第四章 随机数发生器和随机变量的产生.pptVIP

* 生成随机变量有许多种不同的方法，一般采用的具体算法与所要生成的随机变量有关。通常在仿真中要用到各种分布的随机变量，它们一般都是以U[0,1）随机数为基础，通过适当的变换生成。 这里介绍几种有效的、常用的抽样方法以及相应分布的随机变量的生成。常用的方法主要有： 逆转换法、函数变换法、近似法、合成法、结合法。 4-4 随机变量的产生方法 * 逆转换法是利用拟合分布的分布函数的反函数来产生随机变量. 如果已知分布的分布函数，并可以从分布函数 求出它的反函数，就可以利用它的反函数来产 生已知分布的随机变量。 1. 逆转换法（逆变法） 4-4 随机变量的产生方法 * 1 Ui Xi F(X) x 原理 纵坐标表示累计分布值，范围[0,1)。利用随机数发生器产生[0,1)间均匀分布的随机数，相当于在纵坐标上随机地找到一个点Ui，从这一点利用反函数就可以求得该分布在这一点上的随机变量Xi。 4-4 随机变量的产生方法 * 其步骤如下: 1. 确定随机过程中该随机变量的拟合分布. 2. 确定拟合分布的参数及分布函数F(X). 3. 求出分布函数的反函数 Xi=G(Ui) =F-1(Ui). 4. 用随机数发生器产生 [ 0, 1 )间均匀分布的随机数Ui 5. 用 Xi=G(U)=F-1 (Ui) 来计算, 求得该分布的随机变量Xi. 6. 返回步骤4，产生下一个随机变量。 * 则 这说明对于分布函数是F(x)的随机变量，若要生成其随机数，我们最关心的是下列表达式： 4-4 随机变量的产生方法 在仿真过程中，要生成规定分布的随机数，通常先要生成[0,1)区间上均匀分布的随机数，然后才能按上述方法从所需要的分布函数中生成相应的随机数，因此，[0,1)区间上均匀分布的随机数是生成其它分布随机数的基础。 * (1) 均匀分布U[a,b]随机数的生成 均匀分布U[a,b]的概率密度函数为 对应的分布函数为 即 由 得 4-4 随机变量的产生方法 * 其算法的步骤为： （1）产生独立的U[0,1)随机数u1, u2, …, un ； （2）令xi = (b-a)ui+a (i=1, 2, …, n)，则 x1, x2, …, xn即为U[a,b]随机数。 则由逆变法的生成原理知 为一随机变量，其分布函数是F(x)。 令 若随机变量 故F(x)的反函数为: 4-4 随机变量的产生方法 * (2)指数分布 随机数的生成 指数分布 的概率密度函数为: 当 时，对应的分布函数为： 4-4 随机变量的产生方法 * 令 则由逆变法的生成原理知 为一随机变量，其分布函数是F(x)。 若随机变量 故F(x)的反函数为: 即 由 得 4-4 随机变量的产生方法 * 指数分布 随机数的生成步骤为： （1）产生独立的U[0,1)随机数 u1, u2, …, un ； （2）令 则 x1, x2, …, xn 就是所要求指数分布的随机数。 由于 U 与 1-U 均为[0,1)区间上的均匀分布的随机变量，因此抽样公式取为: 4-4 随机变量的产生方法 * 作业 某均匀分布的概率密度函数为： 其中a=2，b=5。 用逆转换法生成符合该分布的随机数。 （包括相关的步骤、公式和结果） * 2. 合成法(Composition) 当我们要研究的样本的分布 F 可以表示成几个其他分布 F1，F2，…的组合形式时，我们可以采用合成法。 f(x) 小面积2 小面积1 小面积3 把密度函数f下面的面积分成n个小面积，生成随机变量时候，先随机的选择一个小面积，再从选定的小区域相应的分布中产生随机变量。 4-4 随机变量的产生方法 * 3. 结合法 若某个分布的随机变量可以由几个其他分布的随机变量结合而成, 且其他分布的随机变量容易产生, 则可用结合法. 例: 均值为m的 ERLANG 分布 (m - Erlang ) , 可由 m 个参数为u/m 的 IID 指数分布随机变量结合而成, 这样, 只要先产生 m 个参数为u/m 的指数分布随机变量 Y1, Y2, Y3, .....Ym , 则 m - Erlang 分布的随机变量可求得如下: X= Y1 + Y2 + Y3+ ...... + Ym 4-4 随机变量的产生方法 * 结合法与合成法的区别 合成法，是指所求随机变量X的分布函 数可由其他一些分布函数的和来表示。 结合法，是将所求分布随