第2章 仿真的概率统计基础.pptVIP

④　生成均匀分布随机数u1，u2，…，然后由上式生成所需要的随机变量x1，x2，… ui与1－ui是补数，因此上式可简化为： 反变换法产生均匀分布随机变量 均匀分布的累积分布函数： 用随机数发生器生成 [ 0，1］上的均匀分布随机数U，则可得[a,b]上均匀分布的随机变量X。 令： 则： 思考：某三角分布概率密度函数为 f(x)= x, 0≤ x ≤ 1 2-x, 1 ＜ x ≤ 2 0, 其他 0 1.0 2.0 x 1.0 f(x) 如何产生符合其分布的随机数？ 解：其累计分布函数为 F(x)= x2/2, 0 ＜ x ≤ 1 1-(2-x)2/2, 1 ＜ x ≤ 2 1, x＞2 0, 　　　 x ≤ 0 0 x 1.0 2.0 1.0 f(x) 0 ＜ x ≤ 1时 0 1.0 x 2.0 1.0 f(x) 1＜ x ≤ 2时 产生服从U（0,1）的随机数ui， 令其等于累计分布函数F（xi）,则 0 ＜ ui ≤ 1/2 1/2 ＜ ui ≤1 因为　　 0 ＜ xi ≤ 1　 相当于　 0 ＜ ui ≤ 1/2 　　　　 1 ＜ xi ≤ 2　 相当于 1/2 ＜ ui ≤1 所以该三角分布的随机变量可由下式产生： 对于1 ＜ x ≤ 2，ui ＝1-(2-xi)2/2, 　 则xi ＝2－√2（1－ui ） 对于　0 ＜ xi ≤ 1， 　 ui ＝xi2/2, 则xi ＝√2ui 2. 组合法 组合法是利用某些容易得到的随机数组合形成其他分布的随机数。设对于任意X，F(x)可写为： 其中， 同样，如果X的概率密度函数可写为： 其中，fj都是密度函数。 则一般合成算法如下： （1）产生一个正随机数J，使得： P（J＝j）＝pj j＝1，2，… （2）计算返回概率分布函数为FJ的x。 由组合法产生随机变量时，至少要产生两个服从U（0，1）的独立的随机数。 例：设密度函数为 这个函数可以用两个函数的组合来表示： 函数 f（X）是两个函数 的凸函数，p1=p2=0.5。 可以采用逆变换法来生成双指数分布的随机变量。 (1) 首先生成独立同分布的U（0，1）随机变量 U1、U2， (2)若U1≤0.5，则返回 X=ln(U2) ； 若U1＞0.5，返回 X=－ln(U2) 。 3. 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。 卷积法可用来生成爱尔朗分布（Erlans）、近似正态分布和二项式分布的随机变量。 假设具有独立均匀分布的随机变量X1，X2，…，Xm， 令： Y = X1 + X2 + … + Xm 则Y的分布称为Xi的m重卷积。 4. 舍选法 舍选法是一种利用均匀分布随机数产生其他分布随机数的方法。该方法的基本思想是提出一个一定的检验条件，将许多均匀分布的随机数中不满足这一条件的数剔除出去，得到一个新的随机数序列。 设随机变量x的概率密度函数为f(x)，当xa或xb时f(x)=0（即f(x)集中在有限区间(a,b)），且有上界c。则用舍选法产生具有以上分布的随机数的步骤如下： （1）产生两个相互独立的(0,1)区间均匀分布的随机数r1,r2; （2）使u1=a+(b-a)r1; （3）使u2=c*r2; （4）若u2=f(u1)，那么u1是所求的随机数序列中的一个数；若u2f(u1)，那么u1就从该序列中被剔除。 * * 第一步可以解释为选择具有概率 pj的分布函数 F，可以用前面讲到的方法，如逆变 换法来求得。生成J后，由第二步生成 XJ独立于Js是具有概率分布函数 F * 回想一下三角分布的例子。一样吗？ 管理系统仿真 管理学院 宾宁 bn_gdut@163.com 2仿真的概率统计基础 离散事件系统内部实体的活动常常是不确定的，需要采用概率统计方法加以描述 对于已知的系统数据： 分析并选择合适的分布形式， 作出该分布的参数估计， 然后进行检验以观察是否获得合适的拟合， 最终得到离散事件系统的概率统计模型 仿真的概率统计基础 对于已知的系统数