Алгоритм из теории вероятности!!!

[GoreC_MikI]

задача в домашней контрольной: Моделирование
Не понятно, что к чему) какой алгоритм!!!очень надо
(алгоритм для Равномерное распределение R(0,2))
Задание:
1) Изучить раздел 1 «Принципы статистического моделирования».
2) Для указанного распределения смоделировать выборку объема n=100 при заданных параметрах, используя предложенный алгоритм.
Указание: Для моделирования БСВ можно использовать возможности датчика случайных чисел, который генерирует равномерное распределение.
3) Обработать полученную выборку. Сделать вывод о точности предложенного алгоритма.
К работе должно быть приложено описание алгоритма на языке выбранного программного продукта (программа), приведена полученная выборка (в печатном или электронном виде).

Раздел 1 Принцыпы статистического моделирования
Моделирование на ЭВМ случайных элементов подчиняется двум основным принципам:
 сходство между случайным элементом-оригиналом и его моделью на ЭВМ состоит в совпадении (близости) вероятностных законов распределения или числовых характеристик;
 любой случайный элемент  конструируется как некоторая функция от простейших случайных величин, так называемых базовых.
Простейшим для моделирования на ЭВМ случайным экспериментов является эксперимент, заключающийся в бросании наудачу точки в промежуток [0,1]. Математической моделью этого эксперимента является непрерывная случайная величина (с.в.) , равномерно распределенная на промежутке [0,1].
Базовой случайной величины (БСВ) называется с.в. , равномерно распределенная на промежутке [0,1]. Плотность распределения БСВ имеет следующий вид: .
Таким образом, задача моделирования произвольного случайного элемента  разбивается на две подзадачи:
1. моделирование на ЭВМ независимых БСВ ;
2. нахождение функции такой, чтобы случайный элемент обладал бы требуемым вероятностным распределением.
Поэтому моделирующий алгоритм состоит из двух блоков: блока моделирования БСВ и блока функционального преобразования .
Коэффициентом использования базовых случайных величин называется величина , обратная числу r базовых случайных величин, используемых для моделирования одной реализации случайного элемента , т.е. , где .
Величина  является мерой вычислительных затрат на моделирование случайного элемента. Чем меньше , тем больше затраты на моделирование. Обычно функция определяется не единственным образом, поэтому целесообразно выбирать ее таким образом, чтобы  принимала наибольшее значение.