随机数生成及其在统计模拟中的应用.docx

随机数生成及其在统计模拟中的应用 黄湘云 关键词： HYPERLINK /tags/%E9%9A%8F%E6%9C%BA%E6%95%B0 随机数;  HYPERLINK /tags/%E7%BB%9F%E8%AE%A1%E6%A3%80%E9%AA%8C 统计检验;  HYPERLINK /tags/%E6%A8%A1%E6%8B%9F 模拟 审稿：郎大为、边蓓蕾；编辑：吴佳萍 揭秘统计软件如 R，Octave，Matlab 等使用的随机数发生器，然后做一些统计检验，再将其应用到独立随机变量和的模拟中，最后与符号计算得到的精确结果比较。除特别说明外，文中涉及到的随机数都是指伪随机数，发生器都是指随机数发生器。 背景 随机数的产生和检验方法是蒙特卡罗方法的重要部分，另外两个是概率分布抽样方法和降低方差提高效率方法。在 20 世纪 40 年代中期，当时为了原子弹的研制，乌拉姆（S.Ulam）、冯诺依曼（J.von Neumann） 和梅特罗波利斯（N. Metropolis） 在美国核武器研究实验室创立蒙特卡罗方法。当时出于保密的需要，与随机模拟相关的技术就代号 “蒙特卡罗”。早期取得的成果有产生随机数的平方取中方法，取舍算法和逆变换法等。这两个算法的内容 HYPERLINK /2015/06/generating-normal-distr-variates/ 见统计之都王夜笙的文章。 随机数生成 讲随机数发生器，不得不提及一个名为 Mersenne Twister（简称 MT）的发生器，它的周期长达 219937?1，现在是R 、Octave 和 Matlab等软件（较新版本）的默认随机数发生器。 Matlab通过内置的rng函数指定不同的发生器，其中包括1995年Matlab采用 George Marsaglia 在1991年提出的借位减（subtract with borrow，简称SWB）发生器。在Matlab中，设置如下命令可指定发生器及其状态，其中1234是随机数种子，指定发生器的状态，目的是重复实验结果，v5uniform是发生器的名字。 rng(1234, v5uniform) Octave 通过内置的rand函数指定发生器的不同状态，为获取相同的两组随机数，state 参数得设置一样，如1234（你也可以设置为别的值）。Octave已经放弃了老版本内置的发生器，找不到命令去指定早期的发生器，这个和 Matlab 不一样。 rand (state,1234) rand(1,5) 0.9664535 0.4407326 0.0074915 0.9109760 0.9392690 rand (state,1234) rand(1,5) 0.9664535 0.4407326 0.0074915 0.9109760 0.9392690 Python的numpy模块也采用MT发生器，类似地，通过如下方式获得相同的两组随机数 import numpy as np a = np.random.RandomState(1234) a.rand(5) array([ 0 0 0 0 0) a = np.random.RandomState(1234) a.rand(5) array([ 0 0 0 0 0) R的默认发生器也是 MT 发生器，除了设置随机数种子的 seed 参数，还可以通过kind参数指定其他发生器，normal.kind参数指定产生正态分布随机数的发生器，下面也使用类似的方式产生两组完全一样的随机数。 set.seed(seed, kind = NULL, normal.kind = NULL) set.seed(1234,kind = Mersenne-Twister, normal.kind = Inversion) # 默认参数设置 runif(5) [1] 0.1137034 0.6222994 0.6092747 0.6233794 0.8609154 set.seed(1234,kind = Mersenne-Twister, normal.kind = Inversion) # 默认参数设置 runif(5) [1] 0.1137034 0.6222994 0.6092747 0.6233794 0.8609154 SWB发生器中“借位相减”步骤是指序列的第i个随机数zi要依据如下递推关系产生，zi=zi+20