随机变量与随机过程模拟教程分析.pptVIP

三、连续型随机变量的模拟 逆变换法：已知一个随机变量的概率分布函数，可借助于U(0,1)随机数来产生具有已知概率分布的随机数。用这种方法产生已知概率分布随机数的过程中要用到概率分布函数的逆函数，所以这种方法也称为逆变换法。 逆变换法基于以下定理： 若分布函数F(x)是连续的，且在0F(x)1时单调递增，而U是在(0,1)上均匀分布的随机变量，则随机变量X=F-1(U)具有分布函数F(x)。 三、连续型随机变量的模拟 逆变换法导出的模拟模型为： X=F-1(U) 式中包含了U，便于进行数学处理，且保留了原问题的概率特性。逆变换直接用公式产生随机变量的抽样序列，即给出任意一个ui，按照xi=F-1(ui)就可以在x轴上得到相应的xi值。 逆变换法的缺点在于有时很难找到F-1的显示表示，或者即使找到，计算起来也很复杂，甚至难以实现。 三、连续型随机变量的模拟 利用逆变换法可以产生以下几种常用的连续型随机变量。 均匀分布： 设 ，令 ，作逆变换后有： 三、连续型随机变量的模拟 负指数分布： 设 ，令 ，作逆变换后有： 由于u和1-u都是(0,1)区间均匀随机数，故上式也可写成： 四、随机过程模拟 随机过程是指对随时间推进的随机现象的数学抽象