1. Metoda odwrotnej dystrybuanty dla rozkładów ciągłych. Za pomocą metody odwra-
cania dystrybuanty zaimplementuj funkcje generujące liczby z rozkładów: • Rozkład wykładniczy E(λ) o parametrze λ (używamy takiej parametryzacji, gdzie parametr λ jest odwrotnością wartości oczekiwanej). • Rozkład normalny N (µ, σ 2 ) o wartości oczekiwanej µ i wariancji σ 2 . Dla pierwszego rozkładu wyznacz jawny wzór na dystrybuantę odwrotną. Natomiast dla rozkładu normalnego skorzystaj z odpowiedniej funkcji wbudowanej dostępnej w Twoim pakiecie (np. w Pythonie odwrotną dystrybuantę można uzyskać korzystając z funkcji percentile point function dla danego rozkładu). Przetestuj każdy generator rysując histogram i gęstość teoretyczną, dystrybuantę empiryczną (możesz skorzystać z wbudowanej funkcji) i dystrybuantę teoretyczną, wykres kwantylowy (tzw. QQ-plot), a także licząc średnią i wariancję. 2*. (Dodatkowe! 0,5 punktu) Napisz funkcję, która pobiera dystrybuantę F (jako funk- cję), parametr u i zwraca F −1 (u) z wybraną dokładnością ∆x. Możesz założyć, że F jest funkcją ciągłą. Następnie, wykorzystując zaimplementowaną funkcję, wyge- neruj próbkę z rozkładu normalnego. Zauważ,√ że dystrybuantę rozkładu normalnego możemy zapisać jako FX (x) = 21 (1 + erf(x/ 2)), gdzie erf(x) jest funkcją błędu. Nie zapomnij przetestować otrzymanego generatora. W obliczaniu F −1 wykorzystaj metodę, która pozwoli znaleźć miejsce zerowe wyra- żenia F (x) − u względem x. 3. (Metoda akceptacji-odrzucenia) Zaimplementuj generator liczb losowych z podanego rozkładu: • Niech X będzie dyskretną zmienną losową o rozkładzie: P (X = 1) = 0.11, P (X = 2) = 0.12, P (X = 3) = 0.27, P (X = 4) = 0.19, P (X = 5) = 0.31. Jako rozkład pomocniczy wybierz rozkład jednostajny. • Wygeneruj zmienną losową X z rozkładu Gamma(3, 2) o gęstości 1 2 −x f (x) = x e 2, x > 0. 16 Jako rozkład pomocniczy wybierz rozkład wykładniczy z odpowiednim para- metrem (Podpowiedź Wartość oczekiwana rozkładu pomocniczego powinna być taka sama jak wartość oczekiwana rozkładu Gamma(3, 2)).