计算机模拟实验一 随机数的产生

常 用 方 法 乘同余法 混合同余法 M xn+1 (modulus), ), λxn 余
1．乘同余法 ．
x n + 1 ≡ λx n (mod M ) rn = x n M
λ M 乘 ,M 同余 x0 (
r1，r2，…， ， 即在(0, 1)上均匀分布的随机数序列 即在 上均匀分布的随机数序列. 上均匀分布的随机数序列 例2 取x0=1，λ=7，M=103，有 ， ， λx0=7×1=7 ， x1=7 ， r1=7/1000=0.007 × λx1=7×7=49 ， x2=49 ， r2=49/1000=0.049 × λx2=7×49=343 ， x3=343 ，r3=343/1000=0.343 × λx3=7×343=2401 , x4=401 , × 其余类推. 其余类推 r4=401/1000=0.401 λx4=7×401=2807, x5=807 , r5=807/1000=0.807 ×
－ (2) 若 P(n－1)＜r≤P(n) ，则令 取值为 n. 则令X 取值为x 离散型随机变量X的分布律如下 例3 离散型随机变量 的分布律如下
X=x 0 P(x) 0.3
1 0.3
2 0.4
随机数， 设r1，r2，…，rN是RND随机数，令 ， 随机数
0, xi = 1, 2,
取定种子x 取定种子 0=71，得 ， 97x0＋3=6890， x1=890， r1=0.890 ， ， 97x1＋3=86333， x2=333， r2=0.333 ， ，
97x2＋3=32304， x3=304， r3=0.304 ， ， 97x3＋3=29491， x4=491， r4=0.491 ， ， 97x4＋3=47830， x5=630， r5=0.630 ， ， 余类推，接下来的随机数是： 余类推，接下来的随机数是： 0.113，0.964，0.511，0.570，0.293，0.424， ， ， ， ， ， ， 0.131，0.710，0.873，0.684，0.351，0.050， ， ， ， ， ， ， 0.853… 有下述问题： 有下述问题： 是有周期的， 1.数列 n}是有周期的，周期 数列{r 是有周期的 周期L≤M（模数）； 数列 （模数） 个相异值, 因0≤xn≤M，数列 n}最多有 M个相异值, ，数列{x 最多有 个相异值 从而{r 也同样如此 也同样如此. 从而 n}也同样如此

随机数的产生原理随机数的产生原理是计算机科学领域中非常重要的一个概念。

在计算机程序开发、密码学、模拟实验等领域都广泛应用着随机数。

首先，我们需要明确随机数的概念。

所谓随机数是指其具有不可预测性和不相关性的数值序列。

也就是说，随机数的产生是不受特定规律、模式或者输入的影响。

在计算机中，由于计算机的运算是通过确定性算法进行的，所以计算机无法自主产生完全随机的数值序列，而只能通过一定的算法来模拟随机数的产生。

常见的随机数生成方法有伪随机数产生器和真随机数产生器。

其中，伪随机数产生器是利用已知的确定性算法生成的数字序列，这些数字序列在某种程度上具有类似随机的性质。

而真随机数产生器则利用物理现象来产生真正的随机数。

首先，我们来介绍一下伪随机数的产生方法。

伪随机数的产生是通过确定性的算法进行的，这个算法需要一个种子作为输入来产生一系列看似随机的数字。

在同一个种子的情况下，这个算法每次产生的数字都是相同的。

因此，为了产生不同的伪随机数序列，通常会使用系统时间等随机的种子。

常见的伪随机数产生算法有线性同余法、梅森旋转算法等。

线性同余法是最常见的伪随机数生成算法之一。

它的原理是通过不断迭代一个初始值（种子）来产生随机数序列。

具体的计算公式为：X(n+1) = (a * X(n) + c) mod m其中，X(n)表示第n个随机数，X(n+1)表示第n+1个随机数，a、c、m为一组给定的常数，mod表示取余操作。

在梅森旋转算法中，使用了一个非常大的2的幂次数作为种子，通过一系列的位操作或异或操作来产生伪随机数。

这种算法的优点是速度快且产生的随机数质量高。

然而，伪随机数产生器是基于已知的算法进行的，其产生的随机数序列是可预测和重现的。

因此，在某些应用场景（如密码学）中，需要使用更加安全和随机的随机数。

那么如何产生真随机数呢？真随机数的产生是利用物理现象的随机性来产生的。

常用的真随机数产生方法包括噪声源、热噪声和量子现象。

随机数的生成方法
一、随机数的定义
随机数是指一组无规律的数字组合，每一次随机出来的结果都完全不同。

随机数是在一定范围内取出一个完全随机的数，用于计算机系统中一
些需要给定一组随机数、模拟实际环境的应用场合。

随机数可以实现一定
的不可预测性，是计算机安全性的重要保障，在数据传输安全、加密技术
中有着重要的作用。

1、基于数学模型的方法
a)均匀分布的随机数生成
均匀分布的随机数是在给定的[A,B](A<B)之间取出一个完全随机的数，即数学上的均匀分布。

一种常用的均匀随机数生成方法是线性同余法，它
的实现步骤如下：
①确定一个循环移位寄存器R，其状态位数为n，状态序列的周期为
2^n，即从0到2^n-1；
②确定一个模数运算法则，用于对R进行变换；
③设置初值R0，在此基础上,依次计算R1，R2，R3，…，Rn；
④通过将状态序列Ri映射为[A,B]区间内的均匀分布随机数。

b)指数分布的随机数生成
指数分布的随机数生成可以利用指数函数的特性，其核心思想是：以
一些概率将一个离散型随机变量转换为连续性随机变量，再根据指数函数
求出该随机变量的概率分布，从而产生均匀分布的概率分布。

指数分布随机数生成的实现步骤如下：。

随机信号分析实验报告——基于MATLAB语言姓名：_班级：_学号：专业：目录实验一随机序列的产生及数字特征估计 (2)实验目的 (2)实验原理 (2)实验内容及实验结果 (3)实验小结 (6)实验二随机过程的模拟与数字特征 (7)实验目的 (7)实验原理 (7)实验内容及实验结果 (8)实验小结 (11)实验三随机过程通过线性系统的分析 (12)实验目的 (12)实验原理 (12)实验内容及实验结果 (13)实验小结 (17)实验四窄带随机过程的产生及其性能测试 (18)实验目的 (18)实验原理 (18)实验内容及实验结果 (18)实验小结 (23)实验总结 (23)实验一随机序列的产生及数字特征估计实验目的1.学习和掌握随机数的产生方法。

2.实现随机序列的数字特征估计。

实验原理1.随机数的产生随机数指的是各种不同分布随机变量的抽样序列（样本值序列）。

进行随机信号仿真分析时，需要模拟产生各种分布的随机数。

在计算机仿真时，通常利用数学方法产生随机数，这种随机数称为伪随机数。

伪随机数是按照一定的计算公式产生的，这个公式称为随机数发生器。

伪随机数本质上不是随机的，而且存在周期性，但是如果计算公式选择适当，所产生的数据看似随机的，与真正的随机数具有相近的统计特性，可以作为随机数使用。

(0,1)均匀分布随机数是最最基本、最简单的随机数。

(0,1)均匀分布指的是在[0,1]区间上的均匀分布， U(0,1)。

即实际应用中有许多现成的随机数发生器可以用于产生(0,1)均匀分布随机数，通常采用的方法为线性同余法，公式如下：，序列为产生的(0,1)均匀分布随机数。

定理1.1若随机变量X 具有连续分布函数，而R 为(0,1)均匀分布随机变量，则有2.MATLAB中产生随机序列的函数(1)(0,1)均匀分布的随机序列函数：rand用法：x = rand(m,n)功能：产生m×n 的均匀分布随机数矩阵。

(2)正态分布的随机序列函数：randn用法：x = randn(m,n)功能：产生m×n 的标准正态分布随机数矩阵。