| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 引言 | 第10-11页 |
| 1.2 生成随机变量的基本介绍 | 第11-18页 |
| 1.2.1 生成随机单变量的基本理论知识 | 第11-13页 |
| 1.2.2 相关性度量的基本理论知识 | 第13-15页 |
| 1.2.3 生成多维随机向量的基本理论知识 | 第15-18页 |
| 第二章 生成随机向量的NORTA方法的研究综述 | 第18-25页 |
| 2.1 一些NORTA方法的介绍 | 第18-23页 |
| 2.1.1 Li和Hammond提出的牛顿法 | 第19-20页 |
| 2.1.2 Conte和Boor提出的高斯正交法 | 第20-21页 |
| 2.1.3 JC Yen提出的改进的高斯正交法 | 第21页 |
| 2.1.4 Lurie和Goldberg提出的一种近似计算法 | 第21-22页 |
| 2.1.5 Chen提出RA算法 | 第22页 |
| 2.1.6 Niaki和Abbasi提出人工神经网络ANN的方法 | 第22-23页 |
| 2.2 Copula方法的介绍 | 第23-24页 |
| 2.3 MTA方法的介绍 | 第24-25页 |
| 第三章 FDSA算法应用到NORTA方法的研究 | 第25-39页 |
| 3.1 FDSA算法的介绍 | 第25-26页 |
| 3.2 FDSA算法的收敛性 | 第26-27页 |
| 3.3 FDSA算法的渐进正态性 | 第27-28页 |
| 3.4 FDSA算法应用在NORTA方法中的损失函数以及参数选择讨论 | 第28-29页 |
| 3.5 NORTA应用FDSA产生相关随机向量算法流程 | 第29-30页 |
| 3.6 算法的实验模拟 | 第30-39页 |
| 3.6.1 二维均匀分布的产生 | 第30-34页 |
| 3.6.2 三维相同边际分布的产生 | 第34-35页 |
| 3.6.3 三维混合边际分布的产生 | 第35-37页 |
| 3.6.4 高维分布的产生 | 第37-39页 |
| 全文总结 | 第39-40页 |
| 附录A NORTA方法的FDSA算法R语言源代码 | 第40-44页 |
| 附录B 用FDSANORTA相关随机向量实验的R程序样例 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-50页 |
