第6章 随机模拟———概率分布与随机数.pptx

第6章　随机模拟 ——概率分布与随机数;为X 的分布设X 为一随机变量,对任意实数x,定义 F(x)=P(X≤x) 为X的分布函数。根据随机变量取值的特点,随机变量分为离散型和连续型两种。 若X为离散随机变量,其可能的取值为x1,x2,…, xn ,… ,称P(X=xi),i=1,2,…,n, … 为X的概率函数(也称为分布列)。定义E(X )= (若存在)为X的数学期望(也称均值)。 若随机变量X 的分布函数可以表示为一个非负函数f (x)的积分,即F(x)= , 则称X 为连续型随机变量,称f (x)为X 的概率密度函数(简称密度函数)。定义E(X) = (若存在)为X 的数学期望。 定义var(X)=E{ [X-E(X)]2} (若存在)为随机变量X 的方差。;6.1.2 　几种常用概率分布;3. 离散均匀分布 若随机变量X的概率函数为 则称X服从离散的均匀分布。;5. 指数分布 若随机变量X的概率密度函数为 式中：λ 0为参数，则称X服从指数分布，记为X~Exp(λ)。其期望E(X)=λ，方差var(X)=λ2。;正态分布具有以下几个重要特征： ① 密度函数关于x=μ对称，呈现出中间高、两边低的现象，在x=μ处取得最大值，如图1所示。 ? ② 当μ的取值变动时，密度函数图像沿x轴平移，当σ的取值变大或变小时，密度函数图像变得平缓或陡峭。 ③ 若X~N(μ,σ2)，则 这里F(x)为X的分布函数，Φ(x)为标准正态分布的分布函数，在一般的概率论与数理统计课本中都提供Φ(x)的函数值表。;7. χ2（卡方）分布 设随机变量X1, X2 ,…, Xn 相互独立，且均服从N（0,1）分布，则称随机变量 所服从的分布是自由度为n的χ2分布，记作χ2~χ2(n)。卡方分布的密度函数图像如图2所示。;8. t分布 设随机变量X与Y相互独立，X服从N（0,1）分布，Y服从自由度为n的χ2分布，则称随机变量 所服从的分布是自由度为n的t分布，记作t~t（n）。 t分布的密度函数图像如图3所示。 9. F分布 设随机变量X与Y相互独立，分别服从自由度为n1与02的χ2分布，则称随机变量F= 所服从的分布是自由度为(n1,n2)的F分布，记作F~F(n1,n2) 。 其中n1称为第一自由度，n2称为第二自由度。F分布的密度函数图像如图4所示。;６.1.3 　概率密度、分布和逆概率分布函数数值的计算;例1　求均值为1.234 5??标准差（方差的算术平方根）为6的正态分布在x=0,1,2,…,10处的密度函数值与分布函数值。;例2　求标准正态分布、t分布、χ2分布和F分布的上侧分位数： ① 标准正态分布的上侧0.05分位数u0.05； ② 自由度为50的t分布的上侧0.05分位数t0.05(50)； ③ 自由度为8的χ2分布的上侧0.025分位数χ20.025(8)； ④ 第一自由度为7，第二自由度为13的F分布的上侧0.01分位数F0.01(7,13)； ⑤ 第一自由度为13，第二自由度为7的F分布的上侧0.99分位数F0.99(13,7)。;6.2　随机数与蒙特卡罗模拟;6. 2.2 　蒙特卡罗模拟;（2） 实现从已知概率分布抽样 构造了概率模型以后，由于各种概率模型都可以看做是由各种各样的概率分布构成的，因此产生已知概率分布的随机变量（或随机向量），就成为实现蒙特卡罗方法模拟实验的基本手段，这也是蒙特卡罗方法被称为随机抽样的原因。最简单、最基本、最重要的一个概率分布是（0，1）上的均匀分布（或称矩形分布）。 （3） 建立各种估计量 一般说来，构造了概率模型并能从中抽样后，即实现模拟实验后，就要确定一个随机变量，作为所要求的问题的解，称为无偏估计。建立各种估计量，相当于对模拟实验的结果进行考察和登记，从中得到问题的解。;6.3　随机价序列;生成收益率服从正态分布的价格序列，首先生成服从正态分布的收益率序列，根据价格与收益率之间的关系，计算出相应的随机价格序列。 编写生成收益率服从正态分布的价格序列函数Price，函数语法如下： Price=RandnPrice(Price0,mu,sigma,N) 输入参数： Price0: 初始价格; mu: 正态分布均值; sigma:正态分布方差; N: 随机数个数。 输出参数： Price：收益率服从正态分布的价格序列。;6. 3.2　具体相关性的随机序列;6. 4　带约束的随机序列;赠送结构内容; ;知识网络构建