一维连续型随机数序列的产生方法.docVIP

随机数序列的产生方法 一维连续型随机数序列的产生方法 一．综述 由具有已知分布的总体中抽取简单子样，在蒙特卡罗方法中占有非常重要的地位。总体和子样的关系，属于一般和个别的关系，或者说属于共性和个性的关系。由具有已知分布的总体中产生简单子样，就是由简单子样中若干个性近似地反映总体的共性。 随机数是实现由已知分布抽样的基本量，在由已知分布的抽样过程中，将随机数作为已知量，用适当的数学方法可以由它产生具有任意已知分布的简单子样。 二．随机数的定义及性质 在连续型随机变量的分布中，最简单而且最基本的分布是单位均匀分布。由该分布抽取的简单子样称，随机数序列，其中每一个体称为随机数。单位均匀分布也称为［0，1］上的均匀分布，其分布密度函数为： 分布函数为 ： 其中P(·)表示事件·发生的概率。反之，如果随机变量序列ξ1, ξ2…对于任意自然数s，由s个元素所组成的s维空间上的点（ξn+1，…ξn+s）在Gs上均匀分布，则它们是随机数序列。 由于随机数在蒙特卡罗方法中所处的特殊地位，它们虽然也属于由具有已知分布的总体中产生简单子样的问题，但就产生方法而言，却有着本质上的差别 三．连续型随机数的模拟产生 最常用、最基础的随机数是在（0,1）区间内均匀分布的随机数(简记为RND)。一般采用某种数值计算方法产生随机数序列，在计算机上运算来得到.通常是利用递推公式： 给定k个初始值ξ1,ξ2,…,ξk , 利用递推公式递推出一系列随机数ξ1,ξ2,…，ξn,…. 利用在(0 , 1) 区间上均匀分布的随机数来模拟具有给定分布的连续型随机数. 1.反函数法 设连续型随机变量Y的概率函数为 f(x), 需产生给定分布的随机数. （1）算法:1）产生n个RND 随机数r1，r2，…，rn； 所得yi, i=1,2, …,n 即所求。 （2）基本原理： 设随机变量Y的分布函数F(y)是连续函数，而且随机变量X～U(0,1)，令Z=F－1(X)，则Z与Y有相同分布. 证明 ：FZ(z)= P{F－1(X) ≤ z}= P{X≤F(z)}=G(F(z)) = F(z) 因G(x)是随机变量X 的分布函数： 若Y的概率密度为 f(y)，由Y=F－1(X)可得： 对给出定的(0, 1)上均匀分布随机数ri，则具有给定分布的随机数 yi 可由方程 解出。 例题：模拟服从参数为λ的指数分布的随机数，其概率密度函数为 若随机变量X～U(0, 1)→1－X ～U(0, 1) 所以(1－ri)与ri 均为RND 随机数 ； 因此，模拟公式可改写为： （3）优点：一种普通而适用的方法； 缺点:当反函数不存在或难以求出时, 不宜于使用. 2.舍选法 （1）基本思想：实质上是从许多RND随机数中选出一部分, 使之成为具有给定分布的随机数. 设随机变量X的概率密度函数为f(x)，存在实数 ab，使 P{aXb}=1， （2）算法步骤：1） 选取常数λ，使λf(x)＜1，x∈(a, b)； 2）产生两个RND 随机数r1 、r2，令y= a＋(b－a)r1 ； 3）若r2≤λf(y)，则令x=y,否则剔除 r1和r2, 重返步骤2）； 重复循环, 产生的随机数x1，x2，…，xN的分布由概率函数 f(x) 确定. （3）舍选法算法原理分析： 设P{a＜Z＜b}=1，Z的概率密度为f(z), a.选常数λ，使λf(z)≤1，z∈(a，b)； b.随机变量X1，X2相互独立Xi～U(0, 1),令 Y1=a+(b－a)X1 ～U(a, b); c.若X2≤λf(Y1)，则令 X = Y1，否则剔除X1，X2重复到(2)。 则随机变量X的分布与Z相同。 （4）注： 可选取有限区间(a1, b1)，使得 ε是很小的正数. 例如，取 a1=μ－3σ,b1=μ＋3σ，有 在区间(a1, b1)上应用舍选法,不会出现较大的系统误差. 3．物理方法 用物理方法产生随机数的基本原理是：利用某些物理现象，在计算机上增加些特殊设备，可以在计算机上直接产生随机数。这些特殊设备称为随机数发生器。用来作为随机数发生器的物理源主要有两种：一种是根据放射性物质的放射性，另一种是利用计算机的固有噪声。 一般情况下，任意一个随机数在计算机内总是用二进制的数表示的： 其中εi（i=1，2，…，m）或者为0，或者为1。 因此，利用物理方法在计算机上产生随机数，就是要产生只取0或1的随机数字序列，数字之间相互独立，每个数字取0或1的概率均为0.5。 用物理方法产生的随机数序列无法