随机样本的生成.pptVIP

5.6 随机样本的生成 主要问题： 我们已经介绍了许多描述随机变量行为的方法： （变换、分布、矩的计算以及极限定理等等） 实际应用中，通常是先采集随机变量的观测值，然后将这些随机变量用于描述实际现象并进行建模。 我们来看一个例子（5.6.1）： 主要思路： 首先,是研究怎样生成我们需要的随机变量。 其次,要用大数定律证明模拟算法所得近似结果的可靠性。 问题转化： 假定能够生成独立同分布的均匀随机变量。 事实上，有许多可以生成伪随机数的算法。 注：伪随机数，即不是真正的随机数，是一种具有非常长周期的能通过数理统计中均匀性检验的数列，是均匀随机数的一种可行近似。 主要方法： 直接法——变换 间接法——舍选法 5.6.1 直接法 5.6.1 直接法 不难看出，若函数 可以表示成初等函数，随机变量 服从 区间上的均匀分布时，变换后的随机变量 满足某指定分布，则可以使用直接法生成随机变量 。 例1（5.6.3）： 程序演示： 例如： 例2（5.6.4）：Box-Muller算法 程序演示： 例3：标准正态随机数的生成 程序演示： 离散随机变量的生成： 若离散随机变量 可以取值 ，则有 例4（5.6.5）： 程序演示： 5.6.2 间接法 舍选法：（无法通过直接变换生成随机变量） 算法改进 观察发现，上面的算法中并没有用到区域 ， 5.6.3 舍选法： 证明： 例5（5.6.9）： 条件 的重要性： Metropolis 算法： 随机样本生成的发展：（MATLAB） 生成的随机变量 有以下的累积分布函数 注意； 如果定义随机变量 则 服从参数为 的几何分布，且 。 在上例中我们也可以用以下方法生成贝塔随机变量： 1）生成 区间上服从均匀分布的随机变量 和独 立随机变量 ； 2）如果 ，则令 ，否则返回 步骤1）。 设 ，其中 有相同的支撑集。 1）生成 ，令 ：对 2）生成 区间上服从均匀分布的随机变量 以及 并计算 3）令 ， 则当 时， 依分布收敛于 。 这一页主要介绍本节主要讲的问题 这里加了一个动画效果，主要是为了简单说明一下弱大数定理的含义。 直接法的主要思路是变换，即利用各种关系将均匀随机变量变换为满足其他分布的随机变量；间接法主要介绍的是舍选法。 直接法的理论基础 直接法的适用条件 生成方法就是生成一定量的均匀分布随机数（n个），然后利用中心极限定理的公式得到一个标准随机数，循环执行可得到一系列标准正态分布随机数。 直接法的适用条件 生成方法就是生成一定量的均匀分布随机数（n个），然后利用中心极限定理的公式得到一个标准随机数，循环执行可得到一系列标准正态分布随机数。 直接法的理论基础 舍选法的基本思想 直接法的适用条件 正是我们想要的累积分布函数 正是我们想要的累积分布函数 分布末端的描述 * * * * 通常考虑：给定随机变量，利用分布函数的性质刻画 随机变量的行为。 如何生成服从给定的分布的随机数？ 这里主要研究 ：给定分布，生成相应的随机样本。 设某类电子元件的使用寿命服从参数为 的指数分布，我们考虑 个元件中至少有 个使用寿命大于等于 小时的概率。 假设各元件之间独立，则可将对 个元件的检测看作伯努利实验（独立重复试验），有 明显地， 的计算量有些繁重，不过这里 服从指数分布，因此 能表示为初等函数： 计算 的一个模拟算法是生成具有相应分布的随机变量，并用弱大数定律证实模拟的可靠性，令 ， 独立同分布，则有： 样本空间足够大时，样本均值依概率收敛于分布的期望。 计算步骤：对任意的 1）生成独立同分布且服从参数为 的指数分布的随机变量 ； 2）如果至少有 个 使用寿命 ，则令 ；否则 令 。 于是由 且