第四章 物流系统仿真用的统计课题.ppt

③独立检验 二、[0 1]均匀的连续分布随机数及其生成 设给定N个随机数x1，x2，…，xN，我们计算前后距离为K的样本相关系数rK： ， k=1，2，… 式中 为随机数的方差， 为随机数的平均值， 。 如果各xi相互独立，则相关系数rK应为0。在原假设rK=0之下，当N充分大(例如N-K50)时，统计量 渐近地服从正态分布N(0，1)。同时选定α=0.05，则根据概率统计理论，当|U| =1.96时(称为差异显著)，拒绝假设 rK=0；反之，则接受。 ③独立检验 二、[0 1]均匀的连续分布随机数及其生成 一、随机变量、概率函数、随机数 第四章 物流系统仿真的概率统计 二、[0, 1]均匀的连续分布随机数及其 生成 三、各种离散分布随机数的产生 四、非均匀的连续分布随机数及其产生 非均匀的离散分布 1 给定N个x1，x2，…，xN，我们以相对应的概率P1，P2，…，PN，满足 ，从中选出一个数作为输出，这样重复下去，所产生的数列就是一个离散非均匀分布的随机数序列。 三、各种离散分布随机数的产生 非均匀离散分布的随机数的产生方法 设所求非均匀离散分布随机数的累积概率分布函数为F(x)，其中：F(0)=F0=0，Fk= (k=1，2，…，N）。 设yi是一个(0，1)均匀分布随机数。考察yi，如果 ， 则把相应的xk选出作为此次取样的输出值。 生成n个(0，1) 均匀分布的随机数 若随机数yi值∈[Fk-1，Fk），取xk 数xk服从特定分布 三、各种离散分布随机数的产生 例2-2 贝努利概率模型二项分布的产生 贝努利(Bernouli)概率模型是概率统计中一种最简单而又常用的概率模型，它由一系列试验组成。其中每次试验只有两种结果。我们用事件A和A’来表示这两种实验结果。若A产生的概率为P(A)=P，(0P1)。事件A’发生的概率P(A)=Q=1-P。而且各次试验是相互独立的。我们可以利用(0，1)均匀分布随机数序列产生贝努利概率模型的二项分布。任取(0，1)均匀分布随机数xn，若xn≤P，就认为事件A发生，反之，若向xnP，则认为A’事件发生。 三、各种离散分布随机数的产生 二项分布 在由n次独立试验组成的贝努利概率模型中，事件A发生的次数η是一个随机变量。它取值k(k=1，2，…，n)的概率是 当P较大而计算精度又要求较高时，我们可以在计算机上用n次贝努利试验产生二项分布的随机数。 生成n个(0，1) 均匀分布的随机数 统计n个随机数中数值大于某一个概率值P的个数m 数m服从 贝努利分布 三、各种离散分布随机数的产生 一、随机变量、概率函数、随机数 第四章 物流系统仿真的概率统计 二、[0, 1]均匀的连续分布随机数及其 生成 三、各种离散分布随机数的产生 四、非均匀的连续分布随机数及其产生 四、非均匀的连续分布随机数及其产生 反函数法（逆变法） 1 反函数法也称为概率积分变换法，这种方法所基于的原理是概率积分变换定理，可以简述如下： 1 给定(0，1)均匀分布随机数yn(n=1，2，...)，如果F-1(yn)是随机变量X的反累积分布函数，则由公式 2 xn= F-1(yn) 所计算的随机数就是随机变量X的取样值。 反函数法(逆变法)的步骤 求出y= F(x)的反函数： x= F-1(y)。 利用(0，1)均匀分布随机数产生程序取得yn。 利用x= F-1(y)可得到需要的随机数xn。 四、非均匀的连续分布随机数及其产生 ΔF Δx ①指数分布 指数分布的概率密度函数是 累积分布函数为 生成随机数的逆函数为 当y是（0，1）均匀分布随机数时，z=1-y也是（0，1）分布均匀随机数，所以 四、非均匀的连续分布随机数及其产生 四、非均匀的连续分布随机数及其产生 给定随机数Ri（z），产生均值为1的指数随机变量Xi i 1 2 3 4 5 Ri 0.1306 0.0422 0.6597 0.7965 0.7696 Xi 0.1400 0.0431 1.078 1.592 1.468 ②正态分布 正态分布的概率密度函数为 对于此式要直接求F-1(y)是很困难的，可利用坐标变换等方法。令x=σx1+μ就可以将上式化成标准正态分布N(0，1)。设u1和u2是两个独立的(0，1)均匀分布随机数，利用坐标变换