随机变量与随机过程模拟精讲.ppt

随机变量与随机过程模拟;主要内容;一、统计实验法与伪随机数;一、统计实验法与伪随机数;运用统计分析法对随机模型实施模拟时需要获得具有给定分布随机变量的一列独立样本值，通常称不同分布随机变量的抽样实现值为不同分布的随机数，其中IIDU(0,1)均匀分布随机数是最基本的随机数，通过对它进行适当变换，就可以得到任意分布的其他随机变量。 目前大多数仿真中都是应用计算机程序来产生IIDU(0,1)均匀分布随机数，即采用某种确定的规则，通过递推计算产生随机数序列。虽然它不是真正的随机数，但由于其具有真正随机数的统计性质，因此可以把它当作随机数来使用，这样的数列称为伪随机数。 ;真正意义上的随机数（或者随机事件）在某次产生过程中是按照实验过程中表现的分布概率随机产生的，其结果是不可预测的，是不可见的。 计算机中的随机函数是按照一定算法模拟产生的，其结果是确定的，是可见的。我们可以这样认为这个可预见的结果其出现的概率是100%。所以用计算机随机函数所产生的“随机数”并不随机，是伪随机数。 ; 产生伪随机数的方法很多，一般来说应满足以下几点要求： 具有较好的随机性与均匀性； 产生伪随机数的速度要快； 占用计算机内存尽可能少； 一批随机数的循环周期尽可能长。; 目前在实际应用中多采用乘法线性同余法，其递推公式为： xi+1 =(a xi +b)mod m