连续随机变量的产生方法.docxVIP

2.4随机变量的产生方法 产生随机变量的方法有许多种，对丁给定的随机变量，可根据其特点选择其中一 种或几种方法。仿真对产生的随机变量首先是要求其准确性， 即由某种方法产生 的随机变量应准确的具有所要求的分布；其次是快速性要求，在离散事件仿真中， 一次运行往往需要产生几万甚至几十万个随机变量，这样产生随机变量的速度将 极大地影响仿真的效率。产生随机变量的方法主要有反变换法、 舍选法、组合法、 卷积法。 2.4.1反变换法 反变换法是最常用且最直观的使用方法，它以概率积分变换定理为基础。 定理.设是连续且严格单调上升的分布函数，它的反函数存在，且记为 F」(x), 即 F[F」(x)] = x . (1)若随机变量x的分布函数F(x )，则F(x)~U(0,1) ⑵ 若随机变量x~U(0,1)，贝U的分布函数为F(x) 设随机变量x的分布函数为F(x ),为得到随机变量的抽样值，先产生在[0,1]区间 上均匀分布的独立随机变量u ,由反分布函数F」(u)得到的值即为所需要的随机 变量x : x = F」(u)。这种方法是对分布函数进行反变换， 因而取名为反变换法。 反变换法的原理可用图加以说明。 连续分布函数的反变换法原理 随机变量概率分布函数F(x )的取值范围为［0,1］，现以在［0,1］上均匀分布的独 立随机变量作为F(x )的取值规律，则落在Ax内的样本个数的概率就是 AF ;从 而随机变量x在区间Ax内出现的概率密度函数的平■均值为 AF/皈；当8趋丁 0 时，其概率密度函数就等丁 dF/dx,即符合原来给定的密度分布函数，满足正确 性要求。 当x是离散随机变量时，其反变换法的形式略有不同，原因在丁离散随机变量的 分布函数也是离散的，因而不能直接利用反函数来获得随机变量的抽样值。下面 讨论这类随机变量的反变换法。 设离散随机变量x对应丁取值xi , x2 ,…，xn的概率分别为 n p(xi), p(x2),…，p(xn),其中 0<p(xi)<1,且 ￡ p(xi)=1,其分布函数如图所 i=1 离散分布的反变换法 为使用反变换法获得离散随机变量，先将［0,1］区间按p（Xi）, P（X2）,…，P（Xn ）的值 分成n个子区间，然后产生在［0,1］区间上均匀分布的独立的随机数”。根据“的 值落在何区问，相应的随机变量就是所需要的随机变量 Xi。离散随机变量的反变 化法的步骤如下: 按Xi的成递增顺序排列p（Xi）（i =1,2,…，N）; 产生 u ~ U (0,1); 求非负整数I ,满足￡ p(Xj) <u蛭p(Xj) j =0 j =0 令 X =X| 反变换法是连续随机变量的普遍适用的方法， 其关键是计算分布函数的反函数的 显式表达式0 2.4.2舍选法 舍选法的实质是从许多均匀分布的随机数中选出一部分， 使其成为具有给定分布 的随机数它适用丁连续型或离散型，单变量或多变量的分布函数 F（x ）的反函数 难以显式表达的情况。 设随机变量X的密度函数为f(x) , f (x)的最大值为C , X的取值范围为［0,1］。 若独立的产生两个［0,1］区间内的均匀分布的随机变量ui, U2,则Cui是在［0, C］ 区间内均匀分布的随机变量，若满足式： Cui < f(U2)，则选取U2为所需要的随 机变量x ,即x =U2 ,否则舍弃U2。 舍选法的原理可以用图加以说明。 舍选法图示 从图形上看，在1 x C这块矩形面积上任投一点p1, p1的纵坐标为Cu1 ,横坐 标为U2,若该点位丁曲线f(x)下面，则认为抽样成功。成功的概率为 f(x)下的 面积除以总面积C , f(x)下的面积的值等丁分布函数的值。由丁假设随机变量x 的取值范围为［0,1］，因而该面积的值为1,那么成功的概率就是1/C,成功抽样 的点符合所需要的分布。 PC" ￡ f(u2>'= 0dx0 dy (1 C)=1 C 舍选法是根据f (x)的特征规定一个函数t(x),对t(x)的要求是: (1) t(x)芝 f(x); (2) . "(x)dx =C ：二； 1 二 ::1 N样，令 r(x) =—t(x)，贝U [ r(x)dx= [ —t(x)dx = 1 C ' ： - ： c 从而可将其看作是一个密度函数，并用 r(x)代替f(x)取样，以得到所需要的随 机变量。 舍选法的步骤为： 产生 Ui ~ U (0,1 ) 由r(x)独立地产生随机变量u2 ~U(0,1 ) ⑶检验U1苴f(U2)/t(U2)，若满足，则令x = U2,否则返回第一步。 2.4.3组合法 当一个分布函数可以表示成若干个其他分布函数之和，而这些分布函数较原来的 分布函数更易丁取样时，则宜采用组合法。 设随机变量x的分布函数F(x )可写成如下形式： □0 F(