- Преобразование Бокса
-
Преобразование Бокса — Мюллера — метод моделирования стандартных нормально распределённых случайных величин. Имеет два варианта. Метод является точным, в отличие, например, от методов основывающихся на центральной предельной теореме.
Метод был опубликован в 1958 году Джорджем Боксом и Мервином Мюллером.
Первый вариант
Пусть
и
— независимые случайные величины, равномерно распределённые на интервале (0, 1]. Вычислим
и
по формулам
Тогда
и
будут независимы и распределены нормально с математическим ожиданием 0 и дисперсией 1. При реализации на компьютере обычно быстрее не вычислять обе тригонометрические функции —
и
— а рассчитать одну из них через другую. Ещё лучше воспользоваться вместо этого вторым вариантом преобразования Бокса — Мюллера.
Второй вариант
Пусть
и
— независимые случайные величины, равномерно распределённые на отрезке [−1, 1]. Вычислим
. Если окажется, что
или
, то значения
и
следует «выбросить» и сгенерировать заново. Как только выполнится условие
, по формулам
и
следует рассчитать
и
, которые, как и в первом случае, будут независимыми величинами, удовлетворяющими стандартному нормальному распределению.
Коэффициент использования базовых случайных величин для первого варианта, очевидно, равен единице. Для второго варианта это отношение площади окружности единичного радиуса к площади квадрата со стороной два, т. е.
. Тем не менее, на практике второй вариант обычно оказывается быстрее, за счёт того, что в нём используется только одна трансцендентная функция,
. Это преимущество для большинства реализаций перевешивает необходимость генерации большего числа равномерно распределённых случайных величин.
Переход к общему нормальному распределению
После получения стандартной нормальной случайной величины
, можно легко перейти к величине
распределённой нормально с математическим ожиданием
и стандартным отклонением
по формуле
Это уже не является частью преобразования Бокса — Мюллера, но позволяет завершить генерацию нормальной случайной величины.
Категории:- Преобразования
- Генераторы псевдослучайных чисел
Wikimedia Foundation. 2010.