均匀分布随机数随机数.PPT

第2章 仿真的概率统计基础 §1 概率统计的基本概念 §2 常用概率分布 §3 分布假设与检验 §4伪随机数及其产生 §5 随机变量的生成算法 2.1 概率统计的基本概念 确定事件：给定条件下进行的试验中，一定发生或一定不发生的事件分别称为必然事件和不可能事件，这类事件是确定的，称为确定事件。 是可以事先预言的，即在准确地重复一定的条件下，其变化的结果总是确定的，或者根据其过去的状态，相同的条件下可以预言将来的发展变化，我们把这一类活动称为确定性活动。确定性活动的主要特征是活动的运动可以用一个确定的数学形式来描述：f(t)，或是数学函数，或是数学图表等。 随机事件：在给定条件下进行的试验中，可能发生也可能不发生，而在大量重复试验中却具有某种规律性的事件，称为随机事件。 其变化的结果是事先不可预言的，即在相同的条件下进行重复实验，每次结果未必相同，或者是知道其过去的状况，在相同的条件、未来的发展事先都不能确定，这一类活动我们称为随机性活动。随机性活动的主要特征是这类活动的描述可以通过数学统计的方法描述。 随机变量与概率 随机变量：如果随机试验的每个结果用变量 的一个值来表示，即 的值根据试验结果来确定，因而它取什么值是随机的，这样对任意实数 ， 是一个随机事件，此时变量 称为随机变量。 离散型随机变量：若随机变量只取有限个数值或可列无穷多个数值，则称此类随机变量为离散型随机变量。 连续型随机变量：若随机变量可以取值于某个区间中的任一数，我们称为连续型随机变量。 离散型随机变量 数学定义 数学定义：如果一个随机变量 的取值是有限的或可数的，可能取值为x1，x2，…，xn，…，并且 取值xk的概率为Pk， ，则 为一个离散型随机变量，{p1，p2，...，pk，... }称为 的分布率。其中Pk必须满足下列两个条件： （1） （2） 离散型随机变量 概率分布函数 离散型随机变量 的累积分布函数定义， 其中 为X 取值 的概率。 由定义可见 当xy时，F(x)≤F(y)，即F(x)是个单调增加的函数。 连续型随机变量 定义 定义：若存在非负函数 p(x)，使得随机变量X取值于任一区间(x1，x2)的概率为 P(x1x≤x2)= ， 则称X为连续型随机变量，p(x)称为X的密度函数。 对于密度函数 p (x)有 连续型随机变量 概率密度函数 连续型随机变量的累积分布函数定义为随机变量小于或等于x的概率。它用F(x)表示，即 由累积分布函数定义可知， 当时 ， 。 累积分布函数是单调递增函数。 概率密度函数/累积分布函数 随机变量X落入区间(a，b)内的概率是 。图中给出了一个连续随机变量的密度函数曲线和累积分布函数曲线。密度函数f(x)的值不能为负，要注意的是f(x)的值可以大于1，但是在任意区间(a，b)上由 f (x)曲线围出的面积(图中阴影部分)必然1。从图中也可以看到累积分布函数F(x)的值随 x 值的增加而增加，而且它最终趋向极限值1。 随机变量的数字特征 定义：随机变量的数字特征是与它的分布有关的某些数值，例如平均值、最大可能值等，它们反映了随机变量某些方面的特征。 分类：根据随机变量的种类：分别介绍离散型随机变量的数字特征、连续型随机变量的数字特征 离散型随机变量的数字特征 平均值：设X为离散随机变量，其概率函数由下表给出： 其中 记 ，称为X 的平均值。 数学方差 连续型随机变量的数字特征 平均值：设X为随机变量，其概率密度函数为 p (x)，则该随机变量的数学期望(X)为： 数学方差 随机变量的其它数字特征 模值定义为随机变量的概率密度函数在某处取峰值时的x 值。当有多个峰值时，取最大峰值作为模值。 中间值：如果有一点Xm，随机变量有一半值将落在这一点以下，那么由此点所定义的值Xm称为中间值b中间值可以从累积分布函数曲线上求得，因为它是F(x)=0.5处的那个点。 数理统计中的基本运算规则 ，X一随机变量，则 E(αX)= αE(X) X，Y为两个相互独立的随机变量，则