产生各种概率分布的随机数概要.ppt

根据中心极限定理 服从标准正态分布N（0，1）。如果作线性变换： 则可以得到一个服从正态分布N（ ）的随 机变量 。 在实际应用中，只要取 就可以了。 2、Box-Muller近似方法 设R1，R2为在[0，1]区间上服从均匀分布的随机数， 利用Box-Muller公式 可以产生 和 两个服从标准正态分布N（0，1） 的随机数。 谢谢 * * 5.3 产生各种概率分布的随机数 广师 Ray_xing 5.3.1 求逆法 求逆法是基于概率积分反变换的法则，是从许多种离散分布中获得采样值的基本方法。求逆法的基本步骤如下： Ⅰ 计算所要的随机变量X的概率分布函数 F（X）； Ⅱ 在X的取值范围内，置F（X）= R。由于X是一个 随机变量，因此R也是一个随机变量，可以证明，R是区间（0，1）上的均匀分布； Ⅲ 解方程 F（X）= R，用R来表示X，即是求F（X）的逆； Ⅳ 产生所要的在（0，1）上的均匀分布随机数 并由下式计算所要的随机变量： 。 若X为一个随机变量，它的分布函数为F（X），记 为F（X）的反函数， U为[0，1]均匀分布随机变量，则随机变量 同X具有相同的分布函数。事实上，我们有： 算法： 1）产生U 2） 例5.3：产生服从负指数的随机数x。 负指数密度函数： 其分布函数： 易得F（x）的反函数为： 设U为[0，1] 即为所求的随机数。又因U是[0，1]上均匀分布的随 机数，所以（1-U）也是[0，1]上均匀分布的随机数， 故上式可以简化为 均匀分布，则 例5.4 产生服从集合分布的随机数 几何分布的密度函数为： 其分布函数为： 设U是[0，1]上均匀分布的随机数，令 可求得 又因（1-u）也是[0，1]上均匀分布的随机数，上式可 简化为 求逆法的优点显而易见，但是在实际应用时往往 会遇到一些困难。问题在于分布函数的反函数难以 求得，或者计算反函数的工作量过大，以至于无法 实现。 5.3.2 舍选法 舍选法的实质是从许多均匀分布的随机数中选 出一部分，使其成为具有给定分布的随机数，它可 生产任意有界的随机变量。 假设要生成随机变量X服从1/4到1之间的均匀分布，一种方法是： 1） ：产生随机数R 2） ：若R≥1/4，接受X=R；否则舍去R，转 回 1 3） ：重复该过程至结束 设某一随机数变量的密度函数f(x)满足： 当xb 或xa 时，f(x)=0 用舍选法产生该随机数的方法为以下步骤： 1）产生二个[0，1]均匀分布随机数R1，R2 2）令 ，并计算函数值 3）判别 ，M为f(x)最大值，若成立，X 为f(x)的随机变量，否则，转入1 。 若随机变量X的概率密度函数f(x)中的X值的下限和上限各为a和b，f(x)的上界为M，则用舍选法产生X的随机数的步骤如下： 1）产生两个独立随机数r1,r2 2）计算x0=a+r1(b-a),y0=M·r2 3） y0≤f(x0)，则接收x0作为输出；否则舍去该组数据，重新从1开始，重复此过程。 a M y b O x x0 舍去 选取 y=f(x0) y=f(x) 定理：设R2为（0，1）上均匀随机数，R为[a，b]区间上的均匀随机数，R与R2相互独立。 是[a,b]区间上的某一随机变量的密度函数，取一正常数 ，使得 成立，则有: 证明： 定理得证。 由上面可以看到，舍选法不能每次都得到一个随机数，究竟多少次才能求得一个符合判别准则的随机数呢？注意到 我们称之为舍选法的效率。 例5.5 求服从Beta分布的随机数 Beta分布的密度函数为 其中 为参数，r, s1 解：计算f(x)的最大值 求解步骤： 1）根据r,s，求f(x)的最大值M 2）产生[0，1]均匀分布随机数R1， R2。 3）检验 是否成立。若成立R1为Beta分布的随机数，否则转2。 例：用舍选法生成具有下面密度的随机数 分析：由于随机变