问题标签 [uniform-distribution]

使用 R，我被指示在 0 和 1 之间生成 1000 个随机数，我使用 runif (1000) 来完成。然后我被告知要估计随机数在 0.4 和 0.6 之间的概率。我是 R 新手，希望得到任何帮助。谢谢。

I could not find a built-in function in Python to generate a log uniform distribution given a min and max value (the R equivalent is here), something like: loguni[n, exp(min), exp(max), base] that returns n log uniformly distributed in the range exp(min) and exp(max).

The closest I found though was numpy.random.uniform.

我有许多项目N，我想将它们均匀地分布在多个C箱中。我的第一个想法是生成一个介于 0 和 1 之间的随机双数，然后将它与数字N相乘，但它没有按我预期的那样工作。我们目前正在开发一个 Java 项目，但一般算法就可以了。

垃圾箱没有特定的容量，数字没有重量

I'm having issues calling the method aleatorio() of my class. I need to create a random point p using the aleatorio() method of my ponto class, so I can then use it in my retangulo class with the interior() method, to basically check if the random point falls in the interior of each of my two rectangles, r1 and r2. However, it seems that I'm not being able to generate the random point p that I need.

As suggested I added the print of d1,d2 which returns: 0 0. d1 and d2 are supposed to be the number of times my random point falls inside r1 and r2, respectively. I guess 0 either means I'm not generating the random point or that I'm simply not counting the number of times it falls inside correctly, but I'm not sure what the reason is.

我想在 PyTorch中获得一个torch.Tensor大小[a,b]填充了来自均匀分布（在 range 中）的值的二维。[r1,r2]

std::uniform_int_distribution接受<random> 的任何 PRNG，包括跨实现和平台一致的 PRNG。

但是，std::uniform_int_distribution它本身似乎在实现之间并不一致，因此我不能依赖能够复制它们，即使使用常见的 PRNG 和种子。这也会影响相关功能，例如std::shuffle().

例如：

在不同的系统上给我不同的结果，即使 PRNG 本身生成完全相同的数字：

系统一：

系统二：

如何正确实现跨不同平台和标准库实现一致的统一分布？

有一列不同长度的字符串（例如 "Apple" 、 "Pear" 、 "cucumber" 、 "watermelon" ），总共有 27 个字母。目的是随机选择这 27 个字母中的 10%、20%、.....、100%，并考虑到单词的长度，用一些随机的 Ascii 字母替换它们。在某种程度上，我们从像“西瓜”这样的长词（10 个字母）中选择更多的字母，从像“梨”这样的短词（4 个字母）中选择更少的字母。

Ps：我的目标是模拟单词列表中的拼写错误，然后应用 Levenshtein Distance 来找到最佳匹配，将单词与拼写错误和正确的单词形式进行比较。（例如将“Apple”转换为“apfle”，然后使用 LD将其更正为“Apple”）

我正在尝试将 python 代码移植到 java 中并被困在一个地方。java中是否有任何方法等效于python中的numpy.random.uniform()？

我有许多从高斯分布生成的样本，我想将它们转换为均匀分布。我遵循以下步骤：

1-标准化高斯分布，使其均值为 0，标准值为 1。

2- 使用这种标准化高斯分布的 CDF 来获得均匀分布。

我使用这里解释的方法来近似 CDF 。然而最终结果并不统一。它在中间看起来很均匀，但在边缘（靠近 0 和 1）有错误。

这是我的代码：

那么有人可以帮我解决这个问题吗？也许近似方法不是那么准确？

我在Java中有以下方法：

这确实会在定义的圆圈中返回一个点，但是，当您多次执行此操作并绘制点时，您可以清楚地看到大多数点将朝向中心。

为什么是这样？我不明白我的数学怎么能做到这一点。

如果您希望我在情节上添加点的图像，请发表评论，如果您认为这可能会有所帮助。