1 Centralne twierdzenia graniczne symulacje
1 Centralne twierdzenia graniczne symulacje
1 Centralne twierdzenia graniczne symulacje
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
t=j/2**K;<br />
output;<br />
end;<br />
run;<br />
Symbol value=none interpol=sms line=1 width=2;<br />
title"Wiener";<br />
proc gplot data=wiener_ciesielski;<br />
plot x*t;<br />
run;<br />
2.2.3 Dwuwymiarowy rozkład normalny<br />
Zanim przejdziemy do konstrukcji dwóch procesów skorelowanych Wienera<br />
skonstruujemy dwuwymiarowy rozkład normalny (X, Y ). Dwuwymiarowy<br />
rozkład normalny charakteryzuje gęstość dwuwymiarowa<br />
f(x, y) =<br />
1<br />
2π √ detΣ e− ,<br />
gdzie < x, y > oznacza iloczyn skalarny w R 2 . Przypomnijmy dla wektorów<br />
x, y ∈ R 2<br />
< x, y >= x1y1 + x2y2, x = (x1, x2), y = (y1, y2).<br />
Dwuwymiarowy rozkład normalny ma pięć parametrów co zapisujemy<br />
N(m, Q). Wyjaśnimy sens parametrów. Parametr m = (m1, m2) jest wektorem<br />
watości oczekiwanych, czyli<br />
EX = m1, EY = m2.<br />
Macierz Q jest odwrotna do macierzy kowariancji Σ, czyli<br />
Macierz kowariancji<br />
Σ =<br />
QΣ =<br />
� �<br />
1 0<br />
.<br />
0 1<br />
� �<br />
V ar(X) Cov(X, Y )<br />
.<br />
Cov(X, Y ) V ar(Y )<br />
Pary punktów o rozkładzie normalnym N(m, Q) generujemy korzystając z<br />
<strong>twierdzenia</strong>, że każdy wektor normalny otrzymywany jest za pomocą wektora<br />
18