在 ruby 中生成正态分布随机数的一些代码是什么?
(注意:我回答了我自己的问题,但我会等几天再接受,看看是否有人有更好的答案。)
编辑:
搜索此内容时,我查看了由两次搜索产生的 SO 上的所有页面:
+“正态分布”红宝石
和
+高斯 +随机红宝石
在 ruby 中生成正态分布随机数的一些代码是什么?
(注意:我回答了我自己的问题,但我会等几天再接受,看看是否有人有更好的答案。)
编辑:
搜索此内容时,我查看了由两次搜索产生的 SO 上的所有页面:
+“正态分布”红宝石
和
+高斯 +随机红宝石
Python 的random.gauss()和 Boost 的normal_distribution都使用Box-Muller 变换,所以这对 Ruby 来说也足够好了。
def gaussian(mean, stddev, rand)
theta = 2 * Math::PI * rand.call
rho = Math.sqrt(-2 * Math.log(1 - rand.call))
scale = stddev * rho
x = mean + scale * Math.cos(theta)
y = mean + scale * Math.sin(theta)
return x, y
end
该方法可以封装在一个类中,该类逐个返回样本。
class RandomGaussian
def initialize(mean, stddev, rand_helper = lambda { Kernel.rand })
@rand_helper = rand_helper
@mean = mean
@stddev = stddev
@valid = false
@next = 0
end
def rand
if @valid then
@valid = false
return @next
else
@valid = true
x, y = self.class.gaussian(@mean, @stddev, @rand_helper)
@next = y
return x
end
end
private
def self.gaussian(mean, stddev, rand)
theta = 2 * Math::PI * rand.call
rho = Math.sqrt(-2 * Math.log(1 - rand.call))
scale = stddev * rho
x = mean + scale * Math.cos(theta)
y = mean + scale * Math.sin(theta)
return x, y
end
end
在法律允许的范围内,antonakosRandomGaussian
放弃了Ruby 类的所有版权和相关或邻近权利。本作品发表于:丹麦。
最初的问题要求提供代码,但作者的后续评论暗示了对使用现有库的兴趣。我对此也很感兴趣,我的搜索发现了这两个红宝石:
gsl -“GNU 科学库的 Ruby 接口”(需要您安装 GSL)。均值 = 0 且给定标准差的正态分布随机数的调用序列为
rng = GSL::Rng.alloc
rng.gaussian(sd) # a single random sample
rng.gaussian(sd, 100) # 100 random samples
rubystats - “来自 PHPMath 的统计库的一个端口”(纯 ruby)。具有给定均值和标准差的正态分布随机数的调用序列是
gen = Rubystats::NormalDistribution.new(mean, sd)
gen.rng # a single random sample
gen.rng(100) # 100 random samples
对@antonakos 的回答 +1。这是我一直在使用的 Box-Muller 的实现;它本质上是相同的,但代码更紧凑:
class RandomGaussian
def initialize(mean = 0.0, sd = 1.0, rng = lambda { Kernel.rand })
@mean, @sd, @rng = mean, sd, rng
@compute_next_pair = false
end
def rand
if (@compute_next_pair = !@compute_next_pair)
# Compute a pair of random values with normal distribution.
# See http://en.wikipedia.org/wiki/Box-Muller_transform
theta = 2 * Math::PI * @rng.call
scale = @sd * Math.sqrt(-2 * Math.log(1 - @rng.call))
@g1 = @mean + scale * Math.sin(theta)
@g0 = @mean + scale * Math.cos(theta)
else
@g1
end
end
end
当然,如果你真的关心速度,你应该实现Ziggurat 算法:)。
另一种选择,这个使用由 SciRuby 研究员之一编写的分发gem。
我认为它使用起来更简单一些。
require 'distribution'
normal = Distribution::Normal.rng(1)
norm_distribution = 1_000.times.map {normal.call}