Семинар 1.

15.11.2023
Exercise 1. (LCG). Пусть X0 = 5 и Xn = 3Xn−1 mod 150. Найдите X1 , ..., X10 .

Exercise 2. (LCG). Пусть X0 = 3 и Xn = (5Xn−1 + 7) mod 200. Найдите X1 , ..., X10 .

Exercise 3. (LCG). Пусть X1 = 23, X2 = 66 и Xn = 3Xn−1 + 5Xn−2 mod 100. Найдите X1 /100, ..., X14 /100.
Exercise 4. (LCG). Запрограммируйте мультипликативный датчик из лекций
Xn = (6Xn−1 + 7) mod 23, X0 = 15
Xn = (16Xn−1 + 7) mod 225, X0 = 2
a) Будут ли эти датчики иметь полный период?
б) Примените подходящие стат.критерии, чтобы проверить, что датчики “хорошие”.
с) Предложите оптимальный датчик.
д) На его основе оцените вероятность, что P (U 2 > 0.6), где U ∼ U nif [0, 1]

Exercise 5. (LCG)*. Пусть случайная величина ξ равномерная дискретная на {1, 2, ..., n}. Рассмотрим слу-
чайную величину r = n mod ξ. Найдите limn→∞ P (r ≥ ξ/2). Hint: предел 1/2 не равен.
Exercise 6. (Равномерная дискретная случайная величина). Приведите эффективный алгоритм генерирова-
ния с.в. P {X = 1} = 0.2, P {X = 2} = 0.2, P {X = 3} = 0.2, P {X = 4} = 0.2, P {X = 5} = 0.2.
Exercise 7. (Непрерывное обратное преобразование). Сгенерите 100 независимых с.в. с экспоненциальным
распределением с√параметром 3, функция распределения которого имеет вид F (x) = 1 − e−3x , x ∈ R+ .
Найдите P (X 2 + X > 2)
Exercise 8. (Непрерывное обратное преобразование). Сгенерите 100 независимых с.в. с распределением Ко-
1
ши, плотность которого имеет вид f (x) = π(1+x 2 ) , x ∈ R.

Exercise 9. (Непрерывное обратное преобразование) Сгенерите 100 независимых с.в. с логистическим рас-
пределением: f (x) = e−x /(1 + e−x )2 , x ∈ R.
Exercise 10. (Непрерывное обратное преобразование). Случайная величина X распределена по Парето с
α
параметрами k > 0 и α > 0 . Плотность такова f (x) = xαk
α+1 , x > k. С помощью метода обратного

преобразования сгенерируйте 1000 реализаций X. Для простоты можно взять α = 2 и k = 1 и оценить

P (X −1/3 eX < 5).
Exercise 11. (Дискретное обратное преобразование). Приведите
√ алгоритм генерирования Пуассоновской слу-
чайной величины X с параметром 1. Найдите P (X X ∈ [1; 3])
Exercise 12. (Дискретное обратное преобразование). Приведите эффективный алгоритм генерирования с.в.
P {X = 1} = 0.3, P {X = 2} = 0.2, P {X = 3} = 0.35, P {X = 4} = 0.15.
Exercise 13. (Дискретное обратное преобразование). Приведите эффективный алгоритм генерирования гео-
метрической с.в. с параметром 0.3.
Exercise 14. (Равномерное распределение). Две независимые равномерно распределенные с.в. делят отрезок
[0;1] на три части. Проведите подобный эксперимент по разделению отрезка 1000 раз. a) Постройте
эмпирические функции плотности длин левой, средней и правой частей. б) Каков (эмпирический) вывод?
в) Подтвердите полученный эмпирический вывод теоретическими расчетами функций распределений.
Exercise 15. (Дискретное обратное преобразование). Лаборатория, сопровождающая донорские операции,
использует новые разработки. Известно, что из 142 операций лишь 9 прошли с осложнениями. В меди-
цине считается, что в среднем 10% подобных операций проходят с осложнениями. Можно ли считать,
что разработки лаборатории снижают ранее известный риск или же низкий процент осложнений это
случайность. Предложите процедуру проверки гипотезы и оценки P-значения (можно использовать си-
муляции).