系统建模与仿真第二章.ppt

* 《系统建模与仿真》 * 2.5.4 随机变量的产生 例10：设某分布的累积分布函数为： 产生的均匀分布随机数为0.1021，0.2162和0.7621，现将它们转换为上述分布下的随机变量。 * 《系统建模与仿真》 * 2.5.4 随机变量的产生 解：求出上述函数的逆函数得： 于是得： 即为由 确定的分布下的随机变量。 * 《系统建模与仿真》 * (2)卷积法 由两个或更多个独立随机变量的和形成的概率分布称为原始变量的卷积分布。卷积法就是通过两个或多个随机变量的相加来得到新的具有某种所希望的分布的随机变量。假设具有独立同分布的随机变量 , ,…, ，令 则 的分布函数与 的分布函数相同，此时称 的 分布为 的 折卷积。为了生成 ，可先独立地从相应分布函数产生随机变量 , ,…, ，然后利用上式得到 ，这就是卷积法。 2.5.4 随机变量的产生 * 《系统建模与仿真》 * 2.5.4 随机变量的产生 用卷积法近似生成正态分布随机变量 该方法建立在中心极限定理基础上 根据中心极限定理，大量的随机变量之和近似于标准正态分布 设有n个独立同分布的随机变量 ，每个独立变量的数字特征 ，则其和近似正态分布，均值为 ，方差为 构造随机变量 * 《系统建模与仿真》 * 2.5.4 随机变量的产生 若已知在[0,1]区间上均匀分布的随机变量U的均值 ，将n个这样的独立随机变量 相加，则 可近似为均值为0，方差为1的正态分布。 * 《系统建模与仿真》 * 2.5.4 随机变量的产生 通常认为n=12时生成的近似正态分布可以达到要求 它服从均值为0，方差为1的近似正态分布 如果需要生成均值为 ，方差为 的近似正态分布，则先由上式产生服从 的随机变量Z，再进行如下线性变换 * 《系统建模与仿真》 * （3）函数变换法 在有些情况下，无法直接得到随机变量分布函数的反函数的显性表达式，此时需要采取一些方法对做一些变换。 函数变换法就是利用函数中的变量替换，设法获得一种能够求出反函数的函数形式，在此基础上求出随机变量，随后再将变量替换回来。 2.5.4 随机变量的产生 * 《系统建模与仿真》 * 设连续型随机变量的密度函数为 ，其分布函数 不存在反函数形式。对变量 进行替换，令 设 的一阶导数存在，则随机变量 的分布密度函数为 其分布函数为 若 的反函数存在，则可以确定其分布下的随机变量。 2.5.4 随机变量的产生 * 《系统建模与仿真》 * 利用函数变化法产生随机变量的步骤： ①用随机数发生器生成在 区间上均匀分布的随机数 。 ②利用逆变换，得到 ③利用变量替换得随机变量的值为 2.5.4 随机变量的产生 * 《系统建模与仿真》 * 多维随机向量的函数变换法 设二维随机向量 具有联合分布密度函数 ，对其做变量替换，令 且 ， 有连续一阶导数，则随机向量 的雅可比行列式为 2.5.4 随机变量的产生 * 《系统建模与仿真》 * 满足 时，其联合分布密度函数为 由此得出随机变量 的联合分布函数 ，再利用逆变换法确定随机变量的值。 2.5.4 随机变量的产生 * 《系统建模与仿真》 * （4）合成法 随机变量的分布函数可以表示成若干个其它分布之和的形式。 即，对任意的x， 需写成 每一个 是一个分布函数，且 比 更容易采样。随机变量X的密度函数可写为 2.5.4 随机变量的产生 * 《系统建模与仿真》 * 2.5.4 随机变量的产生 合成法的思想：随机变量产生于这n个分布中的某一个分布，但具体选中哪个分布则是随机所在，即令 产生一个标准均匀分布下的随机数r，则一定存在一个整数m，使得 则认为x随机变量服从于分布 * 《系统建模与仿真》 * 2.5.4 随机变量的产生 如，当 时，分布函数可以写成 则，当 时，从分布函数