随机过程报告.docx
《随机过程报告.docx》由会员分享，可在线阅读，更多相关《随机过程报告.docx（11页珍藏版）》请在冰点文库上搜索。
随机过程报告
随机模拟与实验上机实验报告
一.随机模拟的典型步骤
1.根据问题构建模拟系统
2.仿真系统中各种分布的随机变量
3.运行模拟系统，进行统计测量
4.分析数据，输出结果
二.主要工具
基本工具：
C、C++等编程模拟、matlab
网络模拟：
OPENTModeler、NS2、大型网络仿真
CASSAP：
数字信号处理；SPW：
电子系统
三.编译代码
以下为主体部分代码，头文件的声明及各种基础源文件未给出
//MyRand.cpp:
implementationoftheCMyRandclass.
//
//////////////////////////////////////////////////////////////////////
#include"stdafx.h"
#include"random.h"
#include"MyRand.h"
#include"math.h"
#ifdef_DEBUG
#undefTHIS_FILE
staticcharTHIS_FILE[]=__FILE__;
#definenewDEBUG_NEW
#endif
//////////////////////////////////////////////////////////////////////
//Construction/Destruction
//////////////////////////////////////////////////////////////////////
CMyRand:
:
CMyRand（）
{
}
CMyRand:
:
~CMyRand（）
{
}
voidCMyRand:
:
MyRandInit（void）
{
N=0x7FFFFFFF;//2^31-1
K=16807;//7^5
seed=2;
}
/*函数功能，采用线性同余法，根据输入的种子数产生一个伪随机数，如果种子不变，
则将可以重复调用产生一个伪随机序列
利用CMyRand类中定义的全局变量：
S,K,N,Y。
其中K和N为算法参数，S用于保存种子数，Y为产生的随机数
*/
unsignedintCMyRand:
:
MyRand（unsignedintseed）
{
//添加伪随机数产生代码
if（S!
=seed）
{
S=seed;
Y=（seed*K）%N;
}
else
{
Y=（Y*K）%N;
if（Y==0）
Y=rand（）;
}
returnY;
}
/*函数功能，产生一个在min~max范围内精度为4位小数的平均分布的随机数
*/
doubleCMyRand:
:
AverageRandom（doublemin,doublemax）
{
doubledResult;
dResult=0;
//添加均匀分布随机变量产生代码
dResult=MyRand（seed）%（（（int）（max*10000）-（int）（min*10000））+1）+（int）（min*10000）;
dResult=dResult/10000.0;
returndResult;
}
/*函数功能，在min到max范围内产生正态分布的随机数
miu,最大概率密度处的随机变量，即产生的随机数中,概率最大的那个
sigma
*/
doubleCMyRand:
:
NormalRandom（doublemiu,doublesigma,doublemin,doublemax）
{
doubledResult;
dResult=0;
//添加正态分布随机变量产生代码
for（inti=0;i<12;i++）
dResult+=AverageRandom（min,max）;
dResult=（dResult-6）/（max-min）;
dResult=dResult*sigma+miu;
returndResult;
}
/*函数功能，产生指数分布的随机数
*/
doubleCMyRand:
:
ExpRandom（doublelambda,doublemin,doublemax）
{
doubledResult=0.0;
//添加指数分布随机变量产生代码
while（dResult<0.01）
{
dResult=AverageRandom（min,max）;
}
dResult=-1.0*log（dResult）/lambda;
returndResult;
}
/*函数功能，产生泊松分布的随机数
*/
unsignedintCMyRand:
:
PoisonRandom（doublelambda,doublemin,doublemax）
{
unsignedintdResult=0;
//添加泊松分布随机变量产生代码
doubleu=AverageRandom（min,max）;
inti=0;
doublep=exp（-1*lambda）;
doubleF=p;
while（u>=F）
{
p=lambda*p/（i+1）;
F+=p;
i++;
}
dResult=i;
returndResult;
}
/*函数功能，计算任意分布的随机过程的均值
*/
doubleCMyRand:
:
Ex（void）
{
doubleEx=0;
//添加均值计算代码
for（inti=0;i<10000;i++）
Ex+=ExpRandom（2,0,1）;
Ex=Ex/10000;
returnEx;
}
/*函数功能，计算随机过程的自相关序列
*/
double*CMyRand:
:
Rx（doublelambda,intpoints）
{
intm,I=5;
double*Rx=（double*）malloc（（2*points+1）*sizeof（double））;
//添加自相关序列产生代码
//产生的自相关序列存入Rx中，Rx可当作数组使用
//不要在本函数中释放该数组!
for（m=-points;m<=points;m++）
Rx[（m+points）]=I*I*exp（-2*lambda*abs（m））;
returnRx;
}
四．程序截图
1.均匀分布
2.均匀统计
统计规律近似为一条直线，符合均匀分布的特征
3.正态分布
4.正太统计
统计规律近似为单峰状的曲线，符合正态分布特征。
5.指数分布
6.指数统计
统计规律近似为衰减的曲线，符合指数分布特征。
7.泊松分布
8.泊松统计
统计规律为衰减曲线，符合泊松分布特征。
注：
以上图形中，分布的图形里横坐标表示采样点个数，纵坐标表示采到的随机数的值；而统计图形里横坐标表示随机数的值，纵坐标表示该随机数值对应的概率密度。
9.均值（指数分布的均值）
上图中纵坐标表示均值，横坐标表示采到的随机数，得到的均值函数为0.5，与设定的lambda的倒数相等。
10.泊松分布自相关
五.实验心得
通过本次实验，我学会了线性同余法产生均匀随机数的方法，也懂得了指数、正太、泊松分布简单的C语言编程方法。
本次实验不仅加强了我对书本基础知识的理解，而且在实践部分也得到了很好的锻炼，使我对本课程的主要内容有了更深的理解，对于理论知识的学习也更加充分了。
升级会员 