26)

 

Пример1. Рассмотрим двумерную случайную величину  = (1,2) с функцией плотности f(x1, х2) = 6х2, которая может принимать значения в треугольнике x1

 

+ x2<1, x1>0, x2>0.

 

Определим f 1 (x1) и f2(x2/x1) Тогда из уравнений метода обратной функции

 

 

тогда из уравнений метода обратной функции

определим

 

 

Алгоритм метода последовательного моделирования состоит из двух этапов - предварительного и основного.

Предварительный этап

Шаг 1. Определение функций плотностей

Шаг 2. Решение интегральных уравнений

относительно xk т.е. определение зависимостей

Основной этап

Шаг 3. Положить i = 1.

Шаг 4. Положить k = 1.

Шаг 5. Получить реализацию z базовой случайной величины

Шаг 6. Проверить выполнение условия k = 1. При нарушении этого условия  переход на

шаг 8.

Шаг 7. Вычисление х1 = F1-1 (z). Переход на шаг 9.

Шаг 8. Вычисление х1 = Fk-1 (zk, x1,..., xk-1).

Шаг 9. Принять k = k+1.

Шаг 10. Проверить условие k > п. При нарушении этого условия возврат на шаг 5.

Шаг 11.Выводит x[i] = (х1,х2, ...,xk-1).

Шаг 12. Принять i= i +1.

Шаг 13. Проверить условие завершения счета i > N. При нарушении этого условия возврат на шаг 4.

Шаг 14. Конец.

Метод последовательного моделирования, к сожалению, является очень громоздким даже при небольшой размерности моделируемого вектора. Более экономичным по объему требуемых вычислений является метод исключения Неймана.