Дополнение 1. Некоторые алгоритмы.

Ниже приведен фрагмент из Help-системы FOXPRO 2.5, относящийся к функциям, обеспечивающим генерирование случайных данных. Основываясь на этих примерах, Вам несложно будет реализовать все требуемых в задании программы.
1. RAND([<expN>]) возвращает случайное число между 0 и 1.
Аргумент позволяет Вам, определять значение начального числа, с тем, чтобы при использовании того же самого положительного значения для <expN> в первом вызове RAND([<expN>]) и не использовании никакого другого <expN&rt в последующих RAND(), всегда получать ту же самую последователь-ность случайных чисел.
2 urand возвращает равномерно распределенное между "i" и "j" вещественное.
FUNCTION urand
PARAMETER a, b
RETURN (b-a)*rand()+a
. irand возвращает равномерно распределенное между "i" и "j" целое.
FUNCTION irand
PARAMETER i, j
RETURN int((j-i+1)*rand()+i)
4. edist возвращает экспоненциально распределенное число со средним "a"
FUNCTION edist
PARAMETER a
RETURN -a*ln(rand())
5. ndist' возвращает нормально распределенное значение со средним "a" и стан-дартным отклонением "std". Эта функция требует, чтобы подпрограмма 'x_p' также присутствовала. Заимствована из [7], Equation 26.2.23, page 933. Ошибка < (4.5E-4 * std)


6. normal возвращает площадь под кривой плотности нормального распределе-ния со средним 'm' и среднеквадратичным отклонением 'std' в пределах от -бесконечности до x алгоритм была заимствован из [7] Equation 26.2.17, page 932. Its error is < (7.5E-8 * std)

Дополнение 2. Критерий Пирсона.

Приведем заимствованную из [4], стр20, формулировку теоремы К. Пир-сона, применение которой предполагается для тестирования генераторов, раз-работанных при исполнении работы.


Число классов m, для которого на практике проверена асимптотическая близость теоретических и реально получаемых оценок вычисляется по форму-ле: m=1+3.3*lg(N), где N – объем выборки, lg-десятичный логарифм.

Назад Оглавление