隨机数产生原理.docVIP

均匀随机数的产生及其应用 §1.1 随机数的产生 §1.1.1 均匀随机数的产生 随机变量的抽样序列称为随机数列。若随机变量是均匀分布的，则的抽样序列称为均匀随机数列；如果是正态分布的随机变量，则称其抽样序列为正态随机数列。 用数学方法产生随机数，就是利用计算机能直接进行算术运算或逻辑运算的特点，产生具有均匀总体、简单子样统计性质的随机数。计算机利用数学方法产生随机数速度快，占用内存少，对模拟的问题可以进行复算检查，通常还具有较好的统计性质。 另外，计算机上用数学方法产生随机数，是根据确定的算法推算出来的，因此严格说来，用数学方法在计算机上产生的“随机数”不能说是真正的随机数，故一般称之为“伪随机数”。不过对这些伪随机数，只要通过统计检验符合一些统计要求，如均匀性、随机性、独立性等，就可以作为真正的随机数来使用。以后，我们统称这样产生的伪随机数为随机数。 首先给出产生均匀随机数的方法，这是产生具有其它分布随机数的基础，而后给出产生其它分布随机数的方法。 §1.1.1 均匀随机数的产生方法 线性同余法简称为LCG法（Linear Congruence Generator），它是Lehmer 于1951年提出来的。线性同余法利用数论中的同余运算原理产生随机数。分为乘同余法、混合同余法等，线性同余法是目前发展迅速且使用普遍的方法之一。 线性同余法递推公式为 其中为初值，为乘子，为增量，为模，且和皆为非负整数。 当时，上式称为乘同余法公式；当时，上式称为混合同余法公式。 如下例用乘同余法产生伪随机数： 例1： 上述方法虽产生了随机数，但只产生1-10之间的数。 下列用混合同余法产生（0,1）均匀随机数。 例2： 混合同余法： 则 。 用C语言表述为: double hrand(){ static unsigned long x=1; x=(314159269L*x+453806245L)%(2147483648L); return((double)x/2147483648.0); } 如产生之间的随机数,可令=2+3. §1.1.1 均匀随机数的应用 下面看几个具体的实例，来看一下随机数有哪些应用。 1.模拟投硬币1000次，记录正面朝上的概率及反面朝上的概率。 （方法：用混合同余法产生1000的均匀随机数，小于0.5时即为“0”(反面)，大于等于0.5是即为“1”（正面）。为0的个数除以1000即为反面朝上的概率，同理1的个数除以1000即为正面朝上的概率。） 下面是模拟正面朝上的概率程序： #include stdio.h #include stdlib.h double hrand(); int main(){ long i,count=0; double k; for(i=1;i=10000;i++){ k=hrand(); if(k0.5) { count++; } } printf(%.16lf\n,(double)count/10000.0); return(0); } double hrand(){ static unsigned long x=1; x=(314159269L*x+453806245L)%(2147483648L); return((double)x/2147483648.0); } 运行结果： 0.4999000000000000 Press any key to continue 2.求 方法一：随机点法 #include stdio.h #include stdlib.h #include math.h double hrand(){ static unsigned long x=1; x=(314159269L*x+453806245L)%(2147483648L); return((double)x/2147483648.0); } int main(){ long i,count=0; double x,y,y1; for(i=1;i=1000000;i++){ x=hrand(); /*x从0到1*/ y=hrand(); /*y从0到1*/ y1=x*x; /*x^2在x处的值*/ if(yy1) {count++; /*落入阴影区域，就计数*/ } } printf(%.16lf\n,(double)count/1000000.0*1);