随机实验报告1 Poisson过程模拟.docVIP

数学与计算科学学院 实 验 报 告 实验项目名称 随机数及Poisson过程的模拟 所属课程名称 随机过程 实 验 类 型 综合 实 验 日 期 班 级 学 号 姓 名 成 绩 一、实验概述： 【实验目的】 通过模拟产生随机数，进一步编程实现对possion过程样本轨道的模拟。掌握生成随机变量的方法，深入了解poisson过程的性质。 【实验原理】 1、随机变量的生成（逆函数法）：利用均匀分布并结合分布函数的逆变换，生成分布函数为F（x）的变换：若U是[0,1]区间上的均匀分布，F（x）为任一给定的分布函数，定义，则随机变量的分布函数为F（x）; 2、Poisson过程的模拟：（1）利用事件发生的间隔时间是独立同分布的随机变量序列，（2）给定事件发生次数的条件下，事件发生的时刻与该区间上对应的均匀分布的顺序统计量相同 【实验环境】 硬件环境 Windows 7 Microsoft Corporation Inter(R)Core(TM) i5-3210 软件环境 Matlab 7.0 二、实验内容： 【实验方案】 1、利用求逆函数的方法生成指数分布随机变量； 2、（a）利用独立同分布的指数分布序列模拟强度为1的Poisson过程； （b）利用均匀分布的顺序统计量模拟强度为1的Poisson过程 【实验过程】（实验步骤、记录、数据、分析） 1.利用求逆函数的方法生成指数分布随机变量； 步骤一：我们知道一个指数分布的概率密度函数是： 其中λ 0是分布的一个参数，常被称为率参数（rate parameter）。即每单时间发生该事件的次数。指数分布的区间是[0,∞)。 如果一个随机变量X?呈指数分布，则可以写作：X?~ Exponential（λ）。 累积分布函数累积分布函数可以写成： 时该分布函数的逆变换为： 步骤二：生成均匀分布在[0,1]上的随机数 Matlab里生成[0，1]上的均匀随机数的语句是：rand(1,1); rand(n,m)。 步骤三：生成服从参数为 lambda 的指数分布的随机数 生成有连续分布函数随机数的一般方法是用反函数法。设G(y)=F^{-1}(y)，如果u(1)..., u(n) 是服从（0，1））上均匀分布的随机数，那么G(u(1)), ..., G(u(n))就是分布函数为F(x)的随机数。 例：生成一组参数为1的服从指数分布的随机数 lambda=1; x=rand(1,10); y=-(log(1-x))/lambda 结果为： y=[ 0.6863 ,2.3003 ,1.7239 ,1.0354 ,1.7036 ,1.0795 ,0.4185 ,0.3421 ,0.4173 ,0.7637] 对于如何验证这组随机量是否满足参数为1的指数分布， （a）利用独立同分布的指数分布序列模拟强度为1的Poisson过程； 我们知道计数过程{N(t),t0} 是参数为的Poisson 过程，如果每次事件发生的时间间隔为 相互独立，且服从同一参数为的指数分布。因此只需产生n个同指数分布的随机数，将其作为，即可模拟Poisson过程。 假设我们要产生20个服从参数为1的指数分布的随机数，则可用以下编程实现： lambda=1; n=20; X=[0 -log(rand(1,n))./lambda]; 再利用MATLAB中的cumsum函数stairs(cumsum(X),0:n); 如图： （b）利用均匀分布的顺序统计量模拟强度为1的Poisson过程 首先引入定理1. 设{N(t),t0}是计数过程， 为第n个事件与第n-1个事件的时间间隔， 独立同分布且分布函数为F（x）,若F(0)=0，且对任意的 0st，都有 则{N(t),t0}为泊松过程。 定理2. 设{N(t),t0}为跃度为1的计数过程，满足，且在N(t)=n条件下， 的条件概率密度为 则{N(t),t0}为泊松过程。 利用以上理论便可进行计算机模拟： 选定t0，产生服从参数为的泊松分布的随机数n: 假定 n0,独立的产生n个在服从[0,t]上的均匀分布的随机数，将这n个数按从小到大的顺序排列的 ； 我们可以在用作为过程的第i 个点发生时间而得到过程在[0,t]上的一条轨道。 利用MATLAB编程实现： lambd