第十二章随机变量的产生.docVIP

第十二章 随机变量的产生 如何根据确定的分布类型及其参数产生随机变量 12.1 随机数发生器 基础：产生[0, 1]区间上均匀分布的随机变量, 亦称为随机数发生器。 随机数发生器不是在概率论意义下的真正的随机数, 而只能称为伪随机数，因为无论哪一种随机数发生器都采用递推算法。 如果算法选择得合适, 由这种算法得到的数据统计检验后能具有较好的统计特性(如均匀性, 独立性等), 则将这种伪随机数用于仿真仍然是可行的。 1. 线性同余发生器 Lehmer在1951年提出 (mod m) 其中是第个随机数, 为乘子, C为增量, 为模数, 称为随机数源或种子, 均为非负整数。 满足: 为了得到[0, 1]区间上所需要的随机数, 可令: 实质上完全不是随机的, 因为: 设 则 … (mod m)即一旦确定, 则就完全确定下来了。 由于是区间上的整数, 那么由得到的仅仅是有限个数, 即为0, , 而不可能位于这些数值之外。 例: 观察的线性同余发生器。 i Zi Ui i Zi Ui 0 7 10 9 0.563 1 6 0.375 11 0 0.000 2 1 0.063 12 3 0.188 3 8 0.500 13 2 0.125 4 11 0.688 14 13 0.813 5 10 0.625 15 4 0.250 6 5 0.313 16 7 0.438 7 12 0.750 17 6 0.375 8 15 0.938 18 1 0.063 9 14 0.875 19 8 0.500 特点: (1) 值确位于[0, m-1]区间上, 因而位于[0, 1]区间内; (2) 适当选择, 可使循环产生, 无论取何值, 其循环顺序是相同的。 循环一次称为发生器的一个周期, 记为。如果, 则称该发生器具有满周期。 (3) 适当地选择, 可保证在[0, m-1]区间上一个周期内每个整数正好出现一次, 从而保证了均匀性; (4) 为提高的均匀性, 要求加大。 如果足够大, 且发生器具有满足周期, 那么可以预计, 所得到的在[0, 1]区间上是均匀分布的, 且取值是相当密的。这样就可足够近似于真正的[0, 1]区间上的均匀分布U(0, 1)。 如何选择, 就能保证线性同余发生器具有满周期呢? 定理: 当且仅当下列条件满足时, 线性同余发生器具有满周期: (1) 与C能同时被整除的唯一正整数是1; (2) 如果是整除的素数(只能被自身及1整除), 则能整除; (3) 如果能被4整除, 则也能被4整除。 混合乘同余发生器： 一般选择, C为奇数, 而a可被4整除, 将得到满周期。 乘同余发生器：, 无论怎样选择, 则定理的条件(1)满足不了, 因而不可能得到满周期。是否存在一个大缺口亦难以确定。 素数取模乘同余法(PMMLCG)： 是小于的最大素数, 而的选择满足被整除的最小整数, 也就说能被整除的的最小整数为, 那么得到的的周期为, 且在每个周期内, 1，2，…，－1这些整数严格地只出现一次。 PMMLCG的优点：它避免 “缺口”问题, 能容易确定, 不需要选择, 若足够大, 其周期也很长。两个经过检验的, 性能较好的PMMLCG: (mod 235 －31) (mod 231 －1) 2. 组合发生器 将两个独立的线性同余发生器组合起来, 即用一个发生器控制另一个发生器产生的随机数, 因而称为组合发生器。 控制方法： 首先从第一个发生器产生个, 得到数组或; 然后用第二个随机数发生器产生在区间上均匀分布的随机整数; 以作为数组(或)的元素下标, 将或做为组合发生器产生的随机数, 然后从第一个发生器再产生一个随机数来取代或, 依次下去。 设与分别是由第一个与第二个线性同余发生器产生的随机数, 则令的二进制表示的数循环移位次, 得到一个新的位于0到间的整数; 然后将与的相应二进制位“异或”相加得到组合发生器的随机变量, 且令。 优点：大大减少自相关, 提高了独立性; 还可以加长发生器的周期, 提高随机数的密度, 从而提高了均匀性。而且它一般对构成组合发生器的线性同余发生器的统计特性要求较低, 得到的随机数的统计特性却比较好。 缺点: 速度慢, 要得到一个随机数, 需要产生两个基础的随机数, 并执行一些辅助操作。 12.2 随机数发生器的测试 随机数发生器是伪随机数发生器,在使用之前必须进行检验 1. 均匀性检验 频率检验： 将随机数发生器的取值范围[0,