概率实验一：随机数的生成与蒙特卡洛随机模拟方法—副本.pptVIP

实验一 随?机数的产生及蒙特卡洛随机模拟方?法;实验目?的;数学模拟的方?法;一、随机数的产?生;一）产生模拟随机数的计算机命?令;2．产生mm*nn阶离散均?匀分布的随机数矩阵： R = ?unidrnd(N) R = ?unidrnd(N,mm,nn?);当研究对象视为大?量相互独立的随机变量之和，且其?中每一种变量对总和的影响都很小?时，可以认为该对象服从正态分布?。;;;设离散?型随机变量X的所有可能取值为0?,1,2,…,且取各个值的概率?为 其中 0为常数，则?称X服从参数为 的泊松分布?。;6　产生1个参数为n,p?的二项分布的随机数binorn?d(n,p)，产生m?n个参数?为n,p的二项分布的随机数bi?nornd(n,p,m,n) ?。;总结：常见分布的随机数产生语?句;补充：随机数?的产生命令 MATLAB可以?直接产生满足各种分布的随机数 ?具体命令如下: ① 产生m×n?阶[0,1]上均匀分布的随机数?矩阵 ? ra?nd(m,n) 产生一个[0,?1]上均匀分布的随机数 ? ? rand ② 产?生m×n阶[a,b]上均匀分布?的随机数矩阵 ? ? unifrnd (a,b,?m, n) 产生一个[a,b?]上均匀分布的随机数 ? ? unifrnd(a?,b) ③ 产生一个1:n的随?机排列(元素均出现且不重复) ? ? p=ran?dperm(n) 注意: ra?ndperm(6)与unifr?nd (1,6,1, 6)的区?别;④ 产生m×n?阶均值为mu方差为sigma的?正态分布的随机数矩阵 ? ? normrnd(mu,s?igma,m,n) 产生一个均?值为mu方差为sigma的正态?分布的随机数 ? normrn?d(mu,sigma) ⑤ 产?生m×n阶期望值为mu (mu?=1/λ)的指数分布的随机数矩?阵 ? exprnd?(mu,m,n) 产生一个期望?值为mu的指数分布的随机数 ? ? exprnd(mu?) 注意: 产生一个参数为λ的?指数分布的随机数应输入 ? ? exprnd(1/λ?);⑥? 产生m×n阶参数为A1,A2?,A3的指定分布name的?随机数矩阵 ? random(name,?A1,A2,A3,m,n) 产?生一个参数为为A1,A2,A3?的指定分布name的随机数? ?random(name,A?1,A2,A3) 举例: 产生?2×4阶的均值为0方差为1的正?态分布的随机数矩阵 ran?dom(Normal,0,?1,2,4) name的取?值可以是(详情参见help r?andom)： norm ? or Normal / ?unif or Uni?form poiss o?r Poisson / ?beta or Beta? exp or E?xponential / ?gam or Gamm?a geo or ?Geometric / u?nid or Discr?ete Uniform ……? ;二、蒙特卡罗随机模?拟; 蒙特卡洛（M?onte Carlo）方法是一?种应用随机数来进行计算机模拟的?方法．此方法对研究的系统进行随?机观察抽样，通过对样本值的统计?分析，求得所研究系统的某些参数?．;用蒙?特卡洛方法进行计算机模拟的步骤?：;一）频率的稳定性模?拟;function? liti1(p,mm) pr?o=zeros(1,mm); ?randnum = binor?nd(1,p,1,mm) a=?0; for i=1:mm ? a=a+randnum(?1,i); pro(i?)=a/i; end ?pro=pro num=1:m?m; plot(num,pro?);在M?atlab命令行中输入以下命令?：;在M?atlab命令行中输入以下命令?：;练习掷一枚?不均匀硬币，正面出现概率为0.?3，记录前1000次掷硬币试验?中正面频率的波动情况，并画图。? ;在M?atlab命令行中输入以下命令?：; 二）几何概率模?拟;2. 概率计算? ;fun?ction proguji=l?iti5(mm)%mm