Реферат Курсовая Конспект
Моделирование случайных величин с дискретными распределениями - раздел Высокие технологии, Федеральное Агентство По Образованию Государственное Образовательное...
|
ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ
Государственное образовательное учреждение высшего профессионального образования
«САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
АЭРОКОСМИЧЕСКОГО ПРИБОРОСТРОЕНИЯ»
КАФЕДРА № 43
Отчет защищен:
Преподаватель:
Гурнов К. Б. | ||||
должность, уч. степень, звание | подпись, дата | инициалы, фамилия |
Отчет по лабораторной работе № 1 |
«Моделирование случайных величин с дискретными распределениями». |
по дисциплине: Компьютерное моделирование сложных систем |
Вариант 12 |
РАБОТУ ВЫПОЛНИЛА:
Студентка | Иванина Е.В. | ||||
подпись, дата | инициалы, фамилия |
Санкт-Петербург
2009
Цель работы: Изучение способов воспроизведения на ЭВМ случайных данных с дискретными законами распределения и определения их статистических характеристик.
Задание:
Биноминальное распределение m=20, k=1,2..20, p=0.8
ПОРЯДОК ВЫПОЛНЕНИЯ ЛАБОРАТОРНОЙ РАБОТЫ
ВЫПОЛНЕНИЕ РАБОТЫ
1.
Размер выборки
Количество испытаний в схеме Бернулли
Вероятность успеха в одиночном испытании
Получаем выборку с параметрами m и p
Ранжируем выборку
Получаем вариационный ряд
Получаем относительные частоты каждой случайной
величины
Полигон и закон распределения
wk - на графике отображает распределение нашей полученной случайной величины
dbinom(k, m, p)- на графике отображает распределение Бернулли
2.
Относительно накопленные частоты
Кумулятивная кривая и функция распределения
pbinom(k, m, p) на графике отражает функцию распределения нашей полученной случайной случайно величины
wHk на графике отображает функцию распределения по Бернулли
3.
Повторим действия, описанные в п.1 и п.2 не менее четырёх раз при увеличивающихся объёмах выборки
Размер выборки
Количество испытаний в схеме Бернулли
Вероятность успеха в одиночном испытании
Получаем выборку с параметрами m и p
Ранжируем выборку
Получаем вариационный ряд
Получаем относительные частоты каждой случайной
величины
Полигон и закон распределения
wk - на графике отображает распределение нашей полученной случайной величины
dbinom(k, m, p)- на графике отображает распределение Бернулли
Относительно накопленные частоты
Кумулятивная кривая и функция распределения
pbinom(k, m, p) на графике отражает функцию распределения нашей полученной случайной случайно величины
wHk на графике отображает функцию распределения по Бернулли
Размер выборки
Количество испытаний в схеме Бернулли
Вероятность успеха в одиночном испытании
Получаем выборку с параметрами m и p
Ранжируем выборку
Получаем вариационный ряд
Получаем относительные частоты каждой случайной
величины
Полигон и закон распределения
wk - на графике отображает распределение нашей полученной случайной величины
dbinom(k, m, p)- на графике отображает распределение Бернулли
Относительно накопленные частоты
Кумулятивная кривая и функция распределения
pbinom(k, m, p) на графике отражает функцию распределения нашей полученной случайной случайно величины
wHk на графике отображает функцию распределения по Бернулли
Размер выборки
Количество испытаний в схеме Бернулли
Вероятность успеха в одиночном испытании
Получаем выборку с параметрами m и p
Ранжируем выборку
Получаем вариационный ряд
Получаем относительные частоты каждой случайной
величины
Полигон и закон распределения
wk - на графике отображает распределение нашей полученной случайной величины
dbinom(k, m, p)- на графике отображает распределение Бернулли
Относительно накопленные частоты
Кумулятивная кривая и функция распределения
pbinom(k, m, p) на графике отражает функцию распределения нашей полученной случайной случайно величины
wHk на графике отображает функцию распределения по Бернулли
4.
задаем вероятность
формируем выборку с параметрами n, m, po
вычисление выборочного геометрического
среднего
задаем вероятность
формируем выборку с параметрами n, m, po
вычисление выборочного геометрического
среднего
задаем вероятность
формируем выборку с параметрами n, m, po
вычисление выборочного геометрического
среднего
задаем вероятность
формируем выборку с параметрами n, m, po
вычисление выборочного геометрического
среднего
задаем вероятность
формируем выборку с параметрами n, m, po
вычисление выборочного геометрического
среднего
Зависимость геометрического среднего от вероятностей
5. Выполнение интегральной теоремы Муавра-Лапласа по схеме Бернулли
Объем выборки
Вероятность успеха в одиночном испытании
Количество испытаний в схеме Бернулли
Получаем выборку с параметрами m и p
Ранжируем выборку
Получаем вариационный ряд
Получаем относительные частоты каждой случайной
величины
Вычисляем нормированную величину ζ
[a, b] – интервал
Φ(…) – интеграл вероятностей
Относительная частота попаданий величины ζ в интервал [a, b] стремится к этой разности
Вывод по работе:В ходе выполнения данной лабораторной работы я изучила способы воспроизведения на ЭВМ случайных данных с дискретными законами распределения и определения их статистических характеристик.
- Был изучен более подробно закон распределения Бернулли;
- Проиллюстрировано выполнение теоремы Гливенко-Кантелли;
- Проиллюстрировано выполнение закона больших чисел в форме Хинчина;
- Проиллюстрировано выполнение интегральной теоремы Муавра-Лапласса.
– Конец работы –
Используемые теги: моделирование, случайных, величин, дискретными, распределениями0.092
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Моделирование случайных величин с дискретными распределениями
Если этот материал оказался полезным для Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Твитнуть |
Новости и инфо для студентов