问题标签 [uniform-distribution]

我尝试用不同的包在同一个数据文件上重现相同的结果。

为什么spss给出不同的结果？

Python 代码：scipy.stats.kstest(x, 'norm').
R 代码：ks.test(x,"pnorm").
SPSS 代码：NPAR TESTS /K-S(NORMAL)=x.
可以复制相同的结果，选择：Analyze->Nonparametric Tests->Legacy Dialogs->1-Sample KS

如果β ≥ α ，如何生成两个随机数α, β ~ U[-1,+1]？

我的第一个意图是只生成两个向量，只取满足β ≥ α的向量并丢弃其余向量。

但是，我认为这可能会改变分布。

如果我们有 2 个大小不同但分布相同的数组，例如，uniform。如果我们将这 2 个数组合并为一个数组，新数组是否仍然具有均匀分布？

有没有办法在int32_t没有警告的情况下获得均匀分布？我uniform_int_distribution<int32_t>在我的代码中使用它，但我收到一个警告：

这正是我的代码：

就像标题所暗示的那样，我很难理解我们如何生成两个相关的统一 [0,1] 随机变量。我对 copulas 的想法很陌生。

我正在努力编写一个 MATLAB 代码，其中我需要生成两个相关的统一 [0,1] 随机变量。

我正在尝试运行一个模拟，其中我执行以下操作：

1. 从 0 到 1 之间的均匀分布中抽取 2000 个随机样本
2. 计算任何样本与之前选择的样本之间的差异 du
3. 使用该差异计算 r=EXP(-a*du)
4. 将另一个随机样本 z 与 r 的计算值进行比较
5. 创建 r>z 的随机样本列表，并丢弃所有其他样本
6. 重复这个过程，直到 2000 个样本被“接受”

这是我到目前为止所拥有的。当我运行此代码时，我收到错误消息“'numpy.float64' object has no attribute 'append'”。有关如何解决此问题的任何想法？

目前我正在重载这个函数来生成一个随机数：

是否可以使用模板执行此操作？我不知道如何模板分发。

我试图理解以下关于逆变​​换采样的代码（离散示例）

我的第一个问题是在discrete.inv.transform.sample(p.vec)第一部分的函数中return(1)，返回时这个1值在哪里？

在第二部分，return(state)这个state分配在哪里？

• 为什么这条线是names(p.vec)<-1:4为了？

• 什么seq_len意思？

• 为什么samples[i]不再在代码中使用？

我认为应该有一个独立的线路sample

有人可以解释一下吗？

先感谢您

我需要重现下面的归一化密度 p(x)，但给出的代码不会生成归一化 PDF。

如果我通过简单地按它们的总和缩放它们来计算归一化混合 PDF，与上面的原始图相比，我有不同的归一化概率。

给定 n 及其短轴长度（可以假设长轴为 x 轴且大小为 1），如何在椭圆内均匀分布 n 个点？或者如果这是不可能的，你如何选择 n 个点以使任意两个点之间的最小距离最大化？

现在我对运行昂贵的电子排斥模拟器感到不安（希望有更好的解决方案，比如这个问题中的向日葵函数，将 n 个点分布在一个圆圈中）。n 很可能在 10 到 100 分之间，但如果它对所有 n 都有效，那就太好了