[理学]3由巳知分布的随机抽样.ppt

产生 [0,1]区间伪随机数 void CreateRandom(long N, double *pArray) { double x0 = 1, x1 = 0; double a = pow(5,13); double m = pow(2,42); for( int j =0; jN; j++) { x1 = fmod(a*x0 ,m); pArray[j] = x1/m; x0 = x1; } return ; } 产生任意区间伪随机数 void CreateRandom(long N, double a, double b, double *pArray) { double x0 = 1, x1 = 0; double a = 3125; double m = pow(2,35)- 31; for(int j =0; jN; j++) { x1 = fmod(a*x0 ,m); pArray[j] = x1/m*(b-a)+a; x0 = x1; } return ; } 利用VC++函数产生伪随机数 double DoRand() { double c = rand()%RAND_MAX ; //32767 c = c/RAND_MAX; return c+0 } 假设检验 检验是对试验数据进行分组，考虑经验分布与理论分 布是否一致，用统计量来表示两者的差异程度。统计量的表 达式如下： 式中： m ― 数据分组数；mi ― 落入第i组的频数；n ― 样本容量， nXi ― 第i组的理论频数，nXi ≥ 5；Xi ― 按理论分布落入第i 组的概率：Xi = F(ti) – F(ti-1) 统计量应服从自由度为k = m – r -1的分布。 式中：r ― 所估计的总体分布参数的个数。 在得到了统计量后可以通过查分布表或使用数值分析的方法 来确定原假设是否合理，当 〉 时，拒绝原假设，否则接 受原假 柯尔莫哥罗夫 – 斯米尔诺夫检验即K – S检验是逐点考虑 经验分布与理论分布的差异程度，也就是在每个次序统计量 上求样本的经验分布函数和假设的理论分布之间的偏差， 并取其中的最大者来判断二者是否相符。 H0：Fn(t) = F(t) 式中： Fn(t) ― 经验分布；F(t) ― 理论分布；Dn ― 最大偏差； δi ― 偏差；i ― 次序统计量编号；n ― 样本总数。 通过查D分布表，当 时，接受原假设，否则拒 绝原假设。 第三章 由已知分布的随机抽样 随机抽样及其特点 直接抽样方法 舍选抽样方法 复合抽样方法 复合舍选抽样方法 替换抽样方法 随机抽样的一般方法 随机抽样的其它方法 第三章 由已知分布的随机抽样 本章叙述由己知分布抽样的各主要方法，并给出在粒子输运问题中经常用到的具体实例。 随机抽样及其特点 由巳知分布的随机抽样指的是由己知分布的总体中抽取简单子样。随机数序列是由单位均匀分布的总体中抽取的简单子样，属于一种特殊的由已知分布的随机抽样问题。本章所叙述的由任意已知分布中抽取简单子样，是在假设随机数为已知量的前提下，使用严格的数学方法产生的。 为方便起见，用XF表示由己知分布F(x)中产生的简单子样的个体。对于连续型分布，常用分布密度函数f(x)表示总体的己知分布，用Xf表示由己知分布密度函数f(x)产生的简单子样的个体。另外，在抽样过程中用到的伪随机数均称随机数。 离散型分布的直接抽样方法 对于任意离散型分布： 其中x1，x2，…为离散型分布函数的跳跃点，P1，P2，…为相应的概率，根据前述直接抽样法，有离散型分布的直接抽样方法如下： 该结果表明，为了实现由任意离散型分布的随机抽样，直接抽样方法是非常理想的。 例1. 二项分布的抽样 二项分布为离散型分布，其概率函数为： 其中，P为概率。对该分布的直接抽样方法如下： 例2. 泊松(Possion)分布的抽样 泊松(Poss