В частности, для моделирования случайных процессов, подчи няющихся нормальному закону распределения, в качестве исходной используют последовательность {ѵп} нормально распределенных случайных независимых величин с параметрами [0; 1]
{ѵп} =ѵ0, v l t щ, vn, . . .
Независимость элементов последовательности {ѵѣ} можно прове рить при помощи вычисления коэффициента корреляции по некото рой выборке объема N
N |
N |
|
|
2 |
2 («i — mv) |
(Vj—mv) |
|
где Vi — элементы выборки; |
2=1 |
|
|
|
|
У , - |
mv — математическое ожидание случайной величины |
Если коэффициент г близок к нулю, то элементы последователь ности можно считать некоррелированными. Для определения неза висимости используют критерий %2 [135].
Собственно случайная |
составляющая погрешности {£„} с помо |
щью последовательности |
{ѵп} формируется следующим |
образом: |
|
Си = О; • ѵ„. |
(553) |
( л = 1, 2, . . . N)
Нестационарный процесс с независимыми приращениями (состав ляющая {цп} во второй модели технологического процесса). Мож но получить также используя последовательность {ѵп} :
Рп = 2 |
Ь = °т |
S "Of |
(554) |
( л = |
1, 2, . . . |
ЛП |
|
Перейдем теперь к моделированию стационарных |
коррелирован |
ных случайных процессов^ В литературе описаны некоторые универсальные приемы, позво
ляющие реализовать стационарные случайные процессы с заданны ми вероятностными свойствами на ЦВМ [109, 140]. Наиболее общий из них [109] заключается в том, что заданная система конечномер ных распределений (если она является исходной) преобразуется в систему условных распределений, с помощью которых требуемый процесс строится шаг за шагом по известным правилам преобразо вания случайных величин. Недостатки этого алгоритма связаны с громоздкостью его реализации, трудностью имитации величин со сложными распределениями.
Модель процесса с заданными корреляционными свойствами строится следующим образом. Сначала вырабатывается последова тельность независимых величин, распределенных по нормальному закону. (Без нарушения общности совместные распределения веро-