[英语学习]Course_4随机数生成.pptVIP

* * * * * * 将n个独立的观察值按大小次序排为 若xk〈= x〈xk+1，则不大于x的观察值的频率为k/n SN(x) = nx / N 等于在n次重复独立试验中，事件{X《= x}的频率 称Sn（x）为样本分布函数或经验分布函数 （浙大概率与统计P212） * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 2P4=16 * * * * 2b 2b-1 符号位 * * * * 13=-3+2*8 * * * * * 中心极限定理 Management System Simulation * * 通式：(早期计算机中经常采用) Xi+1 =[aXi ]mod m，Ui+1 =Xi+1 /m 特点: c=0 不满足前定理，可能得到满周期的随机序列。 如: D. H. Lehmer法可以求得周期为p=m-1随机序列。 如: Banks等人的方法可以求最大可能周期的随机序列。 条件：取x0为奇数,且满足a = ?3 + 8k(k为整数)； 当m=2b和c=0时, 可以获得最大可能周期p=m/4=2b-2, 也可以使用“整数溢出法”。 乘法同余法 Management System Simulation * * 例：a=13, b=6, m=2b=26=64, x0=1,2,3,4。 结果：当x0=1, 3时, 可以获得最大可能周期为p=26-2 =16随机序列。而x0=2,4时,得不到最大可能周期。 乘法同余法示例 Management System Simulation * * 二次同余法 通式：Xi+1 =[ aXi2 +bXi +c]mod m，Ui+1 =Xi+1 /m 特点 a和b 为互质的常数, c为一奇整数,且不为3和5除尽, 并与m互质。 m的取法和线性同余法相同. 加法同余法 通式：Xi =[ Xi-1+Xi-n] mod m，Ui=Xi /m 特点 免除了乘法运算, 所以计算速度较快。 但事先需要若干个数, 从已知的x1,x2,..,xi计算xi+1 二次同余法和加法同余法 Management System Simulation * * 均匀分布随机数的检验 Management System Simulation * * 随机数生成 还可以以许多其他方法生成随机数 特点：有周期性，伪随机 应用中，我们并不真正需要“真”的随机数； 满足“某些条件”的“伪”随机数已经足够了 面临的问题 如何验证所得的随机数是否满足使用要求。 由于“伪”随机数应该是随机数，又具有均匀、独立的特点，因此要进行以下三个方面的检验： 参数检验; 均匀性检验; 独立性检验。 检验均匀生成随机数的背景 Management System Simulation * * 目的：检验样本在基本参数检验方面是否符合要求。也可视为是最为基本的统计上的检验。 对于随机数u1, u2, ..., uN (N为数据长度)，一些常见的进行检验的参数包括： 均值的估计值: u = ?ui / N； 方差的估计值: S2 =(1/(N-1)) ?(u-ui)2； 均值估计值的期望: E(u)=1/2； 均值估计值的方差: V(u)=1/12N； 方差估计值的期望: E(S2)=1/12； 方差估计值的方差: V(S2)=1/180N。 参数检验 Management System Simulation * * 可构造如下统计量： 注意到当N足够大时，V1，V2近似服从N(0, 1)分布，对给定的显著水平?(假定为0.05)，查表可得临界值为1.96。 当|V1| 1.96时，拒绝E(u)=1/2和V(u)=1/12N的假设； 当|V2| 1.96时，拒绝E(s2)=1/12和V(s2)=1/180N假设。 否则接受这两个假设. 特点：转化为标准正态分布的检验 统计量构造 Management System Simulation * * 例：用excel产生100个随机数进行参数估计 均值估计：=average(A1:A100)； 方差估计：=stdev(A1:A100)；或者=var(A1:A100) 随机数发生器：=RAND( ) 检验：取显著水平?=0.05；N=100；临界值为1.96 计算结果；该批数据通过参数检验。 参数检验示例 Management System Simulation * * 对于给定的随机数，其均匀性检验主要是采用频率检验法，手段是检验所产生的随机数落在各子区间的频率和理论频率之间的差异是否显著。常用的频率检验法有两种