【摘要】：对具有随机变量的系统进行仿真,首先必须确定其随机变量的概率分布,以便在仿真模型中对这些分布进行取样,得到所需要的随机变量。确定随机变量模型的基础是收集该随机变量的观测数据。尽管如此,如果算法选择得合适,由这种算法得到的数据,通过统计检验后能具有较好的统计特性,则这种伪随机数可以用于仿真。
离散事件系统一般会有一个以上的随机变量。对具有随机变量的系统进行仿真,首先必须确定其随机变量的概率分布,以便在仿真模型中对这些分布进行取样,得到所需要的随机变量。确定随机变量模型的基础是收集该随机变量的观测数据。
根据观测数据来确定概率分布的类型、参数以及如何对这种拟合进行优良度检验。
根据对随机变量特性的了解程度,在确定其模型时,一般会碰到三种情形:
①随机变量分布的类型已知,需要由观测数据确定该分布的参数;
②由观测数据确定随机变量概率分布类型,并在此基础上确定其参数;
③由已有的观测数据难以确定该随机变量的理论分布。
分布参数的确定首先需要确定分布参数的类型,根据其物理或几何解释,分布所采用的大多数参数,可分为位置参数和比例参数两个基本类型。
(1)位置参数
位置参数记为确定了一个分布从函数取值范围的横坐标。当z改变时,相应的分布函数仅仅向左或向右移动而不发生其他变化,因而又称之为位移参数。
(2)比例参数
严格地说,仿真中采用的随机数发生器不是在概率论意义上的真正的随机数,而只能称之为伪随机数,因为无论哪一种随机数发生器都采用递推算法。尽管如此,如果算法选择得合适,由这种算法得到的数据,通过统计检验后(如均匀性、独立性等)能具有较好的统计特性,则这种伪随机数可以用于仿真。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
