斯米尔诺夫检验正态分布.ppt

3.3正态分布随机发生器 1．反变换法生成标准正态分布随机数 3.3正态分布随机发生器 2．发变换法生成一般正态分布随机数 随机性检验思考-以10个[0,1]随机数为例 IE * 0.05 0.11 0.27 0.33 0.48 0.59 0.63 0.74 0.88 0.91 0.09 0.10 0.29 0.38 0.41 0.57 0.68 0.77 0.81 0.99 0.13 0.18 0.23 0.28 0.40 0.48 0.61 0.71 0.88 0.91 0.23 0.38 0.39 0.43 0.47 0.63 0.69 0.80 0.98 0.99 4.1 科尔莫戈罗夫-斯米尔诺夫检验 为了确认新的发生器的有效性，应该进行的基本检验是均匀性检验。有两种不同的方法可用：科尔莫戈罗夫-斯米尔诺夫检验及 检验。 4.1 科尔莫戈罗夫-斯米尔诺夫检验-步骤 4.1 科尔莫戈罗夫-斯米尔诺夫检验-算例 假设有10个数字0.417、0.987、0.136、0.663、0.655、0.123、0.915、0.634、0.961、0.393。试在a=0.10下，检验这些数字是否为来自于(0，1) 区间上的均匀随机数。 XLS演示 4.1 科尔莫戈罗夫-斯米尔诺夫检验-算例-正态分布 8.371 5.789 5.892 5.675 3.174 6.377 5.544 4.506 1.079 7.086 5.196 7.699 4.934 4.575 3.140 6.415 6.581 6.554 7.377 7.552 试在 =0.10下，检验这些数字是否为来自于 的正态分布随机数。 由于科尔莫戈洛夫-斯米尔诺夫检验主要通过检验随机分布的均匀特性来判断样本是否满足某个特定的随机分布，因此需要从正态分布中提取均匀性特征。为了解决这个问题，可以通过观察正态分布概率密度曲线和概率分布曲线（如图3.7所示），从图中可以看出，正态分布的概率分布曲线是处于[0,1]区间的，因此，检验过程需要将样本值转换为概率分布函数值。 4.1 科尔莫戈罗夫-斯米尔诺夫检验-算例-正态分布 8.371 5.789 5.892 5.675 3.174 6.377 5.544 4.506 1.079 7.086 5.196 7.699 4.934 4.575 3.140 6.415 6.581 6.554 7.377 7.552 试在 =0.10下，检验这些数字是否为来自于 的正态分布随机数。 XLS演示 思考练习题 第03讲 随机变量的产生与检验 第03讲 随机变量的产生与检验 一、伪随机数发生器的要求 二、 伪随机数产生方法 2.1 平方取中法 2.2 线性同余法 2.3 加同余法 2.4 二次平方同余法 三、随机变量的产生方法 3.1 反变换法 3.2 拒绝法 3.3 正态分布随机发生器 提纲 四、随机数的检验 4.1 科尔莫戈罗夫-斯米尔诺夫检验法基本原理 4.2 科尔莫戈罗夫-斯米尔诺夫检验均匀分布 4.3 科尔莫戈罗夫-斯米尔诺夫检验正态分布 IE * （1）所产生的数必须服从均匀分布。至于拟合的优良程度，建议采用大样本量的χ2检验。样本容量N可以取1000至10000之间的数。 （2）所产生的数必须是统计独立的。随机数序列中一个数的值不能影响下一个数的值。如果随机数序列缺少独立性就可能被拒绝，但随机数序列被接受并不能证明它的独立性。 （3）所产生的随机数序列必须是可以重现的，这样就允许仿真试验重复进行。 （4）所产生的随机数序列在任何需要的长度内必须是不重复的。这在理论上可能是做不到，但从实践目的角度讲，在很多数目之后才出现重复性循环。这项要求已经能充分保证。随机数发生器的重复性循环出现的长度称为它的周期。 （5）随机数产生的速度必须快，因为在仿真运行中通常需要处理大量的随机数，如果随机数发生器速度慢，就必然大大增加仿真运行的时间和费用。 （6）用于产生随机数的方法应当占用尽可能小的存储空间，仿真模型通常需要大量的存储空间，而存储空间总是有限的，如此宝贵的资源在产生随机数的过程中占用得越少越好。 一、伪随机数发生器的要求 IE *