STATA入门10随机模拟..docVIP

10随机模拟 只要你自己试试模拟随机现象几次，就会加强对概率的了解，比读很多页的数理统计和概率论的文章还有用。学习模拟，不仅是为了解模拟本身，也是为更了解概率而了解模拟。 10.1伪随机数 生成（0，1）之间均匀分布的伪随机数的函数为uniform() di uniform() di uniform() di uniform() 每次都得到一个大于零小于1的随机数。 如果要生成一位数的随机数（即0，1，2，3，4，5，6，7，8，9），可以取小数点后第一位数，通常用下面的命令 di int(10*uniform()) 两位随机数(0-99)则取小数点后两位小数，即 di int(100*uniform()) 任意均匀分布随机数（a,b）由下述函数得到 a+(b-a)*uniform() 任意均匀分布整数随机数（a,b）由下述函数得到 a+int((b-a)*uniform()) 也可以同时生成多个随机数，然后将该随机数赋给某个变量。要注意的是，电脑中给出的随机数不是真正的随机数，而是伪随机数，因为它是按照一定的规律生成的。如果给定基于生成伪随机数的初始数值（即set seed #），则对相同的初始数值，生成的伪随机数序列完全一样。 *============================begin==================================== clear set obs 10 gen x1=uniform() gen x2=uniform() //注意到x1与x2不一样 set seed 1234 gen y1=uniform() set seed 1234 gen y2=uniform() gen y3=uniform() //注意到y1与y2一样，但均与y3不同 set seed 5634 gen z1=uniform() set seed 1234 gen z2=uniform() //注意到z2与y1,y2一样，但z1与z2不同 list *============================end==================================== 10.2简单模拟 利用随机数字表或者电脑软件中的随机数字，来模仿机遇现象，叫模拟（simulation）、 一旦有了可靠的概率模型，模拟是找出复杂事件发生概率的有效工具。一个事件在重复结果中发生的比例，迟早会接近它的概率，所以模拟可以对概率做适当的估计。 例1：如何执行模拟 掷一枚硬币10次，结果中会出现至少3个连续正面或者至少3个连续反面的概率是多少？ 思考： 猜想这个概率大约是多少？ 如何从理论上计算出这个概率？ 如何模拟计算这个概率？ 第一步：提出概率模型。 每一次掷，正面和反面的概率各为0.5 投掷之间，彼此是独立的。也就是说，知道某一次掷出的结果，不会改变任何其他次所掷结果的概率。 第二步：分配随机数字以代表不同的结果。 随机数字表中的0-9每个数字出现的概率都是0.1 每个数字模拟掷一次硬币的结果。 奇数代表正面，偶数代表反面。 第三步：模拟多次重复。 生成10个随机数字 记录开心的事件（至少连续三个正面或反面）是否发生，如果发生，记为1，否则为0 重复10次（或者100，1000，1000000次），计算概率=开心事件发生/总重复次数。 真正的概率是0.826。 大部分的人认为连续正面或反面不太容易发生。但模拟结果足以修正我们直觉错误。 *============================begin==================================== capt program drop seq3 program seq3,rclass //rclass选项表示计算结果将由return返回到r() version 9 drop _all //清空所有数据，不能用clear set obs 10 //将生成10个观察值 tempvar x y z //设定x,y,z为临时变量 gen `x’=int(10*uniform()) //产生10个随机变量，可能为0，1，…，9 gen `y’=(mod(`x’,2)==0) //如果生成的随机变量为奇数，则y=0;为偶数，y=1 gen `z’=0 //生成Z=0 forvalues i=3/10 { replace `z’=1 if `y’==`y’[_n-1] `y’==`y’[_n-2] in `i //连续三个变量相等时z=1 }