管理系统模拟3.pptVIP

3.3 随机变量的产生方法 逆变换法（Inverse Transfer） 卷积法（Convolution） 合成法（Composition） 取合法（Acceptance－Rejection） 函数变换法 3.3.1 逆变换法 逆变换法也称为反函数法。 如果 U～U（0，1），而F-1（U）是分布函数F（x）的反函数，则：由随机数U（0，1）可直接生成规定分布F(x）的随机数｛xi｝。 算法为： ① 设随机变量X的分布函数为F（X）； ② 在区间[ 0 ，1]上取均匀分布的独立随机变量u； ③ 由分布函数的反函数F-1(u)得到的值即为所需要的随机变量 x； ④X=F-1(u)即为所需的随机变量。 连续随机变量的逆变换法 一、逆变换法产生指数分布的随机变量 指数分布的概率密度分布函数为： ④　生成均匀分布随机数u1，u2，…，然后由上式生成所需要的随机变量x1，x2，… ui与1－ui是补数，因此上式可简化为： 二、逆变法产生均匀分布随机变量 均匀分布的累积分布函数： 练习与思考： 在Excel中产生10个符合U（0,1）的随机数。 已知λ＝5，产生10个符合指数分布的随机数，并写出产生的方法。 已知某顾客到达的时间间隔符合λ＝0.1的指数分布，时间间隔取整数。用Excel产生10个符合指数分布且为整数的随机数，并写出产生的方法。 已知某价格符合在区间［100,150］内的均匀分布。试产生10个符合要求的随机数，并写出产生的方法。 某三角分布概率密度函数为 产生服从U（0,1）的随机数ui， 令其等于累计分布函数F（xi）,则 思考：某分布概率密度函数为 三、逆变换法产生离散随机变量 设离散随机变量x分别以概率P(x1)，P(x2)，…，P(xn)取值x1，x2，…，xn， 　其中： 3.3.2 卷积法 由两个或更多个独立随机变量的和形成的概率分布称为原始变量的卷积分布。 卷积法就是通过两个或多个随机变量的相加来得到新的具有某种所希望的分布的随机变量。 卷积法可用来生成爱尔朗分布（Erlans）、近似正态分布和二项式分布的随机变量。 假设具有独立均匀分布的随机变量X1，X2，…，Xm， 令： Y = X1 + X2 + … + Xm 则Y的分布称为Xi的m折卷积。 例1：用卷积法生成爱尔朗分布 该方法建立在中心极限定理基础上。根据中心极限定理，n个独立同分布的随机变量X1，X2，…，Xn ，每个独立变量的均值为μx，有限方差为δx2，则其和是一个近似正态分布，均值为 nμx ，方差为 nδx2 。 这里，采用均匀分布U（0，1）的随机变量，则 μx ＝0.5，方差＝1/12。 n个这样的独立随机变量相加，则： 研究表明，n越大近似性越好。通常认为，n=12时生成的近似正态分布可以达到要求，而由于n取12时可以避免开方运算，因此计算效率也比较高。将n=12 代入上式，有： 3.3.3 合成法 合成法适用于产生分布函数为多个分布函数（F1，F2，…）的凸函数的情况。设对于任意X，F(x)可写为： 同样，如果X的密度函数可写为： 例：一个拉普拉斯分布，即双指数分布，其密度函数为 这个双指数函数可以用两个函数的组合来表示： 3.3.4 取舍法 当某些概率分布的密度函数十分复杂而又难以求得其累计分布函数时，此法有优越性。 取舍法通过某个检验条件决定取舍得到F（x）的随机数。我们定义一个函数t(x)，使得： 对于所有的 X，都有 t（X）≥f（X） 　　因为　 概率密度函数f(x)、覆盖函数t(x)及r(x)的关系图 取舍法生成随机变量的步骤： （1）生成密度为r(x)的Y； （2）生成独立于Y的U～U（0，1）； （3）如果U≤f（Y）／t（Y）(或写成Ut（Y）≤f（Y）)，则返回X=Y； （4）否则返回步骤1，再次抽样。 例：用取舍法产生beta分布的随机变量： 一个beta（4，3）分布的密度函数为： （1）生成密度为r(x)的Y；本题Y是U（0，1）随机变量 （2）生成独立于Y的U～U（0，1）； （3）检验是否满足： 3.3.5 函数变换法 函数变换法是关于随机分布的函数（仍为随机分布）的抽样法。通过随机分布之间的关系式推导出分布