Alpha稳定分布随机数生成与数值计算系统

资 源 简 介

本项目主要基于MATLAB平台开发一套用于处理Alpha稳定分布（Alpha-Stable Distribution）的综合工具包。鉴于Alpha稳定分布除高斯、柯西和莱维分布等极少数特例外，不存在显式的概率密度函数解析表达式，本系统采用数值方法解决以下核心问题：1. 随机数生成：利用Chambers-Mallows-Stuck (CMS) 算法，根据给定的四个关键参数（特征指数alpha、偏度beta、尺度gamma、位置delta），高效准确地生成符合Alpha稳定分布的随机数序列，用于模拟具有显著脉冲特性或厚尾特征的随机过程（如雷达杂波、金融时间序列）。2. 概率密度函数（PDF）计算：通过对Alpha稳定分布特征函数的傅里叶逆变换进行数值积分（Quadrature）或使用快速傅里叶变换（FFT）技术，计算特定点或特定区间的概率密度值，解决传统方法无法直接求解的问题。3. 累积分布函数（CDF）计算：基于概率密度的数值积分结果或相关的数值近似算法，求解累积分布函数值。该项目能够直观地展示参数变化对分布形态的影响，为非高斯信号处理、重尾分布建模及风险评估提供可靠的底层算法支持。

详 情 说 明

Alpha稳定分布随机数生成与数值计算系统

项目简介

本项目是一个基于MATLAB平台开发的综合工具包，旨在解决Alpha稳定分布（Alpha-Stable Distribution）因缺乏显式概率密度函数而带来的数值计算难题。系统集成了高精度的随机数生成算法与数值积分方法，能够对包括高斯分布、柯西分布、莱维分布在内的各类稳定分布进行模拟、分析和可视化。

该工具不仅实现了基础的随机采样，还通过特征函数的傅里叶逆变换原理，精确计算了理论概率密度（PDF）和累积分布（CDF），直观验证了仿真数据的统计特性。

功能特性

• 多场景覆盖：内置四种典型测试案例，涵盖高斯特例（Alpha=2）、柯西特例（Alpha=1）、莱维特征（Alpha=0.5）以及一般有偏斜分布（Alpha=1.5）。
• 高效随机数生成：基于Chambers-Mallows-Stuck (CMS) 算法实现，支持不同参数下的稳定分布随机序列生成。
• 数值精确计算：

* PDF计算：利用自适应数值积分（Quadrature）对特征函数进行傅里叶逆变换。 * CDF计算：基于Gil-Pelaez逆转公式计算累积分布概率。

• 可视化分析：自动生成对比图表，展示随机样本的统计直方图与理论PDF曲线的拟合情况，以及经验CDF与理论CDF的一致性。

系统要求

• MATLAB R2016b 或更高版本（需包含基础数学库）。
• 工具箱：无需额外工具箱，使用MATLAB内置 integral, rng, histogram, ecdf 等基础函数。

使用方法

直接在MATLAB环境中运行主程序函数的入口。程序运行后将自动清理工作区，依次处理预定义的四个测试案例，并弹出一个包含8个子图的分析窗口。

代码实现与算法详解

系统核心逻辑封装在单一脚本文件中，包含主控流程与三个关键的数学底层函数。

1. 主控流程 (main)

主函数负责系统的初始化、参数配置、循环仿真与绘图结果展示。

• 参数配置：定义了四个核心测试案例，分别对应不同的稳定分布形态（由参数 alpha, beta, gamma, delta 控制）。
• 仿真循环：

* 随机采样：针对每个案例，设定固定随机种子（rng(42)）以保证结果可复现，并调用随机数生成函数产生10,000个样本。 * 绘图范围确定：由于稳定分布通常具有重尾特性，代码计算样本的1%和99%分位数来动态确定x轴的绘图范围，避免极端值压缩图形显示。 * 理论值计算：在确定的x轴范围内，利用 arrayfun 逐点调用数值积分函数计算理论PDF和CDF值。

• 可视化布局：

* 创建 2x4 的子图矩阵。 * 第一行（PDF分析）：绘制标准化直方图（PDF模式），并叠加红色实线的理论概率密度曲线，展示仿真与理论的吻合度。 * 第二行（CDF分析）：绘制黑色虚线的经验累积分布函数（ECDF），并叠加蓝色实线的理论CDF曲线。

2. 随机数生成算法 (stblrnd)

该函数实现了经典的 Chambers-Mallows-Stuck (CMS) 算法，这是生成Alpha稳定分布随机数的标准方法。

• 辅助变量生成：首先生成两个相互独立的辅助随机变量：

* V：服从区间 $(-pi/2, pi/2)$ 上的均匀分布。 * W：服从均值为1的指数分布。

• 分支处理 logic：

* 当 Alpha ≠ 1 时：计算参数 zeta 和 xi，构建包含正弦、余弦及幂次运算的复杂非线性组合公式，并通过线性变换引入尺度参数 gamma 和位置参数 delta。 * 当 Alpha = 1 时（柯西类型特例）：采用特殊的对数与正切组合公式进行计算，并包含针对 alpha=1 情形的特殊对数平移修正项 (2/pi)*beta*gamma*log(gamma)。

3. 概率密度数值积分 (stblpdf_num)

由于稳定分布通常没有解析的PDF表达式，该函数通过数值方法求解。

• 原理：利用特征函数 $phi(t)$ 的傅里叶逆变换公式：$f(x) = frac{1}{pi} int_0^infty text{Re}[e^{-itx}phi(t)] dt$。
• 实现：

* 构建被积函数 integrand，即特征函数与复指数项的乘积的实部。 * 调用 MATLAB 内置的高精度自适应积分函数 integral。 * 积分区间设定为 0 到正无穷，并设定了绝对误差容限（1e-6）和相对误差容限（1e-4）以确保精度。

4. 累积分布数值计算 (stblcdf_num)

该函数通过直接对特征函数相关项进行积分来求解CDF，避免了对PDF进行二次积分带来的误差累积。

• 原理：采用 Gil-Pelaez 逆转公式：$F(x) = frac{1}{2} - frac{1}{pi} int_0^infty text{Im}[frac{e^{-itx}phi(t)}{t}] dt$。
• 奇点处理：

* 公式中的被积函数在 $t=0$ 处存在分母为零的情况。代码中设置了一个极小的起始步长 epsilon = 1e-8，积分区间从 epsilon 到正无穷，从而避开了 $t=0$ 处的数值奇点。

• 边界修正：计算结果最后会经过边界检查，强制限制在 [0, 1] 区间内，防止因数值误差导致的越界。

> 注意：数值积分函数 (stblpdf_num 和 stblcdf_num) 内部依赖且调用了 char_fun_vals 函数来获取Alpha稳定分布的特征函数值。该特征函数基于稳定分布的标准参数化定义（通常为 Type 1 或 0 参数化）。