Обработка экспериментальных данных. Роганов В.Р - 122 стр.

   Предположим, что

                      F ( x) = pF1 ( x) + (1 − p ) F2 ( x), 0 < p < 1.

   Можно вычислить значение случайной величины X с распределением
F ( x) , определив сначала случайное число U . Если                 U < p , считаем, что X

имеет распределение F ( x) , определив сначала случайное число U . Если
U < p , считаем, что X имеет распределение F1 ( x) , если же U ≥ p , то X —

случайная величина с распределением F2 ( x) .

   Эта процедура может быть полезна, если p близко к единице, а F1 ( x) —
распределение, которое легко можно моделировать. Тогда, несмотря на тот,
что выработка случайных значений по распределению F2 ( x) может быть
более трудоемкой, чем для требующегося полного распределения F ( x) , более
трудные вычисления должны проводиться редко с вероятностью (1 − p) .

   В основе алгоритмов получения различных распределений, как правило,
лежат    последовательности        псевдослучайных              числе    с   равномерным
распределением.



                           § 7. Случайная выборка

   Особенностью авиационного тренажеростроения является необходимость
моделирования изменения состояния виртуальной среды вокруг обучаемого
в реальном масштабе времени, с полным циклом обработки информации за
60—120    мсек    [Роганов].      Необходимое             быстродействие       достигается
сокращением вычислений, проводимых в реальном масштабе времени за счет
использования различных таблиц, где в нереальном масштабе времени, при
разработке тренажера заранее рассчитаны все необходимые значения. Этот
прием    относится   и    к    формированию              различных       псевдослучайных
последовательностей. В итоге, решив задачу получения псевдослучайной
последовательности с заданным законом распределения и содержащего


                                           122