1 0 随机模拟 只要你自己试试模拟随机现象几次，就会加强对概率的了解，比读很多页的数理统计和概率论的文章还有用。学习模拟，不仅是为了解模拟本身，也是为更了解概率而了解模拟。 10.1 伪随机数 生成（0，1）之间均匀分布的伪随机数的函数为 u niform() di uniform() di uniform() di uniform() 每次都得到一个大于零小于 1 的随机数。 如果要生成一位数的随机数（即 0，1，2，3，4，5，6，7，8，9），可以取小数点后第一位数，通常用下面的命令 di int(10*uniform()) 两位随机数(0-99)则取小数点后两位小数，即 di int(100*uniform()) 任意均匀分布随机数（a,b）由下述函数得到 a+(b-a)*u niform() 任意均匀分布整数随机数（a,b）由下述函数得到 a+int((b-a)*u niform()) 也可以同时生成多个随机数，然后将该随机数赋给某个变量。要注意的是，电脑中给出的随机数不是真正的随机数，而是伪随机数，因为它是按照一定的规律生成的。如果给定基于生成伪随机数的初始数值（即 set seed #），则对相同的初始数值，生成的伪随机数序列完全一样。 *============================begin==================================== clear set obs 10 gen x1=uniform() gen x2=uniform() //注意到 x1 与 x2 不一样 set seed 1234 gen y1=uniform() set seed 1234 gen y2=uniform() gen y3=uniform() //注意到 y1 与 y2 一样，但均与 y3 不同 set seed 5634 gen z1=uniform() set seed 1234 gen z2=uniform() //注意到 z2 与 y1,y2 一样，但 z1 与 z2 不同 list *============================end==================================== 10.2 简单模拟 利用随机数字表或者电脑软件中的随机数字，来模仿机遇现象，叫模拟（simu lation）、 一旦有了可靠的概率模型，模拟是找出复杂事件发生概率的有效工具。一个事件在重复结果中发生的比例，迟早会接近它的概率，所以模拟可以对概率做适当的估计。 例 1：如何执行模拟 掷一枚硬币 10次，结果中会出现至少 3个连续正面或者至少 3个连续反面的概率是多少？ 思考： （1） 猜想这个概率大约是多少？ （2） 如何从理论上计算出这个概率？ （3） 如何模拟计算这个概率？ 第一步：提出概率模型。 每一次掷，正面和反面的概率各为 0.5 投掷之间，彼此是独立的。也就是说，知道某一次掷出的结果，不...
