почти не скажется, ибо 
будет использоваться очень редко: 
Итак, метод суперпозиции дает возможность учесть «поправку» практически не увеличивая времени счета, а лишь ценою усложнения программы (впрочем, обычно это весьма нежелательно). (Дж. Марсалья [155]).
3.5.2. Дробление области определения случайной величины.
Этот прием иногда используют при моделировании случайной величины, плотность которой резко различна в различных областях.
Рис. 26.
Рис. 27.
Пусть 
плотность случайной величины определенной в интервале 
Разобьем этот интервал на сумму непересекающихся интервалов 
, так что 
и вероятности попадания 
положительны: 
Введем в рассмотрение плотности
Очевидно, 
и при всех 
из (а, b)
Согласно теореме 5, для того чтобы найти значение 
, можно сперва по числу 
разыграть номер области 
затем вычислить 
из уравнения
где 
— левый конец 
Легко проверить, что с точки зрения количества вычислений этот метод хуже, чем метод обратных функций. В самом деле, уравнение (4) для нахождения 
можно решать следующим образом: сперва найдем номер k такой, что
тогда это уравнение превратится в уравнение
решая которое и найдем g. Уравнение (23) проще, чем (21), и совпадает с уравнением модифицированного метода суперпозиции для рассматриваемой задачи.
Положение может резко измениться в пользу метода дробления области, если вместо (21) использовать для моделирования 
с плотностью 
какой-нибудь другой способ. Правда, тогда на получение одного значения 
будет затрачиваться больше двух случайных чисел.
Метод дробления области применим также для моделирования многомерных случайных величин [19].
случайной величины g аппроксимируется снизу достаточно простой линией 
как это изображено на рис. 26. Очевидно, в качестве приближения к 
можно выбрать плотность
, и находить приближенные значения 
по плотности 
в форме суперпозиции двух плотностей
по плотности 
может оказаться весьма сложным; но на времени счета это
