لینک دانلود و خرید پایین توضیحات دسته بندی : وورد نوع فایل : word (..doc) ( قابل ويرايش و آماده پرينت ) تعداد صفحه : 7 صفحه
قسمتی از متن word (..doc) :
روش همنهشتـــی : روش همنهشتی خطی Xn+1=(a*Xn + b) mod m ،m مشخص می کند که اعداد تصادفی تا چه مقداری تولید می شود مثلا اگر m =13 باشد . 13 عدد تصادفی می توانیم تولید کنیم. a=2 b=1 X0=5 X1=( 2 X0 + 1)mod13 m=13 اعدادی که تولید می کند مستقل از هم است ،ولی دنباله اعداد تصادفی که تولید می شود به a وb وm وابسته است . از نظر تئوری اگر a وb خوب انتخاب شوند می تواند همه اعداد تصادفی را تولید کند . تست آنتروپـــــــــــی : در این روش تست ، مبنای آن احتمال آمدن هر عدد می باشد از فرمول زیر محاسبه می شود که Pi احتمال تولید عدد i - ام توسط مولد عدد تصادفی است. مثــــال: X1=( 2 X0 + 1)mod13 X15=7 X10=9 X5=5 X0=0 X16=2 X11=6 X6=11 X1=1 X17=5 X12=0 X7=10 X2=3 X18=11 X13=1 X8=8 X3=7 X19=10 X14=3 X9=4 X4=2 Pi عدد 2/20 0 2/20 1 2/20 2 2/20 3 1/20 4 2/20 5 1/20 6 2/20 7 1/20 8 1/20 9 2/20 10 2/20 11 0 12 H = - ∑ Pi log Pi هرچه آنتروپی مقدار H به H max نزدیک تر باشد این مولد بهتر عمل می کند. Hmax = log 2 m تست کی دو : آزمون آماری خوبی برای تعیین یکنواختی اعداد و ارتباط با مشاهدات و انتظار مشاهده می باشد. برای نمونه های بیشتر از 50 عدد استفاده می گردد. ( N >= 50) اساس این روش بر تقسیم بندی دسته های مشاهدات استوار است . فراوانی اعداد تصادفی تولیدی در هر دسته را با فراوانی انتظار مشاهده مقایسه و نزدیکی آنها را می سنجد. دسته ها هیچ گونه رویهم افتادگی نباید داشته باشند تعداد ( دسته ها باید 3 یا بیشتر باشد ). سپس کای دو را به صورت زیر می یابیم : Chi2 = ∑ ( Oi – Ei)2 Ei که مجموع اختلاف مشاهدات و رخ داد ، داده ها در دسته هاست . هرچه مشاهدات و انتظارات از یکدیگر فاصله بگیرند ، مقدار ( Oi – Ei)2 بیش تر می شود و لذا chi2 افزایش می یابد و چنانچه این دو یکسان باشند مقدارchi2 صفر می شود . روال کار چنین است : نمونه ها به n دسته تقسیم می گردند که باید n>= 3 باشد. Oi تعداد مشاهدات در i – امین دسته. Ei تعداد انتظار مشاهده در i – امین دسته. = ( N/n) Ei که N تعداد کل نمونه های مشاهده شده است ( انتظار مشاهده یکسان ) . نیاز به جدول کای دو می باشد که مقدار بحرانی را از آن می یابیم تا با chi2 حاصل مقایسه گردد. چنانچه chi2 مشاهده شده ، از مقدار بحرانی در جدول کوچکتر باشد یکنواختی نمونه ها صحیح است. یافتن مقدار بحرانی از جدول بر اساس درجه آزادی ( V=n -1) و پارامتر α می باشد . می توان گفت که توزیع نمونه های chi2 تقریبا توزیع کای دو با ( n-1) درجه آزادی است . چنانچه chi2 مثـــــال: استفاده از آزمون chi2 با α = 0.05 برای آزمون توزیع یکنواخت جهت 5000 نمونه به صورت زیر انجام می گیرد:
لینک دانلود و خرید پایین توضیحات دسته بندی : وورد نوع فایل : word (..DOC) ( قابل ويرايش و آماده پرينت ) تعداد صفحه : 7 صفحه
قسمتی از متن word (..DOC) :
روش همنهشتـــی : روش همنهشتی خطی Xn+1=(a*Xn + b) mod m ،m مشخص می کند که اعداد تصادفی تا چه مقداری تولید می شود مثلا اگر m =13 باشد . 13 عدد تصادفی می توانیم تولید کنیم. a=2 b=1 X0=5 X1=( 2 X0 + 1)mod13 m=13 اعدادی که تولید می کند مستقل از هم است ،ولی دنباله اعداد تصادفی که تولید می شود به a وb وm وابسته است . از نظر تئوری اگر a وb خوب انتخاب شوند می تواند همه اعداد تصادفی را تولید کند . تست آنتروپـــــــــــی : در این روش تست ، مبنای آن احتمال آمدن هر عدد می باشد از فرمول زیر محاسبه می شود که Pi احتمال تولید عدد i - ام توسط مولد عدد تصادفی است. مثــــال: X1=( 2 X0 + 1)mod13 X15=7 X10=9 X5=5 X0=0 X16=2 X11=6 X6=11 X1=1 X17=5 X12=0 X7=10 X2=3 X18=11 X13=1 X8=8 X3=7 X19=10 X14=3 X9=4 X4=2 Pi عدد 2/20 0 2/20 1 2/20 2 2/20 3 1/20 4 2/20 5 1/20 6 2/20 7 1/20 8 1/20 9 2/20 10 2/20 11 0 12 H = - ∑ Pi log Pi هرچه آنتروپی مقدار H به H max نزدیک تر باشد این مولد بهتر عمل می کند. Hmax = log 2 m تست کی دو : آزمون آماری خوبی برای تعیین یکنواختی اعداد و ارتباط با مشاهدات و انتظار مشاهده می باشد. برای نمونه های بیشتر از 50 عدد استفاده می گردد. ( N >= 50) اساس این روش بر تقسیم بندی دسته های مشاهدات استوار است . فراوانی اعداد تصادفی تولیدی در هر دسته را با فراوانی انتظار مشاهده مقایسه و نزدیکی آنها را می سنجد. دسته ها هیچ گونه رویهم افتادگی نباید داشته باشند تعداد ( دسته ها باید 3 یا بیشتر باشد ). سپس کای دو را به صورت زیر می یابیم : Chi2 = ∑ ( Oi – Ei)2 Ei که مجموع اختلاف مشاهدات و رخ داد ، داده ها در دسته هاست . هرچه مشاهدات و انتظارات از یکدیگر فاصله بگیرند ، مقدار ( Oi – Ei)2 بیش تر می شود و لذا chi2 افزایش می یابد و چنانچه این دو یکسان باشند مقدارchi2 صفر می شود . روال کار چنین است : نمونه ها به n دسته تقسیم می گردند که باید n>= 3 باشد. Oi تعداد مشاهدات در i – امین دسته. Ei تعداد انتظار مشاهده در i – امین دسته. = ( N/n) Ei که N تعداد کل نمونه های مشاهده شده است ( انتظار مشاهده یکسان ) . نیاز به جدول کای دو می باشد که مقدار بحرانی را از آن می یابیم تا با chi2 حاصل مقایسه گردد. چنانچه chi2 مشاهده شده ، از مقدار بحرانی در جدول کوچکتر باشد یکنواختی نمونه ها صحیح است. یافتن مقدار بحرانی از جدول بر اساس درجه آزادی ( V=n -1) و پارامتر α می باشد . می توان گفت که توزیع نمونه های chi2 تقریبا توزیع کای دو با ( n-1) درجه آزادی است . چنانچه chi2 مثـــــال: استفاده از آزمون chi2 با α = 0.05 برای آزمون توزیع یکنواخت جهت 5000 نمونه به صورت زیر انجام می گیرد: تقسیم بندی اعداد به دسته های 100 تایی و با توجه به محدوده اعداد که از 000 تا 999 رخ داده اند. - کل دسته های موجود n = 10 می باشد. - کل مشاهدات N = 5000 است. - انتظار مشاهده در هر دسته Ei = 500 است. - مقدار بحرانی chi2v-p می باشد. درجه آزادی ← V=n-1=9 یافتن P ← P=1-α=0.95 chi2v-p = chi29-0.95 = 16.9