社区
数据结构与算法
帖子详情
如何产生满足一定概率分布的随机数?
smwu
2003-11-14 02:06:51
或者是可以实现这种功能的软件(可编程 mathematic我会 但好像没有这种功能)
...全文
354
4
打赏
收藏
如何产生满足一定概率分布的随机数?
或者是可以实现这种功能的软件(可编程 mathematic我会 但好像没有这种功能)
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
4 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
smwu
2003-11-18
打赏
举报
回复
ok 多谢了
hellomartin
2003-11-14
打赏
举报
回复
xue xi
saint001
2003-11-14
打赏
举报
回复
matlab的随机数生成函数
betarnd
Beta random numbers.
binornd
Binomial random numbers.
chi2rnd
Chi-square random numbers.
exprnd
Exponential random numbers.
frnd
F random numbers.
gamrnd
Gamma random numbers.
geornd
Geometric random numbers.
hygernd
Hypergeometric random numbers.
lognrnd
Lognormal random numbers.
nbinrnd
Negative binomial random numbers.
ncfrnd
Noncentral F random numbers.
nctrnd
Noncentral t random numbers.
ncx2rnd
Noncentral Chi-square random numbers.
normrnd
Normal (Gaussian) random numbers.
poissrnd
Poisson random numbers.
raylrnd
Rayleigh random numbers.
random
Parameterized random number routine.
trnd
Student's t random numbers.
unidrnd
Discrete uniform random numbers.
unifrnd
Continuous uniform random numbers.
weibrnd
Weibull random numbers.
saint001
2003-11-14
打赏
举报
回复
想得到一种能够产生任意分布的随机数的实用算法是不容易的
虽然概率书上给出了求概率分布函数反函数的方法
每一种概率分布往往有特定的生成方法
matlab的统计工具箱有很多随机数生成的函数
估计可以满足一般的需要了
用labview实现的正态分布的
随机数
并生成对应的直方图
用labview实现的正态分布的
随机数
并生成对应的直方图(Achieved with labview normally distributed random numbers and generate the corresponding histogram)
Python使用numpy
产生
正态分布
随机数
的向量或矩阵操作示例
本文实例讲述了Python使用numpy
产生
正态分布
随机数
的向量或矩阵操作。分享给大家供大家参考,具体如下: 简单来说,正态分布(Normal distribution)又名高斯分布(Gaussian distribution),是一个在数学、物理及工程等领域都非常重要的
概率分布
,在统计学的许多方面有着重大的影响力。一般的正态分布可以通过标准正态分布配合数学期望向量和协方差矩阵得到。如下代码,可以得到
满足
一维和二维正态分布的样本。 示例1(一维正态分布): # coding=utf-8 ''' 作者:采石工 来源:知乎 ''' import numpy as np from numpy.li
计算机算法设计与分析(共30张PPT).pptx
计算机算法设计与分析 计算机算法设计与分析(共30张PPT)全文共30页,当前为第1页。 2 学习要点 理解
产生
伪
随机数
的算法 掌握数值随机化算法的设计思想 掌握蒙特卡罗算法的设计思想 掌握拉斯维加斯算法的设计思想 掌握舍伍德算法的设计思想 计算机算法设计与分析(共30张PPT)全文共30页,当前为第2页。 3
随机数
随机数
在随机化算法设计中扮演着十分重要的角色。在现实计算机上无法
产生
真正的
随机数
,因此在随机化算法中使用的
随机数
都是
一定
程度上随机的,即伪
随机数
。 线性同余法是
产生
伪
随机数
的最常用的方法。由线性同余法
产生
的随机序列a0,a1,…,an
满足
其中b 0,c 0,d m。d称为该随机序列的种子。如何选取该方法中的常数b、c和m直接关系到所
产生
的随机序列的随机性能。这是随机性理论研究的内容,已超出本书讨论的范围。从直观上看,m应取得充分大,因此可取m为机器大数,另外应取gcd(m,b)=1,因此可取b为一素数。 计算机算法设计与分析(共30张PPT)全文共30页,当前为第3页。 4 数值随机化算法 计算机算法设计与分析(共30张PPT)全文共30页,当前为第4页。 常求解数值问题。 往往得到近似解。 近似解的精度随计算时间增加而提高。 5 计算机算法设计与分析(共30张PPT)全文共30页,当前为第5页。 6 用随机投点法计算 值 设有一半径为r的圆及其外切四边形。向该正方形随机地投掷n个点。设落入圆内的点数为k。由于所投入的点在正方形上均匀分布,因而所投入的点落入圆内的概率为 。所以当n足够大 时,k与n之比就逼近这一概率。从而 double Darts(int n) { // 用随机投点法计算 值 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); } 计算机算法设计与分析(共30张PPT)全文共30页,当前为第6页。 7 计算定积分 设f(x)是[0,1]上的连续函数,且0 f(x) 1。 需要计算的积分为 ,积分I等于图中的面积G。 在图所示单位正方形内均匀地作投点试验,则随机点落在曲线下面的概率为 假设向单位正方形内随机地投入n个点(xi,yi)。如果有m个点落入 G内,则随机点落入G内的概率 计算机算法设计与分析(共30张PPT)全文共30页,当前为第7页。 8 解非线性方程组 求解下面的非线性方程组 其中,x1,x2,…,xn是实变量,fi是未知量x1,x2,…,xn的非线性实函数。要求确定上述方程组在指定求根范围内的一组解 在指定求根区域D内,选定一个随机点x0作为随机搜索的出发点。在算法的搜索过程中,假设第j步随机搜索得到的随机搜索点为xj。在第j+1步,计算出下一步的随机搜索增量 xj。从当前点xj依 xj得到第j+1步的随机搜索点。当x< 时,取为所求非线性方程组的近似解。否则进行下一步新的随机搜索过程。 计算机算法设计与分析(共30张PPT)全文共30页,当前为第8页。 9 舍伍德算法 计算机算法设计与分析(共30张PPT)全文共30页,当前为第9页。 总能求得问题的一个解,且所求得的解总是正确的。 在确定性算法中引入随机性将其改造成一个舍伍德算法,可消除或减少问题好坏实例间的差别。 10 计算机算法设计与分析(共30张PPT)全文共30页,当前为第10页。 11 舍伍德(Sherwood)算法 设A是一个确定性算法,当它的输入实例为x时所需的计算时间记为tA(x)。设Xn是算法A的输入规模为n的实例的全体,则当问题的输入规模为n时,算法A所需的平均时间为 这显然不能排除存在x Xn使得 的可能性。希望获得一个随机化算法B,使得对问题的输入规模为n的每一个实例均有 这就是舍伍德算法设计的基本思想。当s(n)与tA(n)相比可忽略时,舍伍德算法可获得很好的平均性能。 计算机算法设计与分析(共30张PPT)全文共30页,当前为第11页。 12 舍伍德(Sherwood)算法 复习学过的Sherwood算法: (1)线性时间选择算法 (2)快速排序算法 有时也会遇到这样的情况,即所给的确定性算法无法直接改造成舍伍德型算法。此时可借助于随机预处理技术,不改变原有的确定性算法,仅对其输入进行随机洗牌,同样可收到舍伍德算法的效果。例如,对于确定性选择算法,可以用下面的洗牌算法shuffle将数组a中元素随机排列,然后用确定性选择算法求解。这样做所收到的效果与舍伍德型算法的效果是一样的。 template
void Shuf
模式识别与机器学习(Python实现):如何用MCMC
产生
任意的
概率分布
随机数
?Python简单实现
欢迎大家来到安静到无声的《模式识别与人工智能(程序与算法)》,如果对所写内容感兴趣请看模式识别与人工智能(程序与算法)系列讲解 - 总目录,同时这也可以作为大家学习的参考。欢迎订阅,优惠价只需9.9元,请多多支持!
如何
产生
指定分布的
随机数
?
随机数
分为两种: 连续型
随机数
; 离散型
随机数
; 一、连续型
随机数
常用方法:逆变换法和舍选法 1、逆变换法 对任意随机变量ξξ\xi,设其概率密度分布函数为P(x)P(x)P(x),其积分分布函数为P(x)=∫x−∝p(z)dzP(x)=∫−∝xp(z)dzP(x)=\int_{-\propto }^{x}p(z)dz,只要有均匀分布的另一随机变量θθ\theta,则反函数ξ...
数据结构与算法
33,008
社区成员
35,326
社区内容
发帖
与我相关
我的任务
数据结构与算法
数据结构与算法相关内容讨论专区
复制链接
扫一扫
分享
社区描述
数据结构与算法相关内容讨论专区
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章