本書系統(tǒng)地講解了計(jì)算機(jī)仿真的相關(guān)知識(shí)，以各種實(shí)用案例為載體，注重實(shí)際應(yīng)用，對(duì)初學(xué)者學(xué)習(xí)計(jì)算機(jī)仿真具有一定的幫助和指導(dǎo)作用。 本書共12章：第1章為引言；第2章為概率基礎(chǔ)，回顧了與概率有關(guān)的相關(guān)知識(shí)。第3章為隨機(jī)數(shù)，介紹了其是如何通過計(jì)算機(jī)生成的；第4章和第5章介紹了如何使用隨機(jī)數(shù)來生成具有任意指定分布的隨機(jī)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(lián)合分布的隨機(jī)變量，以及用于建模隨機(jī)變量聯(lián)合分布的聯(lián)結(jié)函數(shù)；第7章介紹了使用這些生成的值來跟蹤系統(tǒng)隨著時(shí)間的推移而不斷發(fā)展的過程，即系統(tǒng)的實(shí)際仿真；第8章從統(tǒng)計(jì)學(xué)中最簡(jiǎn)單、最基本的概念開始，介紹了在仿真中非常有用的一個(gè)方法，即“自舉統(tǒng)計(jì)”；第9章和第10章介紹了獲得新的估計(jì)量的方法；第11章介紹了當(dāng)有實(shí)際數(shù)據(jù)可用時(shí)，如何通過仿真結(jié)果來驗(yàn)證我們所模擬的概率模型是否適用于現(xiàn)實(shí)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(nèi)容。
羅斯博士是南加州大學(xué)工業(yè)與系統(tǒng)工程系的教授。他于1968年在斯坦福大學(xué)獲得統(tǒng)計(jì)學(xué)博士學(xué)位。他在統(tǒng)計(jì)學(xué)和應(yīng)用概率領(lǐng)域發(fā)表了許多技術(shù)文章和教科書。他的著作包括《概率論基礎(chǔ)》、《概率模型導(dǎo)論》、《隨機(jī)過程》和《入門統(tǒng)計(jì)學(xué)》。羅斯教授是《工程與信息科學(xué)中的概率》期刊的創(chuàng)始人和繼續(xù)編輯。他是數(shù)學(xué)統(tǒng)計(jì)學(xué)會(huì)的會(huì)士、INFORMS的會(huì)士，并獲得了洪堡美國資深科學(xué)家獎(jiǎng)。
彭勇，1981年5月，國防科技大學(xué)系統(tǒng)工程學(xué)院系統(tǒng)仿真工程系副主任、博士、副研究員、碩導(dǎo)，從事分布并行仿真、模擬訓(xùn)練研究。國家某重大工程副總師，全軍訓(xùn)練條件建設(shè)專家組成員，中國仿真學(xué)會(huì)裝備實(shí)驗(yàn)與訓(xùn)練仿真專委會(huì)副主任委員。主持或參與國家重大工程、自然科學(xué)基金、預(yù)研、教改課題等項(xiàng)目10余項(xiàng)，獲軍隊(duì)科技進(jìn)步二、三等獎(jiǎng)各一項(xiàng)。在大規(guī)模分布仿真體系結(jié)構(gòu)、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(quán)專利10余項(xiàng)。.
目 錄
第1章 引言 1
習(xí)題 2
第2章 概率基礎(chǔ) 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(dú)立性 4
2.4 隨機(jī)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(shù)定律 9
2.8 離散隨機(jī)變量 11
2.9 連續(xù)隨機(jī)變量 15
2.10 條件期望與條件方差 20
習(xí)題 21
參考文獻(xiàn) 25
第3章 隨機(jī)數(shù) 26
3.1 偽隨機(jī)數(shù)生成 26
3.2 使用隨機(jī)數(shù)估計(jì)積分 27
習(xí)題 29
參考文獻(xiàn) 30
第4章 生成離散隨機(jī)變量 31
4.1 逆變換方法 31
4.2 泊松隨機(jī)變量的生成 35
4.3 二項(xiàng)隨機(jī)變量的生成 36
4.4 接受-拒絕技術(shù) 37
4.5 組合法 38
4.6 生成離散隨機(jī)變量的別名算法 39
4.7 隨機(jī)向量的生成 42
習(xí)題 42
第5章 生成連續(xù)隨機(jī)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(jī)變量的極坐標(biāo)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(xí)題 65
參考文獻(xiàn) 68
第6章 多元正態(tài)分布與聯(lián)結(jié)函數(shù) 69
6.1 多元正態(tài) 69
6.2 多元正態(tài)隨機(jī)向量的生成 70
6.3 聯(lián)結(jié)函數(shù)（Copulas） 73
6.4 由聯(lián)結(jié)函數(shù)模型生成變量 76
習(xí)題 76
第7章 離散事件仿真方法 78
7.1 通過離散事件進(jìn)行仿真 78
7.2 單服務(wù)臺(tái)排隊(duì)系統(tǒng) 79
7.3 兩個(gè)服務(wù)臺(tái)的串聯(lián)排隊(duì)系統(tǒng) 81
7.4 兩個(gè)服務(wù)臺(tái)的并聯(lián)排隊(duì)系統(tǒng) 82
7.5 庫存模型 84
7.6 保險(xiǎn)風(fēng)險(xiǎn)模型 85
7.7 維修問題 87
7.8 行使股票期權(quán) 89
7.9 仿真模型的校核 90
習(xí)題 91
參考文獻(xiàn) 93
第8章 模擬數(shù)據(jù)的統(tǒng)計(jì)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(jì) 98
8.3 估算均方誤差的自舉技術(shù) 100
習(xí)題 104
參考文獻(xiàn) 106
第9章 方差縮減技術(shù) 107
9.1 對(duì)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(yīng)用 135
9.5.1 分析具有泊松到達(dá)的系統(tǒng) 135
9.5.2 單調(diào)函數(shù)的多維積分計(jì)算 138
9.5.3 復(fù)合隨機(jī)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(jī)數(shù)的使用 152
9.8 奇異期權(quán)的評(píng)估 153
9.9 附錄：?jiǎn)握{(diào)函數(shù)期望值估計(jì)時(shí)對(duì)偶變量法的驗(yàn)證 156
習(xí)題 157
參考文獻(xiàn) 163
第10章 附加方差縮減技術(shù) 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(jì)量 167
10.2.1 當(dāng)X1,X2,…,Xn獨(dú)立時(shí) 168
10.2.2 當(dāng)X1,X2,…,Xn不獨(dú)立時(shí) 169
10.2.3 事后仿真估計(jì)量 173
10.3 隨機(jī)風(fēng)險(xiǎn)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(xí)題 182
第11章 統(tǒng)計(jì)驗(yàn)證技術(shù) 184
11.1 擬合優(yōu)度檢驗(yàn) 184
11.2 某些參數(shù)未指定時(shí)的擬合優(yōu)度檢驗(yàn) 188
11.3 雙樣本問題 190
11.4 非齊次泊松過程假設(shè)的驗(yàn)證 194
習(xí)題 197
參考文獻(xiàn) 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(shí)間馬爾可夫鏈與排隊(duì)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(xí)題 219
參考文獻(xiàn) 221
書單推薦
