均匀分布随机数的产生-read.docVIP

第二章补充 一 随机数的产生方法 1.均匀分布随机数的产生 产生(0, 1)均匀分布随机数的方法很多,大致可归纳为三大类: 利用专门的随机数表。 这种随机数随机性和均匀性较好，但是很难产生和存储足够大的随机数表，而仿真有时需要大量的随机数。 2）物理方法产生随机数 例如放射粒子计数器，电子管或晶体管噪声发生器等。这种随机数随机性和均匀性都很好，而且可以产生任意多个随机数。缺点是没有可重复性，难以对程序和仿真的正确性作检查。 3）数学方法产生随机数 常用的方法有：平方取中法和线性同余法。 i.平方取中法： 平方取中法是四十年代由冯·诺依曼和梅特罗波利斯(Von Neuman and Metropolis)提出的。其基本思想是任取一个N位整数作为初值，将初值平方，得到一个2N位的整数，如果初值的平方不是2N位时，高位用0补齐，取中间N位作第一个随机数。将第一个随机数平方取中间N位即得第二个随机数，以此类推可得到一系列随机数。平方取中法虽然简单，但周期较短，产生的随机数的统计性质不好，若初值取得不恰当，还会发生退化现象。所以必须注意初值的选取。 ii.线性同余法 当今应用的大多数随机数发生器是采用线性同余法。使用线性同余法必须事先提供三个参数；l，u，m．其迭代公式为： xi+1＝(λxi+μ)(mod m) 其中，i＝1，2，…λ≠0 。 这里A称为乘子，μ为增量，m为模。在式中，若给定初值x0(称为种子)，就可迭代算出均匀随机数序列x1、x2、……，将它们除以m，即可得到(0，1)区间均匀分布的随机数xi 。 当μ≠0、λ=1时称为加同余法；当μ=0且λ≠1时，称为乘同余法；当λ≠1且μ≠0时称为混合同余法。乘同余法的迭代公式为： xi+1=λxi(mod m) 例如用乘同余法产生随机数，其中λ=19，m=100，x。＝11，按下面步骤计算： 第i步 xi-1 λxi-1 λxi-1(mod m) 1 11 209 9 2 9 171 71 3 71 1349 49 4 49 931 31 5 31 589 89 由于模数m的位数有限，这使得产生的随机数序列到了一定长度后，总会出现重复循环序列的现象。把重复循环序列的长度称为周期，用L表示(L≤m)，要使周期足够的长，必须选择适当的参数λ，x。及m之值。 参数的选择主要从产生随机数的基本要求来考虑，即周期要长、产生的速度要快、统计特性要优等。为一个随机数发生器选择理想的参数值是一个复杂的问题，除涉及到抽象代数、数论等有关理论知识外，还要依靠在计算机上进行试验，因而参数的选 取也是半经验性质的。在许多资料或文献中可以看到有关这方面研究结果的报导，同时还推荐了可供使用的一些具体参数值或者参数选择的原则。 对于二进制计算机，参数m、λ和x。可按下列规则选取。 m的选择：为了获得较长的周期L，希望m取得足够大。当计算机的尾数字长为P时，取m＝2P，其最大可能周期L＝2P-2，且计算方便，当以m为模操作时， 只需作简单的移位操作即可。 A和xo的选择：为了能得到最大可能周期L：2p-2，选λ=8K土3(K为正整数)，λ值不宜取得过小，当λ选取得和2p/2接近时，可保证连续产生的两个随机数之间只有 弱相关。xo应不为2的倍数，因此选xo为奇数。 一些计算机具有整数相乘溢出功能，若其整数尾部字长为k位，则两个k位整数相乘后，只保留其右k位。因此，在这类计算机上，两个整数相乘后的位数若多于k位，则留下的就是模2k的余数。但应注意，由于溢出时其符号位的数码是随机的，有时为“0”，有时为“1”，因此可能出现负数，这时只要再加上m即可得出其正值的同余数。 一般的通用编程语言都有生成（0，1）之间随机数的函数。一般能够满足要求不太高的仿真要求 非均匀分布随机数的产生 均匀分布随机数是随机数中最简单和最基本的。借助于均匀分布随机数可以产生出其它分布的随机数。 已知一个随机变量的概率分布函数，可借助于(0，1)区间上均匀分布随机数来产生具有已知概率分布的随机数。用这种方法产生随机数的过程中要用到概率分布函数的逆函数，所以称作逆变换法。逆变换法既可用于连续随机数的产生，也可用于离散随机数的产生。 先讲一下随机变量的概率分布函数的概念. 随机变量的概率分布函数： 若X是一随机变量，x是任意实数，函数 F（x）=P（X=x）称为随机变量X的