From Łukasz Graczykowski
(Difference between revisions)
|
|
| (4 intermediate revisions not shown) |
| Line 1: |
Line 1: |
| | + | <!-- |
| | {| align="right" | | {| align="right" |
| | | __TOC__ | | | __TOC__ |
| | |} | | |} |
| | + | |
| | | | |
| | == Zadanie == | | == Zadanie == |
| Line 41: |
Line 43: |
| | ''Część trzecia'': '''generacja liczb losowych oparta na transformacji rozkładu jednorodnego''' (3 pkt.) | | ''Część trzecia'': '''generacja liczb losowych oparta na transformacji rozkładu jednorodnego''' (3 pkt.) |
| | | | |
| - | Dowolna funkcja zmiennej losowej jest zmienną losową. Powstaje więc pytanie jaka jest gęstość zmiennej losowej Y jeżeli znana jest gęstość <code>f(x)</code>. Zakładamy że prawdopodobieństwo <code>g(y)dy</code> jest równe <code>f(x)dx</code> gdzie <code>dx</code> odpowiada wartością <code>dy</code>. Warunek jest spełniony dla odpowiednio małych <code>dx</code>. Wynika stąd, że: | + | Dowolna funkcja zmiennej losowej jest zmienną losową. Powstaje więc pytanie jaka jest gęstość zmiennej losowej Y jeżeli znana jest gęstość <code>f(x)</code>. Zakładamy, że prawdopodobieństwo <code>g(y)dy</code> jest równe <code>f(x)dx</code>, gdzie <code>dx</code> odpowiada wartością <code>dy</code>. Warunek jest spełniony dla odpowiednio małych <code>dx</code>. Wynika stąd, że: |
| | | | |
| | <code>g(y) = dx/dy f(x)</code> | | <code>g(y) = dx/dy f(x)</code> |
| Line 67: |
Line 69: |
| | ** standardowego generatora ROOT'a <code>gRandom->Rndm(1)</code>. | | ** standardowego generatora ROOT'a <code>gRandom->Rndm(1)</code>. |
| | * Narysować na jednym wykresie histogram (odpowiednio unormowany) oraz funkcję teoretyczną <code>f(x)</code> (obiekt <code>TF1</code>). (1 pkt.) | | * Narysować na jednym wykresie histogram (odpowiednio unormowany) oraz funkcję teoretyczną <code>f(x)</code> (obiekt <code>TF1</code>). (1 pkt.) |
| | + | |
| | | | |
| | == Uwagi == | | == Uwagi == |
| Line 98: |
Line 101: |
| | | | |
| | [[File:lab06_b_2.png]] | | [[File:lab06_b_2.png]] |
| | + | --> |
Latest revision as of 15:19, 24 February 2017
