Нетрудно вычислить плотность случайной величины , определенной формулой (40): при
продифференцировав получим плотность
Если требуется моделировать случайную величину с заданной плотностью то существует бесконечное количество способов выбрать удовлетворяющие (41).
5.4.1. Сперва рассмотрим частный случай, когда независимы: Тогда вытекает, что
Последняя формула записывается более коротко, если ввести функцию распределения величины , равную
Итак, если плотность моделируемой случайной величины представима в форме произведения
где k — постоянная, то можно моделировать по формуле (40), в которой имеет плотность функцию распределении
5.4.2. Предположим дополнительно, что и выберем случайную величину равномерно распределенную при Тогда и из (42) вытекает, что
Следовательно, если плотность моделируемой случайной величины представима в форме произведения
где постоянная, то можно моделировать по формуле (40), в которой имеет плотность равномерно распределена в интервале (0, с).
Эффективность метода в этом случае равна
Представляя в форме различных произведений (43), можно построить различные методы вида (40) для моделирования величины g. В частности, таким методом можно моделировать случайные величины, плотности которых неограничены.
Пример. Случайная величина g определена при с плотностью
где .
Представим форме произведения (43) с Значения легко вычислять методом обратных функций, так как из (4) вытекает, что Следовательно, при
Эффективность в этом примере равна Ясно, что для повышения следует выбрать наименьшее возможное значение равное
5.4.3. Снова предположим, что . Если равномерно распределена при равномерно распределена при то Из (42) вытекает, что при
Значит, чтобы моделировать случайную величину с ограниченной плотностью (я), можно выбрать
В этом и состоит метод Неймана (39).