Univerzitet u Sarajevu

Elektrotehniki fakultet
Odsjek za telekomunikacije Simulacija procesa u TK kanalu

Zadatak 4: Dokazati analitiki algoritam za generisanje Gamma varijabli i Poasonovih varijabli.

Rjeenje:

1. Poissonova raspodjela

Opisao ju je Simon Denis Poisson poetkom XIX stoljea. Poissonova sluajna varijabla je broj
dogaaja koji se zbivaju neovisno i sluajno u vremenu ili prostoru, s prosjenom frekvencijom, (npr.
rast bakterija na hranjivoj podlozi, broj prijema u bolnicu na dan).

Obiljeja Poissonove distribucije:
parametar koji opisuje Poissonovu distribuciju je aritmetika sredina, tj. prosjena frekvencija, ;
aritmetika sredina i varijansa imaju jednake vrijednosti;
unimodalna je krivulja, zakrenuta u desno kada je vrijednost aritmetike sredine mala;
kako raste aritmetika sredina, asimetrija se smanjuje i na kraju aproksimira normalnu raspodjelu.

Def.

Diskretna sluajna varijabla ima Poissonovu raspodjelu ako joj je raspodjela vjerojatnosti dana s
,.... 2 , 1 , 0
!
) ; ( = =

x
x
e
x p
x

za neki 0 > .
Poissonovu sluajnu varijablu oznaavamo:
) Po( ~ X
0 1 2 3 4 5 6 7 8 9
0.0
0.2
0.4
0.6
p
(
x
;

)
x
=0,5
=1
=2
=3
=5

Slika 1: Poissonova raspodjela za nekoliko razliitih .

Oekivanje i varijansa
Univerzitet u Sarajevu
Elektrotehniki fakultet
Odsjek za telekomunikacije Simulacija procesa u TK kanalu

= =

= = =


=

=

0 1 1 0
! )! 1 ( ! !
) (
y
y
x
x
x
x
x
x
y
e
x
e
x
xe
x
xe X E

| |
2
2
2
1
1
1
1
1
1
0
2 2
)! 2 (
) 2 (
)! 1 (
) 1 (
)! 1 ( )! 1 ( !
) (

+ = + =
(
(

+
=
(
(

= =

=

=

e e e
x
x e e
x
x
x
e
x
xe
x
e x X E
x
x
x
x
x
x
x
x
x
x

( ) = =
2 2
) ( ) ( ) ( X E X E X V

Rekurzivna formula
1
!
)! 1 (
) ; (
) ; 1 (
1
+
=
+
=
+

x
x
e
x
e
x p
x p
x
x

) ; (
1
) ; 1 (

x p
x
x p
+
= +

Najvjerojatnija vrijednost

) 1 ( ) ( ) 1 ( + > s
M M M
x p x p x p s s
M
x 1

Funkcija izvodnica
( )

=

= = =
0
1
!
) (
x
e e
x
tx
t t
e e e
x
e e t g




Pomoni momenti

+ = + =
= =

2
2
) 1 (
1
) 1 (
) 1 ( ) ( ' '
) ( '
m e e e t g
m e e t g
t
t
e t t
e t


Funkcija raspodjele

=

=
x
y
y
y
e x F
0
!
) ; (

tablice

Kako je Poissonova sluajna varijabla diskretna i ima beskonaan broj vrijednosti to emo primjeniti
metodu transformacije za diskretne sluajne varijable za beskonaan broj vrijednosti iji algoritam
glasi:
Univerzitet u Sarajevu
Elektrotehniki fakultet
Odsjek za telekomunikacije Simulacija procesa u TK kanalu
Korak 0: Postavi C = p1, B = C, i k = 0.
Korak 1: Generii U, uniformno na [0,1].
Korak 2: Ako je

, generii Z = zk i vrati se na korak 0. Inae:

Korak 3: Postavi k = k + 1.
Korak 4: Postavi

) i B = B + C i vrati se na korak 2.

Algoritam za generisanje Poissonove sluajne varijable

Korak 0:

Dakle

Korak 1: Generii U, uniformno na [0,1].
Korak 2: Ako je

, generii Z = zk i vrati se na korak 0. Inae:

Korak 3: Postavi k = k + 1.
Korak 4:
Kako vrijedi rekruzivna formula ) ; (
1
) ; 1 (

x p
x
x p
+
= + slijedi da je

, odnosno

Kako korak 4 nije nita drugo nego iteracija za k=1, moemo napraviti malu modifikaciju
navedenog algoritma i dobiti jednostavan Knuthov algoritam.

algorithm poisson random number (Knuth):
init:
Let L e

, k 0 and p 1.
do:
k k + 1.
Generate uniform random number u in [0,1] and let p p u.
while p > L.
return k 1.


2. Gama raspodjela

Prije no to opiemo Gama raspodjelu, napravit emo malu digresiju. Definirat emo gama funkciju:

I-funkcija

Def:
Univerzitet u Sarajevu
Elektrotehniki fakultet
Odsjek za telekomunikacije Simulacija procesa u TK kanalu
}

> = I
0
1
0 ) ( o o
o
dx e x
x



Slika 2: Gama funkcija

Tri najvanija svojstva:

1. ) 1 ( ) 1 ( ) ( 1 I = I > o o o o
2. )! 1 ( ) ( = I e n n n N
3. t =
|
.
|

\
|
I
2
1


Standardna I raspodjela

Def:
Kontinuirana sluajna varijabla X ima standardnu gama raspodjelu ako je njezina funkcija gustoe
vjerojatnosti dana s

<
>
I
=

0 , 0
0 ,
) (
) ; (
1
x
x
e x
x f
x
o
o
o

gdje je o parametar raspodjele ( 0 > o ).

Lako vidimo da ova raspodjela zadovoljava osnovne uvjete za raspodjelu vjerojatnosti:
1. x x f > , 0 ) ; ( o
2. 1
) (
) (
) (
1
) ; (
0
1
=
I
I
=
I
=
} }

o
o
o
o
o
dx e x dx x f
x


0
5
10
15
20
25
30
0 1 2 3 4 5
Univerzitet u Sarajevu
Elektrotehniki fakultet
Odsjek za telekomunikacije Simulacija procesa u TK kanalu
Oekivanje i varijanca:

o o = = ) ( ) ( X V X E


Slika 3: Gama raspodjela za nekoliko razliitih

Primjena:
Vrijeme reakcije na neki podraaj....
Openita I raspodjela
Def:
Kontinuirana sluajna varijabla X ima gama raspodjelu ako je njezina funkcija gustoe vjerojatnosti
dana s

<
>
I
=

0 , 0
0 ,
) (
) , ; (
/ 1
x
x
e x
x f
x
o |
| o
o
| o

gdje su 0 i > | o .

Oekivanje i varijanca:
2
) ( ) ( o| o| = = X V X E


Openita gama raspodjela postaje standardna za 1 = | .
0
0,5
1
1,5
2
2,5
3
0 1 2 3 4 5
o=1/2
o=1
o=2
o=3
Univerzitet u Sarajevu
Elektrotehniki fakultet
Odsjek za telekomunikacije Simulacija procesa u TK kanalu
Poseban sluaj je Eksponencijalna raspodjela

| o
1
, 1 = = .

Veza normalne i gama raspodjele

Neka imamo N(,o
2
). Vjerojatnost da e normalna sluajna varijabla pasti u interval (x,x+dx) jest
dx e dP
x
=

2
2
2
) (
2
1
o

t o


Definirajmo novu sluajnu varijablu U koja predstavlja kvadrat odstupanja sluajne vaijable X od
oekivane vrijednosti:
( )
2
2
o

=
X
U .
Naimo vjerojatnost da U bude u intervalu (u,u+du). Treba razmotriti dva sluaja: x> i x<.
1. Kad je x> imamo u x o = i du
u
dx
2
o
= pa je vjerojatnost da se X nae u intervalu
(x,x+dx) jednaka
du u e dP
u
=
2 / 1 2 /
2 2
1
t

2. Kad je x< imamo u x o = i du
u
dx
2
o
= pa je vjerojatnost da se X nae u intervalu (x-
dx,x) jednaka
du u e dP
u
=
2 / 1 2 /
2 2
1
t


Ukupna vjerojatnost za (u,u+du) je dakle dvostruka (zbroj dvaju sluajeva) pa imamo
du e u du u e dP
u u

I
= =
2 / 1 2 / 1
2 / 1
2 / 1 2 /
) 2 / 1 ( 2
1
2
1
t


Zakljuak: Ako je X normalna sluajna varijabla s oekivanjem i standardnom devijacijom o, onda
sluajna varijabla
( )
2
2
o

=
X
U ima gama raspodjelu s parametrima 2 / 1 = o i 2 = | .

Algoritam za generisanje Gama sluajne varijable

Na osnovu veze Gama sluajne varijable s Normalnom sluajnom varijablom i eksponencijalnom
varijablom, slijedi da Gama varijablu moemo dobiti na dva naina. Gama raspodjela je kontinualna
raspodjela ija pdf i CDF nisu u zatvorenoj formi, te je potrebno pimjeniti empirijsku metodu
transformacije.


Univerzitet u Sarajevu
Elektrotehniki fakultet
Odsjek za telekomunikacije Simulacija procesa u TK kanalu
Algoritmi za generiranje Gama sluajne varijable mogu se podjeliti na dva razliita sluaja, kada je
shape parametar <1 i kada je shape_parametar >1.
Najpoznatiji algoritmi za sluaj 1 su: Best's method i Ahrens & Dieter's method.
U ovom zadatku pokazat emo novi algoritam za generiranje Gama sluajne varijable pomou
generalizirane eksponencijalne raspodjele.
Kao to se da primjetiti da je:

Pretpostavimo da je onda za svako imamo da je:

Dakle,

Na osnovu prethodne relacije moemo pisati da je:

Bazirano na posljednoj jednaini moemo napisati slijedei algoritam:

1. Generii U, uniformno na [0,1].

2. Postavi

.

3. Generiraj V eksponencijalno od uniformne raspodjele (0,1) nezavisno od U.

4. Ako je

prihvati X, inae vrati se na korak 1.

U literaturi postoji nekoliko algoritama za generisanje Gama sluajne varijable [2], no da ne bi
previe komplicirali zadatak ti algoritmi ovdje nee biti navedeni.


Literatura

[1] Web: http://www.columbia.edu/~mh2078/MCS04/MCS_generate_rv.pdf

[2] Web: http://home.iitk.ac.in/~kundu/paper120.pdf
Univerzitet u Sarajevu
Elektrotehniki fakultet
Odsjek za telekomunikacije Simulacija procesa u TK kanalu

Student: Erma Perenda
Broj indeksa: 423/15286