3随机数与随机变量.pptVIP

随机数与随机变量 3.1 随机变量与随机数 随机变量：X 离散型随机变量：若随机变量只能在有限或可列无穷多个(实数)点上取值，则称该随机变量为离散型随机变量。概率分布三种表示方式： 公式法：如泊松分布 列表法： 图示法： 3.1 随机变量与随机数 连续型随机变量：随机变量X在一个或多个非退化的实数区间连续取值，且存在非负实函数f(x)，使得对任意x有 。 概率密度函数： f(x) 随机数：设X的概率密度函数为 ,则X为[0,1]上的均匀分布函数。在计算机上可产生X的抽样序列{ xn }，通常称 xn 为[0,1]上均匀分布随机变量X的随机数。 3.2 常用分布 分布函数：F(x)=P(X≤x)，概率累积函数/累积分布函数 泊松分布：P(λ)或Π(λ), λ是X的数学期望。 如单位时间内放射型物质放射出α粒子的数目； 单位长度的布匹上的疵点数 指数分布：X~EXPO（ λ ） 在间隔时间t内放射出α粒子的数目 均匀分布：X~U（a，b） 抛硬币正反面出现的次数 正态分布：X~N（μ，σ2 ） 某地区男(女)性成人的身高 威布尔分布，复合泊松分布 3.3 随机数发生器 对不同的系统或者过程进行仿真时，如果系统或过程本身包含固有的随机组成成分，就需要一定的方法来生成或者获得随机的数值。例如，排队系统中的时间间隔，服务时间，库存系统中的需求量等。在计算机仿真中，能否产生具有一定性能要求的随机数是决定仿真是否可信的重要因素之一。 3.3 随机数发生器 按照某种概率分布要求产生一系列的随机数。 伪随机数：按照一定的计算方法产生的一列数，使它们具有类似于均匀随机变量的性质，称这样产生的一系列数值为伪随机数。 一.线性同余法(线性同余发生器LCG)：* Ui为第i个随机数，Z0称为随机数源或种子值； a为乘子；c为增量；m为模数； 参数均为非负整数，应满足a＜m,c＜m,Z0＜m。 将种子值Z0代入，得到一个Z0，Z1，…，Zi，…，Zn序列值。 再令 ，则可得到均匀分布随机数U(0,1)。 *例：令Z0 =27， a=17，c=43，m=100，确定i=1,2,3的随机数。 解：产生的整数值将总是在0-99之间， Z0 =27， U0 =2/100=0.02 Z1 = (17×27+43) mod 100=2， U1 =2/100=0.02 Z2 = (17×2+43) mod 100=77， U2 =77/100=0.77 Z3 = (17×77+43) mod 100=52， U3 =52/100=0.52 线性同余发生器的缺点 1.由公式计算得到的随机数序列并不是真正意义上的随机数，其取决于参数a，c，m，Z0。为使利用LCG产生的随机数在[0,1]区间上表现出均匀分布的特性，必须适当选择参数。所以产生的随机数是否满足需求，要对随机数发生器的均匀性、独立性和相关性进行检验和评价。 线性同余发生器的缺点 2.所得到的Ui序列只能取有理数值0,1/m,2/m，…，m-1/m，或其中的一部分，这取决于a，c，m，Z0。只有当m足够大时，在[0,1]区间内的取点才足够密集。这可以保证在大多数情况下，获得与真实的在[0,1]区间上的均匀分布足够接近的随机数。 3.循环，即产生的随机数具有周期性。当Zi所取的值与以前的某次取值相同时，就会产生相同的序列取值，并无穷重复下去。这个周期的长短称为发生器的周期。显然周期最大=m，称为全周期。LCG具有全周期的充要条件为： m和c互为质数，即唯一的公约数是1； 如果q是一个能整除m的质数,则q能整除a-1； 如果m能被4整除，则a-1也能被4整除。 二.中值平分法 首先给出一个初值种子X0，对该数的平方取中间值的位数，将小数点放在数的最前方就得到一个随机数。 中间位数X1平方，按照同样方法产生第二个随机数。 缺点：重复、退化 二.中值平分法 X0=6541，U0=0.6541 X02中间位数X1=7846，U2=0.7846 …… 若出现奇位数 则在平方数前补齐零 三.加同余法 只需要n个随机数的序列x1，…，xn，然后随机发生器把序列扩充为xn+1，xn+2,…即可 公式 其中m为模。 四.组合发生器 为了产生具有更长周期和更好统计性能的随机数，人们研究了采用两个或者更多个独立的随机数发生器，将它们组合到一起，来生成最后的随机数，而使最后的随机数的周期长度和性能比其中某个单独的随机数发生器产生的随机数都更好。 四.组合发生器 3.4 随机变量的产生方法 随机系统中的不确定性事件的相关变量，如到达间隔时间