采用随机方法计算值是什么

Ⅰ c++随机投点算法计算π值

这写的直接就能用。。。

#include <iostream>
#include <time.h>

using namespace std;

const unsigned long maxshort=65536L;
const unsigned long multiplier=1194211693L;
const unsigned long adder=12345L;
class RandomNumber
{
private:
//当前种子
unsigned long randseed;
public:
//构造函数，缺省值0表示由系统自动产生种子
RandomNumber(unsigned long s=0);
//产生0-n-1之间的随机整数
unsigned short Random(unsigned long n);
//产生[0，1)之间的随机实数
double fRandom(void);
};
RandomNumber::RandomNumber(unsigned long s)
{
if(s==0)
randseed=time(0);
else
randseed=s;
}
unsigned short RandomNumber::Random(unsigned long n)
{
randseed=multiplier*randseed+adder;
return (unsigned short)((randseed>>16)%n);
}
double RandomNumber::fRandom(void)
{
return Random(maxshort)/double(maxshort);
}

double Darts(int n)
{
static RandomNumber dart;
int k=0;
for(int i=1;i<=n;i++){
double x=dart.fRandom();
double y=dart.fRandom();
if((x*x+y*y)<1)
k++;
}
return 4*k/double(n);
}

int main()
{
cout << "PI = " << Darts(1000000) << endl; //1000000是测试的次数，越大越准

return 0;
}

Ⅱ 随机抽样法怎么算的

随机抽样法就是调查对象总体中每个部分都有同等被抽中的可能，是一种完全依照机会均等的原则进行的抽样调查，被称为是一种“等概率”。随机抽样有四种基本形式，即简单随机抽样、等距抽样、类型抽样和整群抽样。

简单随机抽样。简单随机抽样又称为纯随机抽样，是事前对总体数量不做任何分组排列，完全凭偶然的机遇从中抽取样本加以调查的方法。简单随机抽样一般可采用抽签法、摇码或查随机数表等方法抽取样本。采用这种抽样方式比较适合于总体单位之间差异较小的状况。实施步骤：（1）、取得总体单位名录，即所有被调查对象；（2）、为总体单位编号；（3）、利用抽签法、随机号码表等抽取样本。

等距抽样。等距抽样亦称机械抽样或系统抽样。这种抽样方法要求先将总体各个单位按照空间、时间或某些与调查无关的标志排列起来，然后等间隔地依次抽取样本单位。抽样间隔则等于总体单位数除去样本数所得的商。这种抽样方法在用于被调查的总体数量较多时，更为方便。实施步骤：（1）、取得总体抽样框架；（2）、为总体单位排队编号；（3）、计算抽样距离间隔；（4）、在抽样距离间隔数中，随机抽取一个样本单位；（5）、按照间隔数依次抽取其它样本单位。

分层抽样。分层抽样亦称分类抽样或类型抽样。适用于总体量大、差异程度较大的情况。先将总体单位按其差异程度或某一特征分类、分层，然后在各类或每层中再随机抽取样本单位。分层抽样实际上是科学分组、或分类与随机原则的结合。分层抽样有等比抽样和不等比抽样之分，当总数各类差别过大时，可采用不等比抽样。除了分层或分类外，其组织方式与简单随机抽样和等距抽样相同。

整体抽样。整体抽样即按照某一标准将总体单位分成“群”或“组”，从中抽选“群”或“组”，然后把被抽出的“群”或“组”所包含的个体合在一起作为样本，被抽出的“群”或“组”的所有单位都是样本单位，最后利用所抽“群”或“组”的调查结果推断总体。抽取“群”或“组”可以采用随机方式或分类方式，也可以采用等距方式来确定；而“群”或“组”内的调查则采用普查的方式进行。整体抽样又可分为一段抽样和分段抽样两种类型。

Ⅲ 电脑随机数产生的计算具体方法

实现的方法和详细的操作步骤如下：

1、第一步，为main函数指定一个函数，如下图所示，然后进入下一步。

Ⅳ 什么是伪随机数与真随机数

首先需要声明的是，计算机不会产生绝对随机的随机数，计算机只能产生“伪随机数”。其实绝对随机的随机数只是一种理想的随机数，即使计算机怎样发展，它也不会产生一串绝对随机的随机数。计算机只能生成相对的随机数，即伪随机数。

伪随机数并不是假随机数，这里的“伪”是有规律的意思，就是计算机产生的伪随机数既是随机的又是有规律的。怎样理解呢？产生的伪随机数有时遵守一定的规律，有时不遵守任何规律；伪随机数有一部分遵守一定的规律；另一部分不遵守任何规律。比如“世上没有两片形状完全相同的树叶”，这正是点到了事物的特性，即随机性，但是每种树的叶子都有近似的形状，这正是事物的共性，即规律性。从这个角度讲，你大概就会接受这样的事实了：计算机只能产生伪随机数而不能产生绝对随机的随机数。

那么计算机中随机数是怎样产生的呢？有人可能会说，随机数是由“随机种子”产生的。没错，随机种子是用来产生随机数的一个数，在计算机中，这样的一个“随机种子”是一个无符号整形数。那么随机种子是从哪里获得的呢？

下面看这样一个C程序：

//rand01.c
#include<dos.h>

static unsigned int RAND_SEED;

unsigned int random(void)
{
RAND_SEED=(RAND_SEED*123+59)%65536;
return(RAND_SEED);
}

void random_start(void)
{
int temp[2];
movedata(0x0040,0x006c,FP_SEG(temp),FP_OFF(temp),4);
RAND_SEED=temp[0];
}

main()
{
unsigned int i,n;
random_start();
for(i=0;i<10;i++)
printf("%u\t",random());
printf("\n");
}

这个程序（rand01.c）完整地阐述了随机数产生的过程：
首先，主程序调用random_start()方法，random_start()方法中的这一句我很感兴趣：

movedata(0x0040,0x006c,FP_SEG(temp),FP_OFF(temp),4);

这个函数用来移动内存数据，其中FP_SEG（far pointer to segment）是取temp数组段地址的函数，FP_OFF（far pointer to offset）是取temp数组相对地址的函数，movedata函数的作用是把位于0040:006CH存储单元中的双字放到数组temp的声明的两个存储单元中。这样可以通过temp数组把0040:006CH处的一个16位的数送给RAND_SEED。

random用来根据随机种子RAND_SEED的值计算得出随机数，其中这一句：

RAND_SEED=(RAND_SEED*123+59)%65536;

是用来计算随机数的方法，随机数的计算方法在不同的计算机中是不同的，即使在相同的计算机中安装的不同的操作系统中也是不同的。我在linux和windows下分别试过，相同的随机种子在这两种操作系统中生成的随机数是不同的，这说明它们的计算方法不同。

现在，我们明白随机种子是从哪儿获得的，而且知道随机数是怎样通过随机种子计算出来的了。那么，随机种子为什么要在内存的0040:006CH处取？0040:006CH处存放的是什么？

学过《计算机组成原理与接口技术》这门课的人可能会记得在编制ROM BIOS时钟中断服务程序时会用到Intel 8253定时/计数器，它与Intel 8259中断芯片的通信使得中断服务程序得以运转，主板每秒产生的18.2次中断正是处理器根据定时/记数器值控制中断芯片产生的。在我们计算机的主机板上都会有这样一个定时/记数器用来计算当前系统时间，每过一个时钟信号周期都会使记数器加一，而这个记数器的值存放在哪儿呢？没错，就在内存的0040:006CH处，其实这一段内存空间是这样定义的：

TIMER_LOW DW ? ；地址为 0040:006CH
TIMER_HIGH DW ? ；地址为 0040:006EH
TIMER_OFT DB ? ；地址为 0040:0070H

时钟中断服务程序中，每当TIMER_LOW转满时，此时，记数器也会转满，记数器的值归零，即TIMER_LOW处的16位二进制归零，而TIMER_HIGH加一。rand01.c中的

movedata(0x0040,0x006c,FP_SEG(temp),FP_OFF(temp),4);

正是把TIMER_LOW和TIMER_HIGH两个16位二进制数放进temp数组，再送往RAND_SEED，从而获得了“随机种子”。

现在，可以确定的一点是，随机种子来自系统时钟，确切地说，是来自计算机主板上的定时/计数器在内存中的记数值。这样，我们总结一下前面的分析，并讨论一下这些结论在程序中的应用：

1.随机数是由随机种子根据一定的计算方法计算出来的数值。所以，只要计算方法一定，随机种子一定，那么产生的随机数就不会变。

看下面这个C++程序：

//rand02.cpp
#include <iostream>
#include <ctime>
using namespace std;

int main()
{
unsigned int seed=5;
srand(seed);
unsigned int r=rand();
cout<<r<<endl;
}

在相同的平台环境下，编译生成exe后，每次运行它，显示的随机数都是一样的。这是因为在相同的编译平台环境下，由随机种子生成随机数的计算方法都是一样的，再加上随机种子一样，所以产生的随机数就是一样的。

2.只要用户或第三方不设置随机种子，那么在默认情况下随机种子来自系统时钟（即定时/计数器的值）

看下面这个C++程序：

//rand03.cpp
#include <iostream>
#include <ctime>
using namespace std;

int main()
{
srand((unsigned)time(NULL));
unsigned int r=rand();
cout<<r<<endl;
return 0;
}

这里用户和其他程序没有设定随机种子，则使用系统定时/计数器的值做为随机种子，所以，在相同的平台环境下，编译生成exe后，每次运行它，显示的随机数会是伪随机数，即每次运行显示的结果会有不同。

3.建议：如果想在一个程序中生成随机数序列，需要至多在生成随机数之前设置一次随机种子。

看下面这个用来生成一个随机字符串的C++程序：

//rand04.cpp
#include<iostream>
#include<time.h>
using namespace std;
int main()
{
int rNum,m=20;
char *ch=new char[m];

for ( int i = 0; i<m; i++ ){
//大家看到了，随机种子会随着for循环在程序中设置多次
srand((unsigned)time(NULL));
rNum=1+(int)((rand()/(double)RAND_MAX)*36); //求随机值
switch (rNum){
case 1: ch[i]='a';
break ;
case 2: ch[i]='b';
break ;
case 3: ch[i]='c';
break ;
case 4: ch[i]='d';
break ;
case 5: ch[i]='e';
break ;
case 6: ch[i]='f';
break ;
case 7: ch[i]='g';
break ;
case 8: ch[i]='h';
break ;
case 9: ch[i]='i';
break ;
case 10: ch[i]='j';
break ;
case 11: ch[i]='k';
break ;
case 12: ch[i]='l';
break ;
case 13: ch[i]='m';
break ;
case 14: ch[i]='n';
break ;
case 15: ch[i]='o';
break ;
case 16: ch[i]='p';
break ;
case 17: ch[i]='q';
break ;
case 18: ch[i]='r';
break ;
case 19: ch[i]='s';
break ;
case 20: ch[i]='t';
break ;
case 21: ch[i]='u';
break ;
case 22: ch[i]='v';
break ;
case 23: ch[i]='w';
break ;
case 24: ch[i]='x';
break ;
case 25: ch[i]='y';
break ;
case 26: ch[i]='z';
break ;
case 27:ch[i]='0';
break;
case 28:ch[i]='1';
break;
case 29:ch[i]='2';
break;
case 30:ch[i]='3';
break;
case 31:ch[i]='4';
break;
case 32:ch[i]='5';
break;
case 33:ch[i]='6';
break;
case 34:ch[i]='7';
break;
case 35:ch[i]='8';
break;
case 36:ch[i]='9';
break;
}//end of switch
cout<<ch[i];
}//end of for loop

cout<<endl;
return 0;
}

而运行结果显示的随机字符串的每一个字符都是一样的，也就是说生成的字符序列不随机，所以我们需要把srand((unsigned)time(NULL)); 从for循环中移出放在for语句前面，这样可以生成随机的字符序列，而且每次运行生成的字符序列会不同（呵呵，也有可能相同，不过出现这种情况的几率太小了）。
如果你把srand((unsigned)time(NULL));改成srand(2);这样虽然在一次运行中产生的字符序列是随机的，但是每次运行时产生的随机字符序列串是相同的。把srand这一句从程序中去掉也是这样。

此外，你可能会遇到这种情况，在使用timer控件编制程序的时候会发现用相同的时间间隔生成的一组随机数会显得有规律，而由用户按键command事件产生的一组随机数却显得比较随机，为什么？根据我们上面的分析，你可以很快想出答案。这是因为timer是由计算机时钟记数器精确控制时间间隔的控件，时间间隔相同，记数器前后的值之差相同，这样时钟取值就是呈线性规律的，所以随机种子是呈线性规律的，生成的随机数也是有规律的。而用户按键事件产生随机数确实更呈现随机性，因为事件是由人按键引起的，而人不能保证严格的按键时间间隔，即使严格地去做，也不可能完全精确做到，只要时间间隔相差一微秒，记数器前后的值之差就不相同了，随机种子的变化就失去了线性规律，那么生成的随机数就更没有规律了，所以这样生成的一组随机数更随机。这让我想到了各种晚会的抽奖程序，如果用人来按键产生幸运观众的话，那就会很好的实现随机性原则，结果就会更公正。

最后，我总结两个要点：
1.计算机的伪随机数是由随机种子根据一定的计算方法计算出来的数值。所以，只要计算方法一定，随机种子一定，那么产生的随机数就是固定的。
2.只要用户或第三方不设置随机种子，那么在默认情况下随机种子来自系统时钟。

Ⅳ 随机指数的原始计算方法

随机指数可以选择任何一种日数作为计算基础，例如五日KD线公式为：
K值=100×[(C－L5)/(H5-L5)]
D值=100×(H3/L3)
公式中：C为最后一日收市价：L5为最后五日内最低价
H5为最后五日内最高价；H3为最后三个(C－L5)数的总和
L3为最后三个(H5－L5)数的总和。
计算出来的都是一个0───100的数目，而得到的数都划在图上，通常K线是用实线代表，而D线就用虚线代表。
以上为原始计算方法，亦有改良的公式。将旧的K线取消，D线变为K线；三日平均线代替D线。

Ⅵ 随机数的计算公式是什么

为追求真正的随机序列，人们曾采用很多种原始的物理方法用于生成一定范围内满足精度（位数）的均匀分布序列，其缺点在于：速度慢、效率低、需占用大量存储空间且不可重现等。为满足计算机模拟研究的需求，人们转而研究用算法生成模拟各种概率分布的伪随机序列。伪随机数是指用数学递推公式所产生的随机数。从实用的角度看，获取这种数的最简单和最自然的方法是利用计算机语言的函数库提供的随机数发生器。典型情况下，它会输出一个均匀分布在0和1区间内的伪随机变量的值。其中应用的最为广泛、研究最彻底的一个算法即线性同余法。
线性同余法LCG（Linear Congruence Generator）
选取足够大的正整数M和任意自然数n0，a，b，由递推公式：
ni+1=（af（ni）+b）mod M i=0，1，…，M-1
生成的数值序列称为是同余序列。当函数f（n）为线性函数时，即得到线性同余序列：
ni+1=（a*ni+b）mod M i=0，1，…，M-1
以下是线性同余法生成伪随机数的伪代码：
Random（n，m，seed，a，b）
{
r0 = seed；
for （i = 1；i<=n；i++）
ri = （a*ri-1 + b） mod m
}
其中种子参数seed可以任意选择，常常将它设为计算机当前的日期或者时间；m是一个较大数，可以把它取为2w，w是计算机的字长；a可以是0.01w和0.99w之间的任何整数。
应用递推公式产生均匀分布随机数时，式中参数n0，a，b，M的选取十分重要。
例如，选取M=10，a=b =n0=7，生成的随机序列为{6，9，0，7，6，9，……}，周期为4。
取M=16，a=5，b =3，n0=7，生成的随机序列为{6，1，8，11，10，5，12，15，14，9，0，3，2，13，4，7，6，1……}，周期为16。
取M=8，a=5，b =1，n0=1，生成的随机序列为{6，7，4，5，2，3，0，1，6，7……}，周期为8。