Zadanie 1 (Metoda odrzucania)
Transkrypt
Zadanie 1 (Metoda odrzucania)
Jakub Olczyk Rachunek prawdopodobie«stwa i statystyka semestr letni 2014/2015 Zadanie 1 ( Metoda odrzucania) Metoda odrzucania w ogólno±ci sprowadza si¦ do wykorzystania rozkªadu jednostajnego z przedziaªu [0,1] do generacji innych rozkªadów. Zgodnie z twierdzeniem podanym na wykªadzie, je»eli wektor losowy tajny na obszarze f. Wtedy f A = {(x, y) : 0 ≤ y ≤ f (x)} (X, Y ) ma rozkªad jednos- dla pewnej funkcji g¦sto±ci jest g¦sto±ci¡ X. Tak wi¦c metoda sprowadza si¦ do losowania punktów z pªaszczyzny i brania pod uwag¦ jedynie tych, które znajd¡ si¦ pod wykresem funkcji g¦sto±ci, a odrzucaniem tych innych. W efekcie otrzymujemy punkty wylosowane zgodnie z rozkªadem, który chcieli±my wygenerowa¢ za pomoc¡ funkcji f. W zadaniu mamy podane, »e symulacj¦ nale»y przeprowadzi¢ na obszarze [0, 1] × [0, 2.5]. Ogólny algorytm metody odrzucania mo»na zapisa¢ w nast¦pu- j¡cy sposób: Algorytm (Metoda odrzucania) [a, b] × [0, c] (U, V ), gdzie U, V ∼ U nif orm(0, 1) (X, Y ) o rozkªadzie jednostajnym w [a, b] × [0, c] Dla obszaru 1. wylosuj punkt 2. wylicz za pomoc¡ wzorów: X := a + (b − a) · U Y := c · V 3. Je»eli Y > f (X) odrzu¢ i wró¢ do 1. f (x). zmienn¡ losow¡ o g¦sto±ci 1 W przeciwnym wypadku X jest szukan¡ a) b e t a _ g e n e r a t o r <− f u n c t i o n ( ) { a l p h a <− b e t a <− a <− 0; b <− 1; 5.5; 3.1; c <− 2.5; X <− 0; Y <− c ; while (Y > gamma ( a l p h a + b e t a ) / ( gamma ( a l p h a ) ∗ gamma ( b e t a ) ) ∗ X^( a l p h a U <− V <− − 1 ) ∗ ( 1 −X) ^ ( b e t a − 1)){ runif (1); runif (1); X <− a + ( b−a ) ∗ U ; Y <− c ∗V ; } X } b) Kod sªu»¡cy do wygenerowania histogramu (doª¡czonego poni»ej) jak w zadaniu. n <− 2 0 0 0 0 ; B <− c ( ) ; while (n > 0) { B <− c ( B , b e t a _ g e n e r a t o r ( ) ) ; n <− n − 1; } b r e a k p o i n t s <−c ( 0 ) ; for ( i in 1:30){ b r e a k p o i n t s <−c ( b r e a k p o i n t s , b r e a k p o i n t s [ i ] + 1 / 3 0 ) } h i s t (B, b r e a k s=b r e a k p o i n t s , 2 r i g h t=TRUE ) ; c) Kod generuj¡cy wykres g¦sto±ci rozkªadu Beta poni»ej. Jak wida¢ wykres oraz histogram opisuj¡ bardzo podobny ksztaªt. n <− 2 0 0 0 0 ; X <− r b e t a ( n , 5 . 5 , 3 . 1 ) ; p l o t ( d e n s i t y (X) , main="F u n k c j a 3 gestosci rozkladu Beta " ) ; 4 Jakub Olczyk Rachunek prawdopodobie«stwa i statystyka semestr letni 2014/2015 Zadanie 2 ( Dzielony zasób) 1 Rozwi¡zanie : Oznaczmy przez T zmienn¡ losow¡, która b¦dzie opisywa¢ caªkowity czas, w którym dziaªaj¡ procesy. Jest on sum¡ poszczególnych czasów Ti wykorzystania procesora przez poszczególnych aktywnych u»ytkowników. T = T1 + T2 + T3 + . . . + TX X oznaczmy zmienn¡ losow¡ opisuj¡c¡ ilo±¢ aktywnych u»ytkowników, X ∼ Binom(C, p) . Ponadto ka»dy z u»ytkowników wª¡cza ilo±¢ procesów Yi ∼ Geom(q). Z tego wynika, »e czas poszczególnego u»ytkownika b¦dzie dany wzorem Ti = Ti,1 + . . . + Ti,Yi , który jest sum¡ Yi zmiennych o rozkªadzie Gamma(β, λ). Aby odpowiedzie¢ na pytanie dotycz¡ce P (T < 24h) nale»y wyliczy¢ ilo±¢ prób potrzebnych do uzyskania »¡danej precyzji (α = 0.01, = 0.01). SkorzyszPrzez wiemy »e tam ze wzoru : 2 2 N ≥ 0.25 zα/2 = 0.25 2.575 = 16577 0.01 gdzie zα/2 = z0.005 = 2.575 odczytaªem z tablic statystycznych dla rozkªadu normalnego, równie» z niego mo»na dowiedzie¢ si¦, »e Φ(2.575) ≈ 0.995, czyli tyle ile »¡daj¡ od nas w zadaniu. Liczba N jest uzasadnieniem skorzystania z rozkªadu normalnego. Nast¦pnie korzystaj¡c z pakietu R mo»na zasymulowa¢ i otrzyma¢ przybli»one wyniki. 1 M.Baron Probablity and Statistics for Computer Scientists 5 ss.114-118 N <− 1 6 5 7 7 ; C <− 2 5 0 ; p <− 0.3; q <− 0.15; b e t a <− 1 0 ; lambda <− 3; T o t a l <− c ( ) ; for ( i in 1 :N) { X <− r b i n o m ( 1 , C , p ) ; Y <− rgeom (X, q ) ; T a s k s <− sum (Y ) ; Time <− rgamma ( Tasks , b e t a , lambda ) ; T o t a l <−c ( T o t a l , sum ( Time ) ) ; } p r i n t ( mean ( T o t a l < p r i n t ( mean ( T o t a l ) ) ; p r i n t ( sd ( Total ) ) ; 1 4 4 0 ) ) ; # estymator # wartosc # ochylenie W moich symulacjach wynik dla oczekiwana standardowe P (T < 24h) ≈ 0.55. Za pomoc¡ ±redniej arytmetycznej mo»na oszacowa¢ warto±¢ oczekiwan¡ dla zmiennej losowej T. W moich symulacjach wynosiªa ona okoªo ET ≈ 1416 . Natomiast odchylenie standardowe wynosiªo okoªo Std(T ) ≈ 227 6