问题标签 [uniform-distribution]

我在很多地方都使用了 C++ 随机数实用程序库。它可能不是很舒服（例如，没有任意分布的基类），但是 - 我已经学会了忍受它。

现在我碰巧需要从枚举类型中统一采样值。我知道，关于 SO 已经有一个问题了：

生成随机枚举

但是，那个：

1. 假设所有枚举值都是连续的，即它不适用于

   我们希望以 1/3 的概率对这三个值中的每一个进行采样。

2. 不提供 的功能std::uniform_distribution<>，即它不适用于您传递给它的随机引擎等等。

std::uniform_int_distribution<Color>显然，如果仅出于上述原因 1，我不能使用。我应该怎么做？

笔记：

• 代码必须是通用的，即枚举类型是模板参数。
• 由于我可能需要对粗略枚举进行一些检测，因此您可能会认为我拥有它；只需明确说明您的假设即可。
• 具体来说，如果它有帮助，假设我使用 Better Enums，让我完全装扮成所有的花里胡哨。
• 如果有一种不涉及任何此类仪器的惯用方法，那将是一个很好的答案，但我对此表示怀疑。
• 仅 C++11/14 的解决方案是可以接受的。
• 具有相同值的多个枚举标识符的频率不会加倍，它们只是彼此的别名。如果您有一个假设这些不存在的简单解决方案，那也将是相关的，尽管不是最理想的。

我有k>2不同的统一独立随机变量，upper例如lower ：X~U[-1,1], Y~U[0,1],Z~U[-1,0]等等。

例如，我必须计算 RVRV=X+Y+Z大于某个标量的概率x：x=0.2而且我必须计算Pr(RV>x). 有没有更简单的方法可以使用R. 我有一个>1000随机变量数组，我需要为这些变量的每个可能组合计算它。因此，我试图避免采样路线。

一般来说，我是 SQL Server 和数学函数的新手。

我的最终目标是使用 Sqoop 将数据从 SQL Server 导入 Hadoop。

约束：

1. 有丰富的模式，因此，要导入数百个表
2. 了解这些表的开发人员暂时不可用

为了获得最佳的导入性能，有必要使用其值均匀/均匀分布的列（不需要是 PK 的一部分但需要），请参阅以下示例以进行详细说明：

来自表 PK(DateDimensionId,DriverDimensionId,VehicleDimensionId) 和no 的样本数据。行数是 1203769164：

为了了解 PK 列的不同值，我执行了：

1581023

46930

218041

但是，我仍然不知道以上 3 个（或表中的其他列）中的哪一个具有统一的值，例如，如果我考虑DateDimensionId，它有 46930 个不同的值，但它们是否均匀分布在 (2011040300, 2012040300) 这样的范围内, (2012040300, 2013040300) 等等。

是否有一些数学函数或可以用来决定使用哪一列的东西？

我需要进行1000计算，每一个都基于一个随机数。整个运行需要可重现。

在单线程环境中，我只是根据种子创建随机数并将其用于每次计算：

在多线程环境中，我有10线程，我将有一个种子随机种子线程 Random 的：

这是一个好主意吗？一般来说，它仍然是均匀分布的随机数吗？threadRandom每个都是由 播种的事实，initRandom它不会破坏均匀分布吗？

出于可重现的原因，我不能共享 1 个全局随机数，因为某些线程在某些运行中可能比其他线程运行得更快，因此它们不会总是以相同的顺序调用全局随机数（并且争用可能会导致性能下降）。

当我在 R 中运行时，我得到0.1 和 0.0001 之间

runif(100,max=0.1, min=1e-10)

的100 个均匀分布的随机变量。因此，在 0.0001 和最小值 ( ) 之间没有随机值。如何在整个区间（最小值和最大值之间）生成均匀的随机变量？min=1e-10

在 Matlab 中这个函数

结果：

用于生成 0 到 1 之间均匀分布的随机数的 5×5 矩阵。

Delphi中的等效函数是什么？

I am interested in checking if let's say a sample A (n=25) is uniformly distributed. Here is the way I'd check for that in Python:

Which returns: (0.22222222222222221, 0.14499771178796239), that is, with a p-value of ~0.15 the test can't reject that the sample A comes from an uniform distribution.

Now that's how I calculate the same in R:

The result: D = 0.32, p-value = 0.01195. With R one should reject the null hypothesis at the usual significance level of 0.05 (!!!)

If I read the documentation correctly, both functions perform a two-sided test as a default. Also, I get that the KS test is mainly intended for continuous variables, but can this explain the contrasting approximations produced by Python and R? Alternatively, am I making some flagrant mistake on the syntax?

有人告诉我 rand() mod n 会产生有偏差的结果，所以我试着用这段代码来检查它。它生成s从 1 到l然后按出现次数排序的数字。

运行此代码后，我可以从 rand() 中发现预期的偏差：

胡佛我得到了几乎相同的结果mt19937and uniform_int_distribution！这里有什么问题？不应该统一，还是测试没用？

我正在尝试使用 .php 从 php 中的均匀分布生成一个随机数$group = rand(0,8)。我进行了大约 200 次实验，得到了以下分布，这表明所有组的被选中概率不均等。

我在这里阅读了讨论主题PHP: rand() 或 array_rand 麻烦，我问这个问题的唯一原因是因为我是 php 新手，不知道是否应该使用：

• random_int() http://php.net/manual/en/function.random-int.php
• stats_rand_gen_iuniform() http://php.net/manual/en/function.stats-rand-gen-iuniform.php
• 还是别的什么？

我试图从单位磁盘上的均匀分布中生成 10,000 个点并绘制这些点。

我使用的方法分为三个步骤。第一步是生成点 x 的大小。该点的 cdf F(x) = x^2 min(x) = 0 和 max(x) = 1。第二步涉及从 mu 为的多元正态分布生成二维向量（我将其称为 y）零向量和 sigma 是 2x2 单位矩阵 - MVN(0,I)。最后我将向量 y 归一化为长度为 x。我试图在 R 中编写解决方案，但我认为我的答案不正确。如果我能指出正确的方向，我将不胜感激。

我将 MASS 包用于 mvrnorm。我还包括了我最终得到的情节：