1《统计计算》第一部分(随机数的产生原理与算法)--陈雅颂(1稿)
随机变量的生成的基本定理 定理: 若F(x)是任意随机变量X的CDF(累积分布函数),则:Y=F(X) 服从于U(0,1),且与X的分布特性无关 说明性证明: 令Y=F(X),F(x)是X的CDF;Y也是一个随机变量,令G(y) 为Y的CDF。 G(y) = P(Y<=y) = P(F(X) <=y) = P(X<=F-1(y)) = F(F-1(y)) = y (F(x)的单调非降特性) 即:G(y) = y;Y为具有均匀分布随机变量的CDF,并在[0, 1]区间, 所以Y=F(X)服从于U(0,1);显然G(y) = y与X的分布特性无关。 该定理为利用随机数生成所需随机变量的基础。 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。 1-4 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) 1-4 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。 1-4 随机变量的产生方法 基本步骤如下: 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。 1-4 随机变量的产生方法 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: 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。 1-4 随机变量的产生方法 (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 1-4 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。 则由逆变换法的生成原理知 为一随机变量,其分布函数是F(x), 服从U[a,b] 。 令 若随机变量 故F(x)的反函数为: 1-4 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: 1-4 随机变量的产生方法 令 则由逆变换法的生成原理知 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 1-4 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: 1-4 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。) 提示:先用matlab产生(0,1)分布的随机数列(设长为10),最后生成上述分布的随机数列。 2. 合成法(Composition)(了解) 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。 1-4 随机变