matlab을 이용한 단일확률변수의 생성과 합리적인 monte carlo 시행 횟수 결정

소개글

Cauchy Distribution
Exponential Distribution
Pareto Distribution
Logistic Distribution
Weibull Distribution
Power Distribution
Arcsine Distribution
Extreme Value Distribution
Kumaraswamy Distribution
Exponential-logarithmic Distribution

위 10가지 확률분포에 대하여 matlab코드를 통해 그래프와 시행횟수에 따른 변화를 관찰

목차

코드에 대한 주석 및 각 함수 설명
N=100, 1000, 10000 혹은 신뢰도 판단에 따른 시행회수에 따른 결과그림 도출과 이에 대한 분석
※ 합리적인 Monte Carlo 시행회수의 결정

본문내용

clear all ; close all ; clc ;
N = 1000 ; % number of random variable to generate
stp = 0.1 ; % step size 지정
b = 1 ; % Rayleigh parameter
%% 가. (균등분포수열 생성)
x = rand(1, N) ; % uniformly distributed random numbers 생성
%% 나. (새로운 확률변수 생성)
y = sqrt(-b*log(1-x)) ; % uniform distributed random numbers를 Rayleigh distributed random numbers로 변환
%% 다. (생성된 확률변수의 특성 분석)
f = find(y>2.2) ; % find values out of the range interest: 2.2이상의 y를 찾아 f에 저장
y(f) = [] ; % remove these values: 그래프 해석에 불필요한 부분 삭제

xcenter = 0.05:stp:1 ; % centers of the bins for the histogram: uniform~0.05부터 1까지 0.1간격
ycenter = 0.05:stp:2.2 ;% centers of the bins for the histogram: Rayleigh~0.05부터 2.2까지 0.1간격
xabscissa = 0: stp: 1 ; % abscissa used for analytic results: 가로축~ 0~1까지 0.1간격
yabscissa = 0: stp: 2.5 ;% abscissa used for analytic results: 세로축~ 0~2.5까지 0.1간격
xhist = hist(x, xcenter) ; % compute histograms (not normalized): x의 histogram 값을 저장
%hist: bar함수와 비슷한 함수로 막대그래프를 그려준다.


본문 중 코딩 내용 발췌

참고 자료

없음