第三章 随机变量和随机分布.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 贝塔分布 Be(α,β) 贝塔分布的概率函数为 利用概率理论可以证明：若Y1和Y2是独立地从伽玛分布G( α，1)和G( β，1)分布中取值，则X=Y1/(Y1+Y2)，即为Be( α，β)贝塔分布中取值。 贝塔分布Be(α,β)的随机数产生 可得如下一种贝塔分布生成算法： 1)????判α≤0及β≤0，否则出错， 2)????从G( α，1)分布中取值Y1； 3)????从G( β，1)分布中取值Y2； 4) 算出X=Y1/(Y1+Y2)作为一次贝塔分布Be( α，β)的取值。 例：假如你家订了一份报纸，送报人可能在早上6：30~7：30之间把报纸送到你家，你父亲离开家去工作的时间是在早上7：00~8：00，问你父亲在离开家前能得到报纸（称为事件A）的概率是多少？ 分析：我们有两种方法计算该事件的概率： (1)利用几何概型的公式； (2)用随机模拟的方法． 想一想：你能设计一个随机模拟的方法来求它的概率吗？ 解：方法一（几何概型法） 设送报人送报纸的时间为 ，父亲离家的时间为 ，由题义可得父亲要想得到报纸，则 与 应该满足的条件为： 画出图像如右图所示， 由题义可得符合几何概型的条件，所以由几何概型的知识可得： 方法二：（随机模拟法） 设随机模拟的试验次数为 ，其中父亲得到报纸的次数为 （即为满足 的试验次数），则由古典概型的知识可得，可以由频率近似的代替概率， 所以有： 解：设 是报纸送到时间， 是父亲离家时间，则用 区间上的均匀随机数可以表示为： 3. 5 典型离散系统常用的概率分布模型 排队系统 排队系统中，主要存在两类活动，即实体到达和实体接受服务活动。 实体到达的模式一般用泊松分布来描述，即在固定时间内到达系统的实体数目服从泊松分布。 这种模式的特点是： ⑴在一定时间间隔内到达的实体数目仅与该时间间隔的长短有关，与该时间段的起始时刻无关。 ⑵在某时间间隔内到达的实体数目，与在此间隔起始时刻前到达的实体数目无关，也不影响在此间隔之后实体的到达。 ⑶不存在两个或两个以上实体同时到达的情况。 ⑷若在一定时间内到达系统的实体数目x服从参数为λ的泊松分布，则相邻到达的两个实体之间的到达时间间隔T 服从参数为λ的指数分布。 3. 5 典型离散系统常用的概率分布模型 排队系统中，若服务时间是完全随机的，通常在建模过程中用指数分布描述；若服务时间在某个常数附近波动（如同样产品的加工时间由于多种因素影响而在某个数值附近波动），此时服务时间可以用正态分布来描述。 3. 5 典型离散系统常用的概率分布模型 库存系统中一般有三类随机变量： ⑴每次订货或单位周期内的需求量。 ⑵两次需求（或订货）间的时间间隔。 ⑶发出订单和收到订货之间的时间间隔，也称为提前期。 库存系统 3. 5 典型离散系统常用的概率分布模型 最简单的库存系统模型中，需求量始终为常数，而提前期也为零或常数。在大多数实际情况中，需求的出现时间和需求量都是随机的。 一般来讲，订货提前期的分布通常与伽马分布相近，但在研究库存系统时，考虑的主要因素是需求量而不是提前期。因此一般将提前期的分布简化为均匀分布或正态分布。 几何分布、二项分布以及泊松分布都可用来描述需求的分布，常用的是泊松分布。 3. 5 典型离散系统常用的概率分布模型 在离散事件系统建模过程中，随机变量较常采用的分布形式是指数分布和正态分布，其主要原因为： ⑴指数分布简单且数据处理容易。 ⑵指数分布的一个重要特点是无记忆性。 ⑶指数分布与许多其他分布形式有关并作为其特例。 ⑷与指数分布比较，正态分布可以使随机变量取值相对集中，又可以使随机变量散布很大甚至接近于均匀分布，其应用范围很广。 3. 5 典型离散系统常用的概率分布模型 指数分布和正态分布是属于完全不同的两种描述随机变量的分布形式。服从指数分布的随机变量的取值概率是从大到小或从小到大（在负指数分布情况下）；而服从正态分布随机变量的概率分