随机乱数与变数.ppt

隨機亂數與隨機變數 隨機亂數 隨機亂數(Random numbers)是所有離散式事件模擬最基本的成份。 隨機亂數被用來隨機產生事件的時間及其他統計上的隨機變數(Random variables)。 目前所有模擬語言與模擬器少不了隨機亂數，且已成為內定函數。藉由此函數功能以產生隨機數。 隨機亂數直接影響模擬結果的隨機性。 虛擬隨機亂數(Pseudo-Random Numbers) 一般俗稱隨機亂數，均為「虛擬化」隨機亂數，即利用人工已知的序列原理，製造出一系列在0與1之間具獨立性的數值。 產生序列的方法已知，就可再複製，能在複製當然就不是所謂真正的隨機亂數，因此稱為「虛擬隨機亂數」，或簡稱「隨機亂數」。 隨機亂數的性質 隨機亂數並非真正亂數，而有一定的統計性質 隨機亂數必須具有兩項重要的統計性質 均勻性(uniformity) 獨立性(independence) 每一隨機亂數Ri可以說是從0與1之間的連續均勻分配(uniform distribution)之中抽取出的獨立樣本。 隨機亂數的性質 均勻分配機率密度函數(pdf)為 每一Ri的期望值 變異數為 均勻性與獨立性的特性 若0與1之間被切割成n個等長之區間，且N為觀察次數，則在某一區間的期望觀察數為N/n。 某值從一區間獲取之機率與上一獲得之值為統計不相關。 虛擬化的隨機數產生器設計考量 通常隨機亂數均由電腦所製造產生，我們稱為「隨機亂數產生器(Random Number Generator)」。 虛擬化的隨機數產生器設計常考慮有下列一些特性： 產生器必須要“快” 產生器必須具可攜性且可適用於不同電腦、不同程式語言 產生器必須有足夠長的週期 產生器必須是可複製 產生器產生的亂數須具0與1之間的均勻性與統計上的獨立性。 隨機亂數產生的方法 Linear Congruential Generator(LCG,線性同餘法) Mixed LCG Multiplicative LCG Prime Moduls Multiplicative LCG(PMMLCG) 隨機亂數產生方法的歷史 Midsquare method (中間平方法) Midproduct technique (中間乘積技術) Constant multiplier technique (固定乘數技術) Additive congruential method (加法同餘法) 隨機亂數產生方法的歷史-Midsquare method By Von Nevmann and Metropolis,1940) 例如： 缺點 不保證所產生的亂數序列有長週期 隨機亂數產生方法的歷史- Midproduct technique 例如： 缺點 　 最終會退化 隨機亂數產生方法的歷史- Constant multiplier technique 例如： 隨機亂數產生方法的歷史- Additive congruential method 線性同餘法（LCG，Linear Congruential Method） 目前被廣泛使用的亂數產生方式，是發展歷史較久的。 最早是在1951年由Lehmer所提出。 在線性同餘法裡，選擇一個很大的整數m，然後依下面的遞回方程式，創造出在0至m-1間之一連串整數群。 一開始的起始值 ，稱為種子值(seed)，是事前給定的，其它的數列則是依種子數，利用 循序製造出來。 線性同餘法的虛擬隨機亂數 ，則是靠著將 的數正規化到0~1之間得來的，即 = / m 對所有i值。 整個數列所產生的週期per( )，將會滿足per( )≦m的條件，且在某些的狀況之下，per( )與m將會相等。 利用線性同餘法求當 　　 , , , 之週期 線性同餘法範例 參考表格　　　　　　的　　及　　 ， 　 由表格中可看出　 , , 由 　 　　到　 　　 我們可以發現有相同順序的　 值及 值 　 因此可以定義出　　　到　　　 為一週期 full period 若a、c選擇適當則可呈現full period 要使LCG有全週期(full period)，以避免隨機數列快速重覆。 問題在a、c、m數值的調整，a、c、m數值影響隨機亂數的好壞。 針對全週期的特性，LCG要有全週期，須滿足三個情況： m、c互質 q為質