6

我这里有一个代码，它生成平均为 0f 1 和标准偏差为 0.5 的随机数。但是我如何修改这段代码，以便我可以对任何给定均值和方差的高斯随机数进行否定？

#include <stdlib.h>
#include <math.h>
#ifndef M_PI
#define M_PI 3.14159265358979323846
#endif

double drand()   /* uniform distribution, (0..1] */
{
  return (rand()+1.0)/(RAND_MAX+1.0);
}

double random_normal() 
 /* normal distribution, centered on 0, std dev 1 */
{
  return sqrt(-2*log(drand())) * cos(2*M_PI*drand());
}

int main()
{

  int i;
  double rands[1000];
  for (i=0; i<1000; i++)
  rands[i] = 1.0 + 0.5*random_normal();
  return 0;

}
4

2 回答 2

10

我这里有一个代码，它生成平均为 0f 1 和标准偏差为 0.5 的随机数。但是我如何修改这段代码，以便我可以对任何给定均值和方差的高斯随机数进行否定？

如果是 来自 具有 均值和 标准 差x的 高斯 分布 的 随机 变量, 那么将 有 均值和 标准 差.μσαx+βαμ+β|α|σ

实际上，您发布的代码已经进行了这种转换。它从一个均值为 0、标准差为 1 的随机变量开始（从random_normal实现Box–Muller 变换的函数 获得），然后rands通过乘法将其转换为均值为 1、标准差为 0.5 的随机变量（在数组中）和补充：

double random_normal();  /* normal distribution, centered on 0, std dev 1 */

rands[i] = 1.0 + 0.5*random_normal();
于 2011-08-12T04:16:20.790 回答
3

有几种方法可以做到这一点 - 所有这些基本上都涉及将均匀分布的值转换/映射到正态/高斯分布。Ziggurat转换可能是您最好的选择。

需要记住的一件事 - 最终分布的质量仅与 RNG 一样好，因此如果生成值的质量很重要，请务必使用质量随机数生成器（例如 Mersenne twister）。

于 2011-08-12T02:19:09.660 回答