概率论大作业.docVIP

概率论第二章大作业 真正的随机数是使用物理现象产生的：比如掷钱币、骰子、转轮、使用电子元件的噪音、核裂变等等。这样的随机数生成器叫做物理性随机数生成器，它们的缺点是技术要求比较高。 在实际应用中往往使用伪随机数就足够了。这些数列是“似乎”随机的数，实际上它们是通过一个固定的、可以重复的计算方法产生的。它们不真正地随机，因为它们实际上是可以计算出来的，但是它们具有类似于随机数的统计特征。在真正关键性的应用中，比如在密码学中，人们一般使用真正的随机数。 伪随机数或称伪乱数，简单的来说就是利用数学方法使用一个确定性的算法计算出来的似乎是随机的数序，因此伪随机数实际上并不随机。在计算伪随机数时假如使用的开始值不变的话，那么伪随机数的数序也不变。伪随机数的随机性可以用它的统计特性来衡量，其主要特征是每个数出现的可能性和它出现时与数序中其它数的关系。伪随机数的优点是它的计算比较简单，而且只使用少数数值很难推算出计算它的算法。 在计算机中都备有可直接使用的均匀分布随机函数或程序，一般是用数值转换中的求余法得到的，这样产生的随机数列，是根据确定的算法递推出来的，严格地讲并不是随机的，因此称为伪随机数。不过如果计算方法选得恰当，它们近似于相互独立和均匀分布，在一定的置信度下，能通过统计检验中的参数检验、独立性检验、连检验等，因此可以把它们当作真正的随机数使用。 例如：均匀分布 定义： 若连续随机变量的概率密度为 则称服从均匀分布，记为，数学期望， 方差 随机数列的生成： 如果为[0,1]区间均匀分布的随机数列，则令于是得 即为[a,b]区间均匀分布的随机数列。 指数分布： 若连续随机变量的概率密度为 则称服从指数分布，记为，，数学期望， 方差。累积分布函数为。 随机数列的生成： 如果为[0,1]区间均匀分布的随机数列，则令 于是得 即服从指数分布的随机数列。 Table[Random[Real,{0,1}],{100}] {0.288071,0.580477,0.01996,0.250306,0.533106,0.664354,0.663133,0.59496,0.807462,0.334371,0.185604,0.536187,0.460936,0.075124,0.654934,0.725182,0.424717,0.588037,0.442401,0.798675,0.899288,0.225706,0.292875,0.970472,0.611218,0.645229,0.272915,0.720167,0.0781117,0.980875,0.609782,0.125207,0.27065,0.646504,0.424178,0.58902,0.809714,0.57138,0.769244,0.863838,0.384997,0.983343,0.326843,0.0651637,0.485709,0.757638,0.0339683,0.0946914,0.874491,0.112409,0.761053,0.374525,0.79638,0.131534,0.151271,0.249318,0.52573,0.48503,0.727093,0.660297,0.716016,0.91365,0.957849,0.796459,0.331018,0.930307,0.631006,0.731295,0.845309,0.172669,0.597037,0.636604,0.970818,0.06026,0.835984,0.262079,0.174439,0.928726,0.684713,0.0127614,0.648709,0.443696,0.95762,0.352464,0.932693,0.530046,0.999771,0.556005,0.601675,0.599739,0.368765,0.82471,0.756365,0.427071,0.771728,0.188106,0.785547,0.366811,0.935743,0.926027} 第一种为均匀连续分布 Table[Random[Integer,{0,10000}],{100}] {9615,9333,6403,3450,7987,5994,164,8209,1710,3077,9346,6129,2112,1180,2926,4705,7303,7409,7576,5729,1593,9379,8482,8373,5771,5213,8089,1851,4813,6215,7492,3067,4965,788,2599,2973,4593,8997,8345,8045,2985,5080,2712,81