Speaker
Description
В докладе будет представлен обзор новых алгоритмов моделирования негауссовских случайных процессов.
Ряд представленных алгоритмов предназначен для моделирования отрезков стационарных векторных и скалярных последовательностей с частными распределениями их подпоследовательностей фиксированной длины в виде смесей гауссовских распределений. В основе алгоритмов лежат метод суперпозиции двух гауссовских векторных процессов, метод условных распределений и отбор реализаций для приближенного построения условных реализаций [1, 2].
Кроме этого, будут представлены модификации алгоритма из работы [3], позволяющие моделировать различные классы нестационарных негауссовских последовательностей с заданными одномерными распределениями и корреляционной функцией. Предложенные алгоритмы базируются на выборе элементов из упорядоченных совокупностей независимых случайных величин, осуществляемом с помощью однородных векторных и неоднородных скалярных марковских цепей.
Исследование выполнено в рамках государственного задания ИВМиМГ СО РАН FWNM-2022-0002.
Список литературы
1. Огородников В. А., Акентьева М. С., Каргаполова Н. А. Приближенный алгоритм моделирования стационарных дискретных случайных процессов с двумерными распределениями последовательных компонент в виде смеси гауссовских распределений // Сибирский журнал вычислительной математики. 2024. Т. 27, № 2. С. 213-218.
2. Akenteva M. S., Kargapolova N. A., Ogorodnikov V. A. Simulation algorithms for stationary sequences with distributions in the form of a mixture of Gaussian distributions // Russian Journal of Numerical Analysis and Mathematical Modelling. 2024. Vol. 39, № 3. P.123–130.
3. Марченко А. С., Молчан С. И., Петров А. В., Ступин В.В. Один класс стационарных временных рядов с произвольным одномерным распределением вероятностей // Сб. научных трудов «Теория и приложения статистического моделирования» под ред. Михайлова Г. А. Новосибирск: ВЦ СО АН СССР, 1985.
| Секция конференции | Численное статистическое моделирование и методы Монте-Карло |
|---|
