Zamítací metoda pro generování vzorků ze složitých rozdělení
Rejection sampling
bakalářská práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/192795Identifikátory
SIS: 261901
Kolekce
- Kvalifikační práce [11218]
Autor
Vedoucí práce
Oponent práce
Mizera, Ivan
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Finanční matematika
Katedra / ústav / klinika
Katedra pravděpodobnosti a matematické statistiky
Datum obhajoby
3. 9. 2024
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Čeština
Známka
Velmi dobře
Klíčová slova (česky)
Simulace|zamítací metoda|Monte Carlo metody|testování normalityKlíčová slova (anglicky)
simulation|rejection sampling|Monte Carlo methods|normality testingNejjednodušší a nejběžnější způsob generování vzorků z daného rozdělení je inverzní metoda. Tato metoda však používá inverzní funkci k distribuční funkci daného rozdělení. Proto ji nelze použít v případech, kdy tuto inverzní funkci nejsme schopni získat. V tako- vém případě lze použít zamítací metodu generování vzorků. Bakalářská práce se zabývá generováním vzorků ze složitých rozdělení pomocí zamítací metody. Cílem je představit tuto metodu a popsat její fungování. V praktické části použijeme tuto metodu k zís- kání vzorků z rozdělení s hustotou danou tvarem hory Říp a pomocí testů normality se pokusíme se dokázat, že Říp není normální. 1
The simplest and most common way to generate samples from a given distribution is the inverse transform sampling method. Since this method uses the inverse function of the distribution's cumulative distribution function, it cannot be used in cases where it is impossible to obtain this inverse function. In such cases, we can use the rejection sampling method. This thesis focuses on generating samples from complex distributions using the rejection sampling method. The goal is to introduce this method and describe how it works. In the practical part, we will apply this method to obtain samples from the distribution with the density defined by the shape of Říp Mountain. Using normality tests, we will attempt to demonstrate through that Říp does not have normal distribution. 1