【正文】 x=21*60*60+50*60+51。 put x=。 dhms=dhms (date (), 21,50,51)。 put dhms=。 dhms=dhms (15263,21,50,51)。 put dhms=。 y=15263*24*3600+x。 put y=。 run。 結(jié)果顯示： mdy=20210818 hms=78651 x=78651 dhms=1347832251 dhms=1318801851 y=1318801851 概率分布函數(shù) 標(biāo)準(zhǔn)正態(tài)分布 PROBNORM(X) 計(jì)算標(biāo)準(zhǔn)正態(tài)分布隨機(jī)變量小于 X的概率 。 例 計(jì)算三個(gè)特殊的正態(tài)概率值 。 data。 P1=probnorm(0)。 P2=probnorm()。 P3=probnorm()。 put P1= P2= P3=。 run。 結(jié)果顯示： P1= P2= P3= 樣本統(tǒng)計(jì)函數(shù) 樣本統(tǒng)計(jì)函數(shù)在實(shí)際中的用處不是很大 ， 因?yàn)閼?yīng)用這些函數(shù)時(shí) ， 一定要把樣本的觀測(cè)數(shù)據(jù)放在同一行才可以 ， 現(xiàn)實(shí)中樣本的觀測(cè)數(shù)據(jù)卻往往是按一列一列排的 。 一般情況下 ， 求變量 X的樣本統(tǒng)計(jì)函數(shù)值時(shí)要用別的方法 。 樣本統(tǒng)計(jì)量函數(shù)共有 15個(gè)。 均值 MEAN(of xlxn) 或 MEAN(x， y， z, … ) 計(jì)算非缺失自變量的算術(shù)平均。自變量中至少有一個(gè)非缺失值。 求和 SUM(of xlxn) 或 SUM (x1,x2, … ) 計(jì)算自變量的和。要求有兩個(gè)以上自變量。 方差 VAR(of xlxn) 或 VAR (x1,x2, … ) 計(jì)算自變量中非缺失值的方差。要求至少有兩個(gè)自變量。 隨機(jī)數(shù)函數(shù) SAS系統(tǒng)提供 11種隨機(jī)數(shù)函數(shù)。由于隨機(jī)數(shù)函數(shù)是進(jìn)行隨機(jī)模擬的基礎(chǔ)，這里我們通過(guò)例子，給出每種隨機(jī)數(shù)發(fā)生程序，供讀者參考。 正態(tài)分布 例 用函數(shù) RANNOR產(chǎn)生正態(tài)分布隨機(jī)數(shù) 。 data RV。 retain _seed_ 0。 /*retain 賦初值 0 給_seed_*/ mu=0。 sigma=1。 do _i_ = 1 to 1000。 Normal1 = mu + sigma * rannor(_seed_)。 /*均值為 mu,標(biāo)準(zhǔn)差為 sigma*/ output。 end。 drop _seed_ _i_ mu sigma。 run。 Normal1 ?? 例 用函數(shù) NORMAL產(chǎn)生正態(tài)分布隨機(jī)數(shù) 。 data RV。 retain _seed_ 0。 mu=0。 sigma=1。 do _i_ = 1 to 1000。 normal1 = 0 + 1 * normal(_seed_)。/*均值為 mu,標(biāo)準(zhǔn)差為 sigma*/ output。 end。 drop _seed_ _i_。 run。 均勻分布 例 用函數(shù) RANUNI產(chǎn)生均勻分布隨機(jī)數(shù) 。 data RV1。 retain _seed_ 0。 a=1。 b=2。 do _i_ = 1 to 1000。 uniform1 = a + (ba) * ranuni(_seed_)。 /*區(qū)間 [a, b]上的均勻分布 */ output。 end。 drop _seed_ _i_。 run。 例 用函數(shù) UNIFORM產(chǎn)生均勻分布隨機(jī)數(shù) 。 data RV1。 retain _seed_ 0。 a=1。 b=2。 do _i_ = 1 to 1000。 uniform1 = a + (b a) * uniform(_seed_)。 /*區(qū)間 [a, b]上的均勻分布 */ output。 end。 drop _seed_ _i_。 run。 隨機(jī)數(shù)函數(shù)自變量 SEED 隨機(jī)數(shù)函數(shù)使用一個(gè)自變量 SEED來(lái)選擇產(chǎn)生隨機(jī)數(shù)的初始種子值，由這個(gè)值開(kāi)始產(chǎn)生隨機(jī)數(shù)流。自變量 SEED的取值和初始化類型如下表列出。 表 SEED取值與初始化類型 自變量 S E E D 初始化類型≤ 0 等價(jià)于用計(jì)算機(jī)的日期時(shí)間值作為初始種子值來(lái)初始化隨機(jī)數(shù)流＞ 0 用自變量 S E E D 的值作為當(dāng)前的初始種子值來(lái)初始化隨機(jī)數(shù)流產(chǎn)生隨機(jī)數(shù)的過(guò)程中，自變量 SEED的值保持不變，種子則不斷變化。所以，用隨機(jī)函數(shù)產(chǎn)生隨機(jī)數(shù)時(shí)，不能控制種子的值，因此也不可能控制初始化之后的隨機(jī)數(shù)。如果要控制隨機(jī)數(shù)流，就要用隨機(jī)數(shù)函數(shù)的 CALL子程序。 SAS CALL 子程序 SAS系統(tǒng)提供一系列 CALL子程序，用于產(chǎn)生隨機(jī)數(shù)或執(zhí)行其它的系統(tǒng)功能，詳見(jiàn)表 ， 。 隨機(jī)數(shù)子程序 用隨機(jī)數(shù)子程序可以更好地控制種子流和隨機(jī)數(shù)流 。 除 NORMAL和UNIFORM這兩個(gè)函數(shù)之外 ， 所有隨機(jī)數(shù)函數(shù)都有一個(gè)相應(yīng)的子程序 。 CALL語(yǔ)句激活隨機(jī)數(shù)子程序的格式為： CALL routine (seed, argument, variate)。 選項(xiàng)說(shuō)明： 使用 CALL子程序時(shí) ， 首先要對(duì) SEED變量賦初值 。 同時(shí)產(chǎn)生幾個(gè)隨機(jī)數(shù)流時(shí)，用 CALL子程序比用隨機(jī)函數(shù)的效果更好。因?yàn)椋秒S機(jī)數(shù)函數(shù)同時(shí)創(chuàng)建的多個(gè)隨機(jī)數(shù)變量都屬于同一個(gè)隨機(jī)數(shù)流。 R ou t i ne S A S 隨機(jī)子程序名S e e d 存放當(dāng)前種子值的變量A r gu me nt 特殊分布要求的參數(shù)V a r i a t e 存放生成隨機(jī)數(shù)的變量名例 使用隨機(jī)函數(shù)產(chǎn)生兩個(gè)隨機(jī)數(shù)變量屬于同一個(gè)隨機(jī)數(shù)流 。 data RV。 retain seed1 seed2 161321804。 do I=1 to 5。 x1= ranuni(seed1)。 x2= ranuni(seed2)。 output。 end。 options nocenter。 proc print。 run。 例中， SEED1和 SEED2的初值相同，但 X1和 X2的第一個(gè)觀測(cè)值卻不相同。因?yàn)椋?SEED2的值在這里不起作用， X2的第一個(gè)值并不是由SEED2產(chǎn)生的，而是產(chǎn)生第一個(gè) X1后一個(gè)新種子的結(jié)果。所以，這里產(chǎn)生的兩個(gè)隨機(jī)數(shù)變量屬于同一個(gè)隨機(jī)數(shù)流。 結(jié)果顯示： Obs seed1 seed2 I x1 x2 1 161321804 161321804 1 2 161321804 161321804 2 3 161321804 161321804 3 4 161321804 161321804 4 5 161321804 161321804 5 例 使用 CALL子程序產(chǎn)生兩個(gè)獨(dú)立的種子流和隨機(jī)數(shù)流 。 data RV。 retain seed3 seed4 135279821。 do I=1 to 5。 call ranuni(seed3, X3)。 call ranuni(seed4, X4)。 output。 end。 proc print。 run。 例中 ， 產(chǎn)生兩個(gè)獨(dú)立的種子流和隨機(jī)數(shù)流 。 因?yàn)?SEED3=SEED1，所以 X3表示的隨機(jī)數(shù)流就是 X1和 X2組成的隨機(jī)數(shù)流 。 使用 CALL語(yǔ)句時(shí)隨時(shí)可以看到當(dāng)前的種子值 ， 用隨機(jī)數(shù)函數(shù)則看不到 。 結(jié)果顯示： Obs seed3 seed4 I X3 X4 1 936674311 724196333 1 2 1393460745 1733883844 2 3 733112270 1202108019 3 4 917607517 674688435 4 5 928513130 1646762308 5