第三章随机变量和随机分布综述.pptVIP

生产系统建模与仿真;第3章 随机变量和随机分布 ;确定性活动与随机活动 ;随机性活动：其变化的结果是事先不可预言的，即在相同的条件下进行重复实验，每次结果未必相同，或者是知道其过去的状况，在相同的条件下未来的发展事先都不能确定，这一类活动我们称为随机性活动。随机性活动的主要特征是这类活动的描述可以通过数学统计的方法来进行。;随机变量 ; 离散型随机变量：若随机变量只取有限个数值或可列无穷多个数值，则称此类随机变量为离散型随机变量。 连续型随机变量：若随机变量可以取值于某个区间中的任一数，我们称为连续型随机变量。 ;离散型随机变量 数学定义 ;离散型随机变量 概率分布函数;连续型随机变量 数学定义 ;连续型随机变量 概率密度函数;概率密度函数/累积分布函数;随机变量的数字特征 ;离散型随机变量的数字特征;连续型??机变量的数字特征;随机变量的其它数字特征;数理统计中的基本运算规则 ;3.2 蒙特卡洛方法与随机数;3.2 蒙特卡洛方法与随机数;3.2 蒙特卡洛方法与随机数;(0，1)均匀分布随机数 ;(0，1)均匀分布随机数;(0，1)均匀分布随机数的说明;（0，1）均匀分布随机数的产生方法;（0，1）均匀分布随机数的产生方法; 用物理方法产生的随机数序列无法重复实现，不能进行程序复算，给验证结果带来很大困难。而且，需要增加随机数发生器和电路联系等附加设备，费用昂贵。因此，该方法不适合在计算机上使用。;随机数表： 利用物理过程可以得到大量随机数并将这些数制成表，在使用随机数时就可以依一定的顺序从表中取出随机数。为了适应实际需要的位数，对取出的随机数可以进行截断或拼接处理。 ;27; 如果要得到n位有效数字的随机数，只需将表中每n个相邻的随机数字合并在一起，且在最高位的前边加上小数点即可。例如，某随机数表的第一行数字为7634258910…，要想得到三位有效数字的随机数依次为0.763，0.425，0.891。 特点：简单易用，但表长度有限。;数学方法： 按照一定的算法计算出具有类似于均匀分布随机变量的独立取样值性质的数。因为这些数是按照定性的算法计算出来的，会有一定的周期性，因而被称为伪随机数。由于我们目的是利用随机数来对随机活动进行统计分析，只要伪随机数的数理统计性质能够满足实际需要就可以了。这些数理统计性质包括均匀性、独立性等。一般计算机上，产生随机数的函数为（0，1）均匀分布的随机数。 ;计算机产生随机数的算法 ;计算机上用数字方法产生的随机数的一般要求有： 1.?产生的数值序列要具有分布的均匀性、抽样的随机性、试验的独立性以及前后的一致性。 2.??产生的随机数要有足够长的周期，以满足仿真的实际需要。 3. 产生随机数的速度要快，占用的内存空间要小。 ;计算机产生随机数的算法;平方取中法;平方取中法步骤;平方取中法——例题;平方取中法——例题;引申—乘法取中法;引申—常数乘子法;同 余 法;同余法具有计算简便的优点。 产生随机数的递推公式是： 其中a称为乘法因子，c称为加法因子，M为模数（为随机数的周期）。 ;（0，1）均匀分布随机数的产生;同余法产生（0，1）均匀分布的随机数例 题;同余法产生（0，1）均匀分布的随机数产生的基本条件;常用的随机数发生器;各种离散分布随机数的产生 ;均匀离散分布的随机数的产生;非均匀离散分布的随机数的产生;非均匀离散分布的随机数的产生方法;例 贝努利概率模型二项分布的产生 ;二项分布;均匀的连续分布随机数及其产生 ;非均匀的连续分布随机数及其产生 ;反函数法(逆变法);反函数法(逆变法)的步骤;指数分布 ;正态分布 ;爱尔朗分布 ;韦伯分布 ;对数正态分布 ;伽玛分布 Gamma(β,α) ;伽玛分布 Gamma(β,α) ;贝塔分布 Be(α,β) ;贝塔分布Be(α,β)的随机数产生;例：假如你家订了一份报纸，送报人可能在早上6：30~7：30之间把报纸送到你家，你父亲离开家去工作的时间是在早上7：00~8：00，问你父亲在离开家前能得到报纸（称为事件A）的概率是多少？;;方法二：（随机模拟法）;3. 5 典型离散系统常用的概率分布模型; ⑴在一定时间间隔内到达的实体数目仅与该时间间隔的长短有关，与该时间段的起始时刻无关。 ⑵在某时间间隔内到达的实体数目，与在此间隔起始时刻前到达的实体数目无关，也不影响在此间隔之后实体的到达。 ⑶不存在两个或两个以上实体同时到达的情况。 ⑷若在一定时间内到达系统的实体数目x服从参数为λ的泊松分布，