本書系統地講解了計算機仿真的相關知識,以各種實用案例為載體,注重實際應用,對初學者學習計算機仿真具有一定的幫助和指導作用。 本書共12章:第1章為引言;第2章為概率基礎,回顧了與概率有關的相關知識。第3章為隨機數,介紹了其是如何通過計算機生成的;第4章和第5章介紹了如何使用隨機數來生成具有任意指定分布的隨機變量;第6章介紹了多元正態(tài)分布,并介紹了如何生成具有這種聯合分布的隨機變量,以及用于建模隨機變量聯合分布的聯結函數;第7章介紹了使用這些生成的值來跟蹤系統隨著時間的推移而不斷發(fā)展的過程,即系統的實際仿真;第8章從統計學中最簡單、最基本的概念開始,介紹了在仿真中非常有用的一個方法,即“自舉統計”;第9章和第10章介紹了獲得新的估計量的方法;第11章介紹了當有實際數據可用時,如何通過仿真結果來驗證我們所模擬的概率模型是否適用于現實世界的情況;第12章介紹了馬爾可夫鏈蒙特卡羅方法的重要內容。
羅斯博士是南加州大學工業(yè)與系統工程系的教授。他于1968年在斯坦福大學獲得統計學博士學位。他在統計學和應用概率領域發(fā)表了許多技術文章和教科書。他的著作包括《概率論基礎》、《概率模型導論》、《隨機過程》和《入門統計學》。羅斯教授是《工程與信息科學中的概率》期刊的創(chuàng)始人和繼續(xù)編輯。他是數學統計學會的會士、INFORMS的會士,并獲得了洪堡美國資深科學家獎。
彭勇,1981年5月,國防科技大學系統工程學院系統仿真工程系副主任、博士、副研究員、碩導,從事分布并行仿真、模擬訓練研究。國家某重大工程副總師,全軍訓練條件建設專家組成員,中國仿真學會裝備實驗與訓練仿真專委會副主任委員。主持或參與國家重大工程、自然科學基金、預研、教改課題等項目10余項,獲軍隊科技進步二、三等獎各一項。在大規(guī)模分布仿真體系結構、并行分布仿真等方面開展了大量研究工作,在《Expert System With Applications》、《Simulation Modeling Practice and Theory》、《IEEE Transaction on Parallel And Distributed System》等高水平期刊發(fā)表論文30余篇,授權專利10余項。.
目 錄
第1章 引言 1
習題 2
第2章 概率基礎 3
2.1 樣本空間和事件 3
2.2 概率公理 3
2.3 條件概率和獨立性 4
2.4 隨機變量 5
2.5 期望 7
2.6 方差 8
2.7 切比雪夫(Chebyshev)不等式與大數定律 9
2.8 離散隨機變量 11
2.9 連續(xù)隨機變量 15
2.10 條件期望與條件方差 20
習題 21
參考文獻 25
第3章 隨機數 26
3.1 偽隨機數生成 26
3.2 使用隨機數估計積分 27
習題 29
參考文獻 30
第4章 生成離散隨機變量 31
4.1 逆變換方法 31
4.2 泊松隨機變量的生成 35
4.3 二項隨機變量的生成 36
4.4 接受-拒絕技術 37
4.5 組合法 38
4.6 生成離散隨機變量的別名算法 39
4.7 隨機向量的生成 42
習題 42
第5章 生成連續(xù)隨機變量 46
5.1 逆變換法 46
5.2 拒絕法 49
5.3 生成正態(tài)隨機變量的極坐標法 56
5.4 泊松過程的生成 59
5.5 非齊次泊松過程的生成 60
5.6 二維泊松過程的仿真 63
習題 65
參考文獻 68
第6章 多元正態(tài)分布與聯結函數 69
6.1 多元正態(tài) 69
6.2 多元正態(tài)隨機向量的生成 70
6.3 聯結函數(Copulas) 73
6.4 由聯結函數模型生成變量 76
習題 76
第7章 離散事件仿真方法 78
7.1 通過離散事件進行仿真 78
7.2 單服務臺排隊系統 79
7.3 兩個服務臺的串聯排隊系統 81
7.4 兩個服務臺的并聯排隊系統 82
7.5 庫存模型 84
7.6 保險風險模型 85
7.7 維修問題 87
7.8 行使股票期權 89
7.9 仿真模型的校核 90
習題 91
參考文獻 93
第8章 模擬數據的統計分析 94
8.1 樣本均值與樣本方差 94
8.2 總體均值的區(qū)間估計 98
8.3 估算均方誤差的自舉技術 100
習題 104
參考文獻 106
第9章 方差縮減技術 107
9.1 對偶變量的使用 108
9.2 控制變量的使用 113
9.3 通過條件作用縮減方差 118
9.4 分層采樣 128
9.5 分層采樣的應用 135
9.5.1 分析具有泊松到達的系統 135
9.5.2 單調函數的多維積分計算 138
9.5.3 復合隨機向量 139
9.5.4 事后分層的使用 141
9.6 重要性采樣 142
9.7 常見隨機數的使用 152
9.8 奇異期權的評估 153
9.9 附錄:單調函數期望值估計時對偶變量法的驗證 156
習題 157
參考文獻 163
第10章 附加方差縮減技術 164
10.1 條件伯努利采樣法 164
10.2 基于Chen-Stein恒等式的仿真估計量 167
10.2.1 當X1,X2,…,Xn獨立時 168
10.2.2 當X1,X2,…,Xn不獨立時 169
10.2.3 事后仿真估計量 173
10.3 隨機風險的使用 174
10.4 歸一化重要性采樣 178
10.5 拉丁超立方體采樣(Latin hypercube sampling) 181
習題 182
第11章 統計驗證技術 184
11.1 擬合優(yōu)度檢驗 184
11.2 某些參數未指定時的擬合優(yōu)度檢驗 188
11.3 雙樣本問題 190
11.4 非齊次泊松過程假設的驗證 194
習題 197
參考文獻 198
第12章 馬爾可夫鏈蒙特卡羅方法 199
12.1 馬爾可夫鏈 199
12.2 黑斯廷斯·梅特羅波利斯算法(Hastings-Metropolis) 201
12.3 吉布斯采樣器 203
12.4 連續(xù)時間馬爾可夫鏈與排隊損失模型 210
12.5 模擬退火 213
12.6 采樣重要性重采樣算法 214
12.7 過去耦合 217
習題 219
參考文獻 221