隨机过程实验报告.docxVIP

随机过程实验报告 班级：通信1004班 姓名：杨靖 学号：U201013098 实验目的： 了解随机数的产生，并且利用随机数来模拟均匀分布、正态分布、指数分布、泊松分布并且计算均值和自相关序列。 实验工具： C++编程模拟 实验原理： 随机数产生原理：通过数学算法产生伪随机数来，模拟随机数产生。随机数序列具有循环周期性。可以证明，任何 产生伪随机数的算法总会进入循环，这样为了保证随 机数序列不产生重复的数据，就要求循环的周期足够长。 均匀分布产生原理： 利用线性同余法 （1）设置y0，即设置种子 （2）yn=kyn-1(mod N)，un=yn/N 泊松分布产生原理： 从泊松分布的分布律可知，采用前述方法很不适用。由于： 因此，采用递推法构成泊松分布： （1）产生均匀分布随机数u； （2） （3）若uF，令X=i，停止； （4） （5）转向（3）。 正态分布产生原理： 标准正态随机变量的分布函数 的反函数不存在显式，因此也不能用逆变法产生。 故采用如下方法： 设Ui～U(0，1)，i=1,2,…,n，且相互独立，由中心极限定理可知，当n较大时 设Ui～U(0，1)，i=1,2,…,n，且相互独立，E(Ui)=1/2，D(Ui)=1/12，当n较大时有： 取n=12，近似有： 也就是说，只要产生12个伪随机数u1,u2,…u12，将它们加起来，再减去6，就能近似得到标准正态变量的样本值。 指数分布产生原理： （1）产生均匀分布随机数{ui}； （2）计算指数分布随机数：xi=-ln ui /λ 实验代码： （1）随机数产生 /*函数功能，采用线性同余法，根据输入的种子数产生一个伪随机数，如果种子不变， 则将可以重复调用产生一个伪随机序列 利用CMyRand类中定义的全局变量：S, K, N, Y。 其中K和N为算法参数，S用于保存种子数，Y为产生的随机数 */ unsigned int CMyRand::MyRand(unsigned int seed) { //添加伪随机数产生代码 if(S==seed) { Y=(K*Y)%N; } else { S=seed; Y=(K*S)%N; } return Y; } 该段代码为产生随机数代码，seed为种子数起到判别的作用，如果是一个新序列的开始则S不等于seed，如果这个序列已经开始了则S=seed，接下来则用线性同余法来产生0到1之间的随机数。 （2）均匀分布的产生 /*函数功能，产生一个在min~max范围内精度为4位小数的平均分布的随机数 */ double CMyRand::AverageRandom(double min,double max) { double dResult; //添加均匀分布随机变量产生代码 dResult = 0; dResult=MyRand(seed); dResult=(dResult/N)*(max-min)+min;//范围变换 return dResult; } 该段代码为产生均匀分布的代码，是在产生0到1之间的随机数的基础上把范围扩大了任意范围。范围是在min和max之间 上图为产生400个0到4之间随机数，所产生的随机数分布服从均匀分布 横坐标为采样点数，纵坐标为采样点对应的数 该图为均匀分布的统计图，横坐标为0到4之间的数，纵坐标为这些数的频度，这里频度对应的是数的概率即产生各点的概率。 （3）正态分布的产生 /*函数功能，在min 到max 范围内产生正态分布的随机数 miu,最大概率密度处的随机变量，即产生的随机数中,概率最大的那个 sigma */ double CMyRand::NormalRandom(double miu, double sigma, double min, double max) { double dResult; //添加正态分布随机变量产生代码 dResult = 0; int i; for(i=0;i12;i++) { dResult+=AverageRandom(min,max); } dResult=dResult-6; dResult=dResult*sigma+miu; return dResult; } 该段代码为产生正态分布的代码，其原理在前面的“实验原理”中已经说明 上图为产生400个0到4之间随机数，所产生的随机数分布服从正态分布 横坐标为采样点数，纵坐标为采样点对应的数，可以大致看出2点附近的点居多 该图为正态分布的统计图，横坐