问题标签 [stochastic]

我有一个像这样创建的密度对象 dd：

这产生了这个非常非高斯分布：

替代文字 http://www.cerebralmastication.com/wp-content/uploads/2009/09/nongaus.png

我最终希望得到这个分布的随机偏差，类似于 rnorm 如何偏离正态分布。

我试图破解这个问题的方法是获取我的内核的 CDF，然后让它告诉我如果我通过累积概率（逆 CDF）告诉我变量。这样我就可以将一个均匀随机变量的向量转化为从密度中抽取的图形。

似乎我正在尝试做的事情应该是其他人在我之前做过的一些基本的事情。有没有简单的方法或简单的功能来做到这一点？我讨厌重新发明轮子。

FWIW 我找到了这篇 R 帮助文章，但我无法理解他们在做什么，最终的输出似乎并没有产生我所追求的。但这可能是我不明白的一步。

我考虑过使用suppdists 软件包中的 Johnson 分布，但 Johnson 不会给我数据所具有的双峰驼峰。

嗨，

我正在寻找提供金融随机技术分析实现的 API/库。

有人知道现成的解决方案吗？

谢谢，

* 2010 年 6 月 17 日编辑

我正在尝试了解如何改进我的代码（使其更 Pythonic）。此外，我有兴趣编写更直观的“条件”来描述生物化学中常见的场景。下面程序中的条件标准我在答案#2 中解释过，但我对代码不满意——它工作得很好，但并不明显，而且对于更复杂的条件场景也不容易实现。欢迎提出想法。欢迎评论/批评。第一次发帖经验@stackoverflow-如果需要，请评论礼仪。

该代码会生成一个值列表，这些值是以下练习的解决方案：

“在您选择的编程语言中，实施 Gillespie 的第一反应算法来研究反应 A--->B 的时间行为，其中从 A 到 B 的转变只有在存在另一种化合物 C 的情况下才会发生，并且其中 C 与 D 动态相互转换，如下面的 Petri 网模型所示。假设在反应开始时有 100 个 A 分子，1 个 C 分子，并且没有 B 或 D 存在。将 kAB 设置为 0.1 s-1 和kCD 和 kDC 均达到 1.0 s-1。模拟系统在 100 s 内的行为。

我正在编写基于机器人在迷宫中导航的程序（将涉及随机编程）。

由于它将涉及繁重的矩阵处理（MATLAB 加分）和模拟机器人（Prolog 加分），我在选择 MATLAB 和 Prolog 之间进退两难。

注意：我的工作环境中确实有 MATLAB，因此成本不是问题。

我遇到了以下问题：

• 有两个不相交的集合，A并且B
• 对于每对元素 ( a, b)（a属于 set A，其中b属于 set B），预先知道一个概率pij。它表示匹配 的概率（确定性级别）a，b或者换句话说，a匹配b的紧密程度（反之亦然，因为pij== pji）。
• 我必须找到具有最高概率/确定性的匹配并找出描述匹配的对 ( a, )b
• 每个元素必须与另一个集合中的另一个元素匹配/配对一次（就像在标准的二分匹配问题中一样）
• 如果可能的话，我想计算一个数字，该数字近似表示所获得匹配的不确定性级别（假设 0 代表随机猜测，1 代表确定性）

下面描述了一个需要这种算法的简单实际示例（这实际上不是我要解决的问题！）：

• 要求两个人在一张纸上写字母 a - z
• 对于每对字母 ( a, )，我们运行一个模式匹配器来确定person写的字母代表person写的b字母的概率。这给了我们一个概率矩阵，它表示每对字母 ( , )的某种相似性相关性aAbBab
• 对于那个人写的每封信A，我们需要找到这个人写的对应的信B

当前方法： 我想知道我是否可以只分配与确定性水平的对数/集合中的元素与集合中的元素匹配的概率成比例的权重，然后a运行A最大加权二分匹配以找到最大总和。对数是因为我想最大化多个匹配的总概率，并且由于单个匹配（表示为匹配元素对-bBab) 形成一个事件链，它是概率的乘积，通过取对数，我们将其转换为概率之和，然后使用加权二分匹配算法（例如匈牙利算法）轻松最大化概率之和。但我不知何故怀疑这种方法能否确保在统计预期最大值方面的最佳匹配。

经过一番搜索，我发现最接近的问题是两阶段随机最大加权匹配问题，这是 NP-hard，但我实际上需要某种“单阶段”随机最大加权匹配问题。

我需要在 c# 中实现 sus 来在人群中寻找候选个体，这是我目前所拥有的，但我不确定它是否正确。

我一直试图了解随机爬山者一段时间，但没有任何运气。我浏览了一本关于启发式的书并得到了一个伪代码。我不明白概率函数应该是什么样子。我知道新的解决方案是随机抽取的，并基于某种概率被接受，我不知道如何编程这个概率。谢谢

伪代码 - 从如何解决它：现代启发式 - Zbugniew Michalewicz，大卫福格尔

我需要随机运行一个 python 脚本，暂停它，获取堆栈回溯，然后取消暂停它。我已经用谷歌搜索了一种方法来做到这一点，但我没有看到明显的解决方案。

特别是在视图更新频繁的实时光线追踪器的上下文中？

显而易见的答案似乎是“是”，但我想知道是否有任何方法可以加速 Monte Carlo 方法，因为它们很有用。

实施了排名选择 (“RS”) 和随机通用抽样 (“SUS”) [ Baker，1987 ] 我现在想介绍精英主义（将最适合的上一代成员重新引入下一代）以观察其声称的好处.

有提到 SUS 和精英主义的结合，例如 Melanie Mitchell 在An Introduction to Genetic Algorithms中的引用。但是，我遇到了一个（非常模糊的）在线参考，建议避免结合使用这两种方法。我想知道在后一种情况下，不正确的实现是否是两种方法不兼容的原因。

因此，如果对 GP 更有经验的人能提供关于如何结合 SUS 和精英主义的描述，我将不胜感激。根据我对这两种机制的了解，逻辑实现是从种群大小 N 中选择 K 最适合的个体，然后对整个排名种群（包括 K 精英）执行 SUS，但只进行 NK 选择（而不是 N 选择将在没有精英主义的情况下发生）。

有人能够确认这个提议的实现在数学上是合理的，以及推荐的方法吗？