第2章随机数与随机变量11.pptVIP

2.3 产生随机变量的原理 2.4 典型随机变量的产生方法 2.4.1 连续随机变量的产生 1.正态分布 正态分布随机变量的分布函数没有直接的封闭形式，若将其转换到极坐标系后则可以得到其封闭形式。因此，可采用反变换法产生正态分布随机变量。 密度函数 E（X）=μ V（X）=σ2 令 Box-Muller函数变换法 产生Z1，Z2～N（0，1） X1=μ+σZ1 X2=μ+σZ2 Z1，Z2是两个独立的标准正态分布的随机变量，故Z1和Z2 的联合概率密度函数： 2.4 典型随机变量的产生方法 近似方法产生正态分布随机变量 按照中心极限定理，一个独立均匀分布的随机数列求和得到的随机变量，近似于正态分布 n=12 2.4 典型随机变量的产生方法 Excel函数 NORMDIST, NORMINV, NORMSDIST, NORMSINV Arena函数 NORM 2. Γ分布 密度函数 Γ分布特性 2.4 典型随机变量的产生方法 可得 2.4 典型随机变量的产生方法 密度函数为 相应分布函数具有如下封闭形式： 进行反变换有： 2.4 典型随机变量的产生方法 2.4 典型随机变量的产生方法 Excel函数 GAMMADIST, GAMMAINV Arena函数 GAMM 2.4 典型随机变量的产生方法 2.4 典型随机变量的产生方法 3. 三角分布随机变量 根据概率论知识，如果U1和U2是0与1之间的均匀分布随机变量，则(U1+U2)/2服从0与1之间的对称三角分布。如果要得到a与b之间的对称三角分布随机变量X，可以用如下方法： X服从TRIA(0，1)右三角分布，则(1-X)服从TRIA(1，0)左三角分布。反之亦然。 生成a与b之间的非对称三角分布随机变量方法： 最可能值为c，acb 计算p=(c-a)/(b-a) 生成两个0与1之间均匀分布随机数U1和U2 2.4 典型随机变量的产生方法 4.连续型经验分布随机变量的生成 F(x)为X的分布函数，对应x1,x2,…xi…的值为F（x1），F（x2），…，F（xi），… 算法: (1)产生ui~U(0,1 (2)找出F(xi)和F(xi+1)使得，F(xi)＜ui≤F(xi+1) (3) (4) Return F(x) F(xi+1) ui F(xi) xi x xi+1 X 2.4 典型随机变量的产生方法 2.4.2 离散随机变量的产生 2.4 典型随机变量的产生方法 2.4 典型随机变量的产生方法 2.4 典型随机变量的产生方法 2.4.2 离散随机变量的产生 2.4 典型随机变量的产生方法 4．泊松分布 （1）卷积法 在单位时间内（例如 t=1），事件出现的次数服从参数为λ的泊松分布，即密度函数为： 用卷积法产生泊松分布的思想是： 若连续产生一系列参数为λ的负指数分布随机变量t1 ，t2，t3，…，将它们作为相继的到达两个事件的时间间隔，即在t1，t1+ t2， t1+ t2+ t3，…各产生一个事件，我们的目的是求在单位时间间隔中事件发生次数的概率分布，即泊松分布，它是一个离散型概率分布，可知要产生X，只要找到一个整数X，使得： 其中ti是i-1个到达事件和第i个到达事件之间的时间间隔， ti服从参数为λ的负指数分布, 2.4.2 离散随机变量的产生 2.4 典型随机变量的产生方法 2.4 典型随机变量的产生方法 4．泊松分布 （2）递推算法 2.4 典型随机变量的产生方法 Excel函数 POISSON 第2章 随机数与随机变量 2.1 均匀分布随机数的产生 2.2 均匀分布随机数的检验 2.3 产生随机变量的原理 2.4 典型随机变量的产生方法 设u1，u2，…，是（0，1）上连续均匀分布中独立采样的随机数序列，随机数ui的密度函数和分布函数是： f(x) x 0 1 F(x) x 0 ui的期望值 ui的方差 2.1 均匀分布随机数的产生 2.1.1 均匀分布随机数的性质 U（0，1）性质： 均匀性：若将区间（0，1）分成n个等长子区间，则在每一个子区间内得到的观察期望值应是N/n，N是观察总数。 独立性：每个观察值落入某一个子区间的概率和前一个观察值无关。