制造系统建模与仿真作者苏春第3章随机变量与随机分布课案.ppt

Su Chun, Southeast University 第3章 随机变量和随机分布 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.1 随机变量和随机分布概述 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 3.2 随机数的生成方法 广义γ分布和Weibull分布都是三参数分布，由于具有形状 参数，它们具有很强的数据拟合能力。通过改变参数数值， 可以模拟其它分布或具有与其它分布相类似的属性。 γ分布可以用来模拟威布尔分布或正态分布； 当形状参数α=1时，威布尔分布演化为指数分布； 当α=3.43954时，威布尔分布接近于正态分布。 3.2.1 随机数的特性 随机数（random numbers）是随机变量的取样值，它是离 散事件系统仿真的基础和必备的建模元素。 任何离散事件系统仿真程序或模型都必须具备能够产生指定 分布的随机变量生成模块或子程序。 运行仿真程序或模型，当用户赋予某一随机变量以确定参数 的分布时，仿真系统就调用和生成相应的随机变量，以便再 现系统的随机特征。 其中，产生[0，1]区间上均匀分布的随机数是产生随机变 量的基础，其它类型分布（如正态分布、γ分布、β分布、 指数分布等）都是在[0，1]均匀分布的基础上通过一定变 换实现的。 鉴于[0，1]区间均匀分布随机数在系统仿真中的重要性， 通常将生成这种类型随机数的算法或程序称为随机数发生 器（random number generator）。 仿真程序中的随机数序列必须具有以下统计特性： ① 均匀性（uniformity）：随机变量在其可能取值范围中任一 区间出现的概率和此区间的大小与可能值范围的比值成正 比。 ② 独立性（independence）：在某个区间内一个观测值发生 的概率与先前已有的观测值结果无关。 仿真程序中常根据确定的递推公式近似地生成随机数。这些 随机数并不能严格地满足“均匀性”和“独立性”准则，不是真 正的随机数，又能在某种程度上表现出随机性，常称之为 伪随机数（pseudo random number）。 随机数发生器的评价指标： （1）随机性（randomness） （2）长周期（long period） （3）可再现性（reproducibility） （4）高计算效率（high computational efficiency） （1）中值平方法 随机数发生器的设计 （3）混合同余法 （2）线性同余法 （4）乘同余法 （5）组合法 产生[0，1]区间上均匀分布的随机数是生成随机变量的基础。 其它类型的分布，如正态分布、γ分布、β分布、泊松分布等， 都可以通过对[0，1]区间均匀分布的转化来实现。 用于产生[0，1]区间均匀分布随机数的专门程序称为—— 随机数发生器（random-number