Моделирование случайных величин excel


В статье приведен перечень распределений вероятности, имеющихся в MS EXCEL 2010 и в более ранних версиях.  Даны ссылки на статьи с описанием соответствующих функций MS EXCEL.

Приведенные ниже

распределения случайной величины

часто встречаются в задачах по статистике. Ниже даны ссылки на статьи с описанием соответствующих функций MS EXCEL. В этих статьях построены графики

плотности вероятности и функции распределения

, приведены примеры решения задач и применение этих распределений на практике.

Также в статьях рассмотрены вопросы генерации случайных величин, имеющих соответствующее распределение, точечная оценка параметров этих распределений и формулы для расчета

среднего значения

,

дисперсии, стандартного отклонения

,

моды

,

медианы

и других показателей распределения.

Распределения MS EXCEL для моделирования поведения случайных величин, встречающихся на практике


Непрерывные распределения

  • Нормальное распределение

    : функции

    НОРМ.РАСП()

    ,

    НОРМ.СТ.РАСП()

    ,

    НОРМ.ОБР()

    и др.

  • Непрерывное равномерное распределение

    : функция

    СЛЧИС()

  • Экспоненциальное распределение

    : функция

    ЭКСП.РАСП()

  • Гамма распределение

    : функции

    ГАММА.РАСП()

    и

    ГАММА.ОБР()

  • Логнормальное распределение

    : функции

    ЛОГНОРМ.РАСП()

    и

    ЛОГНОРМ.ОБР()

  • Распределение Вейбулла

    : функция

    ВЕЙБУЛЛ.РАСП()

  • Бета-распределение

    : функции

    БЕТА.РАСП()

    и

    БЕТА.ОБР()


Дискретные распределения

  • Биномиальное распределение

    : функции

    БИНОМ.РАСП()

    ,

    БИНОМ

    .ОБР()

  • Распределение Пуассона

    : функция

    ПУАССОН.РАСП()

  • Равномерное дискретное распределение

    : функция

    СЛУЧМЕЖДУ()

  • Геометрическое распределение

    : функция

    ОТРБИНОМ.РАСП()

  • Гипергеометрическое распределение

    : функция

    ГИПЕРГЕОМ.РАСП()

  • Отрицательное биномиальное распределение

    : функция

    ОТРБИНОМ.РАСП()

Распределения MS EXCEL для целей математической статистики

В математической статистике, например для

проверки гипотез

или для

построения доверительных интервалов

, наиболее часто используются:

  • Нормальное распределение

    : функции

    НОРМ.РАСП()

    ,

    НОРМ.СТ.РАСП()

    ,

    НОРМ.ОБР()

    и др.

  • Распределение Стьюдента (t-распределение)

    : функции

    СТЬЮДЕНТ.РАСП()

    ,

    СТЬЮДЕНТ.ОБР()

    и др.

  • Распределение Фишера (F-распределение)

    : функции

    F.РАСП()

    ,

    F.ОБР()

    и др.

  • Хи-квадрат распределение

    : функции

    ХИ2.РАСП()

    ,

    ХИ2.ОБР()

    и др.

Все эти распределения связаны с

нормальным распределением

.

Источник

Моделирование случайных чисел в Excel может быть выполнено двумя способами: с помощью встроенных функций и путем использовании инструмента «Генератор случайных чисел» дополнения «Анализ данных». Ниже будут рассмотрены способы моделирования случайных чисел и событий с использованием встроенных функций.

Моделирование простого события

Рассмотрим механизм моделирования простого события. Пусть имеется

событие

A, вероятность наступления которого равна PA .

Выберем с помощью

датчика

случайных чисел, равномерно распределенных

в интервале (0,1)

некоторое число z .

Известно,

что вероятность попадания в интервал (0, PA )

случайной величины

z равна величине PA . Поэтому если при розыгрыше число

z попало в этот интервал, то

следует считать, что событие

A

произошло.

Противоположное событие (не

A) произойдет с вероятностью

(1

– PA ) в том

случае, если z PA .

Процедура моделирования простого события в имитационной модели описывается алгоритмом, схема которого показана на рис. 1 [23]. Оператор 1 обращается к датчику случайных чисел, генерирующему случайную величину z .

Оператор 2 проверяет условие z PA . Если оно выполняется, считается, что произошло событие A. В противном случае считается, что произошло противопо-

ложное событие (не A).

1

ДСЧ(z)

Рис.1 – Моделирование простого события

В Excel данную операцию можно реализовать с помощью функции ЕСЛИ.

Пусть в ячейке А1 указана вероятность PA события, тогда моделирование его наступления будет выглядеть следующим образом

ЕСЛИ(СЛЧИС()<A1;”Событие А”;”Событие не А”).

Моделирование полной группы несовместных событий

Пусть имеется полная группа несовместных событий

вероятностями

P , P

,

…, Pk . При этом выполняется условие

1

2

с

Процедура моделирования

описывается алгоритмом, схема

кумулятивная вероятность

Li

1.

группы

несовместных событий

показана

на рис. 2. Здесь

Li

—

… Pi .

1

ДСЧ(z)

Да

Нет

4

Z L2

Да

Нет

Да

Нет

Рис. 2 – Алгоритм моделирования полной группы несовместных событий

Оператор 1 обращается к датчику случайных чисел с равномерным распределением в интервале (0,1). Условный оператор 1 проверяет условие

попадания случайной величины z в интервал (0, L1 ). Если это условие

выполняется, то считается, что произошло событие A1 . Если условие в операторе

2 не выполняется, то алгоритм осуществляет проверку условий попадания

случайной величины в другие интервалы. Одно из событий A1, A2

,…, Ak

обя-

зательно произойдет.

Рассмотрим выполнение данных операций в Excel. Запишем в ячейки С2:С4

значения вероятностей

P , P

, P

событий

A , A

, A

(рис.3). В

ячейке

С5

1

2

3

1

2

3

смоделируем случайную величину, распределенную равномерно на интервале (0,1). Тогда определение произошедшего события будет выглядеть следующим образом

С6=ЕСЛИ(C5<C2;»A1″;ЕСЛИ(C5<(C2+C3);»A2″;»A3″)).

Рис. 3 – Моделирование полной группы несовместных событий

Моделирование дискретной случайной величины

Дискретная случайная величина может быть задана табличной зависимостью:

X

x

x

…

x

n

1

2

P

p

p

2

…

p

n

1

Здесь p j – вероятность того, что дискретная случайная величина

X примет

значение x j . При этом p1 p2 … pn 1

. Разделим интервал (0,1) на

n

отрезков,

длины которых равны

заданным

вероятностям.

Если

случайное

число

z ,

вырабатываемое датчиком случайных чисел, равномерно распределенных в

интервале (0,1), попадет в интервал

pk , то случайная величина

X

примет

значение xk . Таким образом, при моделировании дискретных случайных величин фактически используется та же процедура, что и при моделировании полной группы несовместных событий.

Моделирование непрерывной случайной величины

Приведем способы моделирования непрерывных случайных чисел (на рис. 4 показаны формы распределения вероятностей) [23-24].

1. Показательное распределение

где

x

x

1

ln(z) ,

— случайная величина, распределенная по показательному закону;

— интенсивность потока (среднее значение

1

);

z— случайная величина, равномерно распределенная на интервале (0,1).

ВExcel данное вычисление выглядит следующим образом (пусть в ячейке А1 дано среднее значение, а в А2 — результат)

А2=-А1*LN(СЛЧИС()).

2.Равномерное распределение на интервале ( a,b )

xa z(b a) ,

xxcp x(z 0,5) ,

где x — случайная величина, распределенная по равномерному закону;

a и xср x

b — нижняя и верхняя границы интервала ( — среднее значение интервала ( a,b );

— величина интервала ( a,b );

a,b

) соответственно;

z— случайная величина, равномерно распределенная на интервале (0,1).

ВExcel это реализуется посредством формулы (пусть в ячейке А1 дана нижняя граница; в ячейке А2 – верхняя граница, а в А3 — результат)

А3=А1+СЛЧИС()*(А2-А1)

3. Нормальное распределение

Процедура розыгрыша нормально распределенной случайной величины

заключается в следующем.

Сложим 12 случайных величин

zi

с равномерным распределением в

интервале (0,1), т. е. составим сумму

12

v zi . i 1

Нормируем и центрируем случайную величину v , т. е. перейдем к величине

v 6.

От нормированной и центрированной величины

перейдем к случайной

величине

y ,

распределенной по нормальному

закону, с заданными

параметрами

M ( y) и ( y) по формуле

y M ( y) ( y) ,

y

где M ( y) – известное математическое ожидание случайной величины y ;

( y) – известное среднее квадратическое отклонение случайной величины

.

Для реализации данного генератора в Excel нужно выполнить следующий расчет (в ячейке А1 дано среднее значение, А2 – среднее квадратическое отклонение, а в А3 — результат)

А3=А1+А2*((СЛЧИС()+СЛЧИС()+СЛЧИС()+СЛЧИС()+СЛЧИС()+СЛЧИС()+СЛЧИ С()+СЛЧИС()+СЛЧИС()+СЛЧИС()+СЛЧИС()+СЛЧИС())-6)).

Рис. 4 – Графики законов распределения

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

  • #
  • #
  • #
  • #
  • #
  • #
  • #
  • #
  • #
  • #
  • #
Источник

В статье приведены примеры кода Excel-VBA, задающие пользовательские функции для генерирования случайных величин с нужным распределением. Также разобраны встроенные средства для работы с распределениями.

Нормальное распределение

В Excel достаточно удобно работать с нормальным распределением с помощью формул НОРМ.РАСП (NORM.DIST) и НОРМ.ОБР (NORM.INV). Первая функция позволяет считать доверительные интервалы, а вторая — генерировать нормальные распределения с произвольным мат. ожиданием и стандартным отклонением.

Скачать пример в Excel

Треугольное распределение

Как сгенерировать в Excel

Первый пример — треугольное распределение. В Excel отсутствует функция для работы с треугольным распределением, но его можно получить из простого равномерного распределения с помощью данной пользовательской функции:

Function TRIDIST(random As Double, min As Double, max As Double, mean As Double)
    If mean < min Or max < mean Then
        TRIDIST = CVErr(xlErrValue)
    Else
        If random <= (mean - min) / (max - min) Then
            TRIDIST = min + Sqr((max - min) * (mean - min) * random)
        Else
            TRIDIST = max - Sqr((max - min) * (max - mean) * (1 - random))
        End If
    End If
End Function

После добавления данного кода в Excel появится возможность написать формулу =TRDIST(random,min,max,mean)

Первый аргумент — random — случайная величина распределенная равномерно от 0 до 1. (функция СЛЧИС() либо СЛЧИСМЕЖДУ(0,1)).

Второй и третий аргументы — min. max — минимум и максимум функции распределения.

Третий аргумент — mean — мат. ожидание.

Таким образом данная функция позволяет работать как с симметричными так и с асимметричными треугольными распределениями. 

В каких случаях применяется

При моделировании случайных процессов чаще всего используется нормальное или log-нормальное распределения, однако в некоторых случаях оправдано использование треугольного распределения. Один из примеров — вариативность случайной величины строго ограничена определённым диапазоном. Когда такое бывает? Допустим, что мы строим модель DCF для оценки денежного потока компании и для симуляции монте-карло нам необходимо задать распределение EBIT margin. Очевидно, что в теории данная величина может принимать значения от -1 до 1, но на практике для большинства здоровых компаний она находится в диапазоне от 5% до 50% и здесь-то нам и может помочь треугольное распределение и пошльзовательская функция TRDIST.

Пример работы функции:

В результате мы получили асимметричное треугольное распределение с мат. ожиданием 0.2, минимумом 0,05 и максимумом 0,25 (стандартное отклонение оказалось равным 0,041344).

Источник

Распределение вероятностей – одно из центральных понятий теории
вероятности и математической статистики. Определение распределения вероятности
равносильно заданию вероятностей всех СВ, описывающих некоторое случайное
событие. Распределение вероятностей некоторой СВ, возможные значения которой x1, x2, … xn образуют
выборку, задается указанием этих значений и соответствующих им вероятностей p1, p2,… pn. (pn должны быть
положительны и в сумме давать единицу).

В данной лабораторной работе будут рассмотрены и построены с помощью MS Excel наиболее
распространенные распределения вероятности: биномиальное и нормальное.

1 Биномиальное распределение

Представляет собой распределение вероятностей числа наступлений
некоторого события («удачи») в n повторных
независимых испытаниях, если при каждом испытании вероятность наступления этого
события равна p. При этом
распределении разброс вариант (есть или нет события) является следствием
влияния ряда независимых и случайных факторов.

 Примером практического использования биномиального распределения
может являться контроль качества партии фармакологического препарата. Здесь
требу­ется подсчитать число изделий (упаковок), не соответствующих требованиям.
Все причины, влияющие на качество препарата, принимаются одинаково вероятными и
не зависящими друг от друга. Сплошная проверка качества в этой ситуации не
возможна, поскольку изделие, прошедшее испытание, не подлежит дальнейшему
использованию. Поэтому для контроля из партии наудачу выбирают определенное
количество образцов изделий (n). Эти образцы всестороннее
проверяют и регистрируют число бракованных изделий (k). Теоретически число
бракованных изделий может быть любым, от 0 до n.

В Excel функция БИНОМРАСП
применяется для вычисления вероятности в задачах с фиксированным числом тестов
или испытаний, когда результатом любого испытания может быть только успех или
неудача.

Функция использует следующие
параметры:

БИНОМРАСП (число_успехов;
число_испытаний; вероятностъ_успеха; интегральная), где

число_успехов — это количество успешных
испытаний;

число_испытаний — это число независимых
испытаний (число успехов и число испытаний должны быть целыми числами);

вероятность_ успеха — это вероятность успеха
каждого испытания;

интегральный — это логическое значение,
определяющее форму функции.

Если данный параметр имеет
значение ИСТИНА (=1), то считается интегральная функция распределения
(вероятность того, что число успешных испытаний не менее значения число_
успехов);

если этот параметр имеет
значение ЛОЖЬ (=0), то вычисляется значение функ­ции плотности
распределения (вероятность того, что число успешных испытаний в точности равно
значению аргумента число_ успехов).

Пример 1. Какова вероятность того,
что трое из четырех новорож­денных будут мальчиками?    

Решение:

1.   Устанавливаем табличный курсор в свободную
ячейку, например в А1. Здесь должно оказаться значение искомой
вероятности.

2.   Для получения значения вероятности
воспользуемся специальной функцией: нажимаем на панели инструментов кнопку Вставка
функции (fx).

3.   В появившемся диалоговом окне Мастер
функций — шаг 1 из 2 слева в поле Катего­рия указаны виды функций.
Выбираем Статистическая. Справа в поле Функция выбираем функцию БИНОМРАСП
и нажимаем на кнопку ОК.

Появляется диалоговое окно
функции. В поле Число_s вводим с клавиатуры
количество успешных испытаний (3). В поле Испытания вво­дим с клавиатуры
общее количество испытаний (4). В рабочее поле Вероятность_s
вводим с клавиатуры вероятность успеха в отдельном испытании (0,5). В поле Интегральный
вводим с клавиатуры вид функции распределения — интегральная или весовая (0).
Нажимаем на кнопку ОК.

В ячейке А1 появляется
искомое значение вероятности р = 0,25. Ровно 3 мальчика из 4
новорожденных могут появиться с вероят­ностью 0,25.

Если изменить формулировку
условия задачи и выяснить вероятность того, что появится не более трех
мальчиков, то в этом случае в рабочее поле Интегральный вводим 1 (вид
функции распределения интегральный). Вероятность этого события будет равна
0,9375.

Задания для самостоятельной работы

1. Какова вероятность того, что восемь из десяти студентов,
сдающих зачет, получат «незачет». (0,04)

2.
Нормальное распределение

Нормальное распределение — это совокупность объектов, в кото­рой крайние значения
некоторого признака — наименьшее и наибольшее — появ­ляются редко; чем ближе значение признака к математическому ожиданию,
тем чаще оно встречается. Например, распределение студентов по их весу приближа­ется
к нормальному распределению. Это распределение имеет очень широкий круг приложений в
статистике, включая проверку гипотез.

Диаграмма нормального
распределения симметрична относительно точки а (математического
ожидания). Ме­диана нормального распределения равна тоже а. При этом в
точке а функция f(x) достигает своего максимума, который равен

.

В Excel для вычисления значений
нормального распределения используются фун­кция НОРМРАСП, которая
вычисляет значения вероятности нормальной функции распределения для указанного
среднего и стандартного отклонения.

Функция имеет параметры:

НОРМРАСП (х; среднее;
стандартное_откл; интегральная), где:

х — значения выборки, для
которых строится распределение;

среднее — среднее арифметическое
выборки;

стандартное_откл — стандартное отклонение
распределения;

интегральный — логическое значение,
определяющее форму функции. Если интегральная имеет значение ИСТИНА(1), то
функция НОРМРАСП возвращает интег­ральную функцию распределения; если это
аргумент имеет значение ЛОЖЬ (0), то вычисляет значение функция плотности
распределения.

Если среднее = 0 и
стандартное_откл = 1, то функция НОРМРАСП возвращает стан­дартное
нормальное распределение.

Пример 2. Построить график
нормальной функции распределения f(x) при x, меняющемся от 19,8 до 28,8
с шагом 0,5, a=24,3 и


=1,5.

Решение

1. В ячейку А1 вводим символ
случайной величины х, а в ячейку B1 — символ фун­кции
плотности вероятности — f(x).

2. Вводим в диапазон А2:А21
значе­ния х от 19,8 до 28,8 с шагом 0,5. Для этого воспользуемся
маркером автозаполнения: в ячейку А2 вводим левую границу диапазона (19,8), в
ячейку A3 левую границу плюс шаг (20,3). Выделяем блок А2:А3. Затем за правый
нижний угол протягиваем мышью до ячейки А21 (при нажатой левой кнопке мыши).

3.   Устанавливаем табличный курсор в ячейку В2 и
для получения значения веро­ятности воспользуемся специальной функцией —
нажимаем на панели инстру­ментов кнопку Вставка функции (fx). В появившемся диалоговом
окне Мастер функций — шаг 1 из 2 слева в поле Категория указаны виды
функций. Выбираем Статистическая. Справа в поле Функция выбираем
функцию НОРМРАСП. Нажимаем на кнопку ОК.

4. Появляется диалоговое
окно НОРМРАСП. В рабочее поле X вводим адрес ячейки А2
щелчком мыши на этой ячейке. В рабочее поле Среднее вводим с клавиатуры
значение математиче­ского ожидания (24,3). В рабочее поле Стандартное_откл
вводим с клавиатуры значение среднеквадратического отклонения (1,5). В ра­бочее
поле Интегральная вводим с клавиатуры вид функции распределения (0).
Нажимаем на кнопку ОК.

5. В ячейке В2 появляется
вероятность р = 0,002955. Указателем мыши за правый нижний угол табличного
курсора протягиванием (при нажатой левой кнопке мыши) из ячейки В2 до В21
копируем функцию НОРМРАСП в диапазон В3:В21.

6. По полученным данным строим искомую диаграмму
нормальной функции рас­пределения. Щелчком указателя мыши на кнопке на панели
инструментов вызы­ваем Мастер диаграмм. В появившемся диалоговом окне
выбираем тип диаграммы График, вид — левый верхний. После нажатия кнопки
Далее указываем диапазон данных — В1:В21 (с помощью мыши). Проверяем,
положение переключателя Ряды в: столбцах. Выбираем закладку Ряд и с
помощью мыши вводим диапазон подписей оси X: А2:А21. Нажав на кнопку Далее,
вводим названия осей Х и У и нажимаем на кнопку Готово. 

 Рис. 1 График нормальной функции распределения

Получен приближенный график
нормальной функции плотности распределения (см. рис.1).

Задания для самостоятельной работы

1. Построить график нормальной
функции плотности распределения f(x) при x, меняющемся от 20 до 40 с
шагом 1 при

=   3.

 

3. Генерация случайных величин

Еще одним аспектом
использования законов распределения вероятностей являет­ся генерация случайных величин. Бывают ситуации, когда необходимо
получить пос­ледовательность случайных чисел. Это, в частности, требуется для
моделирования объектов, имеющих случайную природу, по известному распределению
вероятно­стей.

Процедура генерации
случайных величин используется для заполнения диапазона ячеек случайными числами, извлеченными из
одного или не­скольких распределений.

В MS Excel для генерации СВ используются функции из категории Математические:

СЛЧИС () – выводит на экран  равномерно
распределенные случайные числа больше или равные 0 и меньшие 1;

СЛУЧМЕЖДУ (ниж_граница; верх_граница) – выводит на экран
случайное число, лежащее между про­извольными заданными
значениями.

В случае использования
процедуры Генерация случайных чисел из пакета Анализа необходимо
запол­нить следующие поля:

— число переменных
вводится число столбцов значений, которые необходимо разместить в выходном диапазоне. Если это число не введено, то все
столбцы в выходном диапазоне будут заполнены;

— число случайных чисел
вводится число случайных значений, которое необ­ходимо вывести для
каждой переменной, если число случайных чисел не будет введе­но, то все строки выходного диапазона будут заполнены;

— в поле распределение необходимо выбрать тип распределения,
которое следует использовать для генерации случайных переменных:

1.  равномерное — характеризуется
верxней и нижней границами. Переменные из­влекаются с одной и
той же вероятностью для всех значений интервала.

2. нормальное
— характеризуется средним значением и стандартным отклонени­ем. Обычно для
этого распределения используют среднее значе­ние
0 и стандартное отклонение 1.

3. биномиальное
— характеризуется вероятностью успеха (величина р) для неко­торого числа попыток. Например, можно сгенерировать случайные двухальтернативные переменные по числу попыток, сумма которых будет биномиальной случайной
переменной;

4. дискретное
— характеризуется значением СВ и соответствующим ему интервалом вероятности, диапазон должен состоять из двух столбцов: левого,
содержаще­го значения, и правого, содержащего
вероятности, связанные со значением в дан­ной строке. Сумма вероятностей должна быть
равна 1;

5. распределения Бернулли, Пуассона
и Модельное.

— в поле случайное рассеивание
вводится произвольное значение, для которого необ­ходимо
генерировать случайные числа. Впоследствии можно снова использовать это
значение для получения тех же самых случайных чисел.

— выходной диапазон
вводится ссылка на левую верхнюю ячейку выходного диапазона. Размер выходного диапазона будет определен автоматически, и
на эк­ран будет выведено сообщение в случае
возможного наложения выходного диапа­зона на исходные
данные.

Рассмотрим пример.                                                                                  

Пример 3. Повар столовой может готовить 4 различных первых блюда (уха, щи, борщ, грибной суп). Необходимо составить меню на месяц, так чтобы
первые блюда чередовались в случайном порядке.

Решение

1.        
Пронумеруем первые
блюда по порядку: 1 — уха, 2 — щи, 3 — борщ, 4 — грибной суп. Введем числа 1-4 в диапазон А2:А5 рабочей таблицы.

2.        
Укажем желаемую вероятность появления
каждого первого блюда. Пусть все блюда будут
равновероятны (р=1/4). Вводим число 0,25 в диапазон В2:В5.

3.        
В меню Сервис
выбираем пункт Анализ данных и далее указываем строку Генерация
случайных чисел. В появившемся диалоговом окне указываем Число
переменных — 1, Число случайных чисел — 30 (количество
дней в месяце). В поле Распределение указываем Дискретное (только натуральные числа). В поле Входной
интервал значений и вероятностей
вводим (мышью) диапазон, содержащий номера супов и их
вероятности. – А2:В5.

4.        
Указываем выходной
диапазон и нажимаем ОК. В столбце С появляются случайные числа: 1, 2, 3,
4.

 

Задание для
самостоятельной работы

1.      Сформировать
выборку из 10 случайных чисел, лежащих в диапазоне от 0 до 1.

2.      Сформировать
выборку из 20 случайных чисел, лежащих в диапазоне от 5 до 20.

3.      Пусть
спортсмену необходимо составить график тренировок на 10 дней, так чтобы
дистанция, пробегаемая каждый день, случайным образом менялась от 5 до 10 км.

4.      Составить
расписание внеклассных мероприятий на неделю для случайного проведения:
семинаров, интеллектуальных игр, КВН и спец. курса.

5.      Составить
расписание на месяц для случайной демонстрации на телевидении одного из четырех
рекламных роликов турфирмы. Причем вероятность появления рекламного ролика №1
должна быть в два раза выше, чем остальных рекламных роликов.

Источник

Понравилась статья? Поделить с друзьями:
  • Моделирование ситуаций как есть как будет в excel
  • Моделирование свободного падения тела в excel
  • Моделирование решения математических задач в excel
  • Моделирование равномерного движения тела excel
  • Моделирование при использовании excel