2. 程式人生 > >正態分佈的隨機數發生器 in C#

正態分佈的隨機數發生器 in C#

阿新 • • 發佈：2019-01-02
Box 和 Muller 在 1958 年給出了由均勻分佈的隨機變數生成正態分佈的隨機變數的演算法。設 U1, U2 是區間 (0, 1) 上均勻分佈的隨機變數，且相互獨立。令

X1 = sqrt(-2*log(U1)) * cos(2*PI*U2);
X2 = sqrt(-2*log(U1)) * sin(2*PI*U2);

那麼 X1, X2 服從 N(0,1) 分佈，且相互獨立。等於說我們用兩個獨立的 U(0,1) 隨機數得到了兩個獨立的 N(0,1)隨機數。

Marsaglia 和 Bray 在 1964 年提出了一種改進演算法，避免使用三角函式。以下的實現程式碼用的就是這種改進演算法。


// 
// Gaussian Random Number Generator class
// ref. ``Numerical Recipes in C++ 2/e'', p.293 ~ p.294
//
  public
class GaussianRNG
  {
    int iset;
    double gset;
    Random r1, r2;
   
    public GaussianRNG()
    {
      r1 = new Random(unchecked((int)DateTime.Now.Ticks));
      r2 = new Random(~unchecked((int)DateTime.Now.Ticks));
      iset = 0;
    }
   
    public double Next()
    {
      double fac, rsq, v1, v2;   
      if
(iset == 0) {
        do {
          v1 = 2.0 * r1.NextDouble() - 1.0;
          v2 = 2.0 * r2.NextDouble() - 1.0;
          rsq = v1*v1 + v2*v2;
        } while (rsq >= 1.0 || rsq == 0.0);
       
        fac = Math.Sqrt(-2.0*Math.Log(rsq)/rsq);
        gset = v1*fac;
        iset = 1;
        return v2*fac;
      } else
{
        iset = 0;
        return gset;
      }
    }
  }

相關推薦

正態分佈的隨機數發生器 in C#

Box 和 Muller 在 1958 年給出了由均勻分佈的隨機變數生成正態分佈的隨機變數的演算法。設 U1, U2 是區間 (0, 1) 上均勻分佈的隨機變數，且相互獨立。令X1 = sqrt(-2*log(U1)) * cos(2*PI*U2);X2 = sqrt(-2*log(U1)) * sin(2*

C產生正態分佈隨機數寫入檔案並讀出後用快速排序法排序

基於快速排序法的正態隨機數排序 使用中心極限定理產生正態分佈隨機數 使用快速排序法進行排序 讀寫資料到記事本 程式計時 #include <stdio.h> #include <stdlib.h> #include <mat

np.random.rand均勻分佈隨機數和np.random.randn正態分佈隨機數函式使用方法

np.random.rand用法 覺得有用的話,歡迎一起討論相互學習~Follow Me 生成特定形狀下[0,1)下的均勻分佈隨機數 np.random.rand(a1,a2,a3…)生成形狀為(a1,a2,a3…),[0,1)之間的 均勻分佈 隨機數 np

正態分佈隨機數的產生

最近平凡聽到關於正態分佈取樣相關的內容，突然想到一個問題： 到底如何利用正態分佈取樣？ 正好近期模式識別課程上也有一個相關的內容，整理了一下查到的資料。 一。柱狀圖估計分佈 假設樣本 x N(u,θ) x~N(u, \theta), 其pdf圖如下：

Matlab中產生正態分佈隨機數的函式normrnd-----用來產生高斯隨機矩陣

   >> help normrnd NORMRND Random arrays from the normal distribution. R = NORMRND(MU,SIGMA) returns an array of random numbers chosen from a normal

【matlab】Matlab中產生正態分佈隨機數的函式normrnd

Date: 2018.8.5 功能：生成服從正態分佈的隨機數 語法： R＝normrnd(MU,SIGMA) R＝normrnd(MU,SIGMA,m) R＝normrnd(MU,SIGMA,m,n) 說 明： R＝normrnd(MU

正態分佈隨機數生成演算法

最近在學習基於蒙特卡羅的強化學習方法時遇到 生成服從正態分佈的隨機數的演算法，因此做一個回顧和總結。要程式設計得到服從均勻分佈的偽隨機數是容易的，C、Python、Java語言等都提供了相應的函式。但是要想生成服從正態分佈的隨機數就沒那麼容易了，生成服從正態分佈的隨機數的基本

產生服從正態分佈隨機數（轉載）

一、為什麼需要服從正態分佈的隨機函式 一般我們經常使用的隨機數函式 Math.random() 產生的是服從均勻分佈的隨機數，能夠模擬等概率出現的情況，例如 扔一個骰子，1到6點的概率應該相等，但現實生活中更多的隨機現象是符合正態分佈的，例如20歲成年人的體重分佈等。

如何用均勻分佈隨機數生成正態分佈隨機數

前言 在Monte Carlo模擬技術中，許多地方都需要用到符合標準正態分佈(高斯)的隨機數來設計取樣方案，因此瞭解如何用均勻分佈隨機數(實際上是均勻分佈的偽隨機數)來生成標準正態分佈的隨機數十分重要。本文將對這個最基本的問題做討論，並提供c++11程式

JAVA自定義演算法產生正態分佈隨機數

一、為什麼需要服從正態分佈的隨機函式 一般我們經常使用的隨機數函式 Math.random() 產生的是服從均勻分佈的隨機數，能夠模擬等概率出現的情況，例如 扔一個骰子，1到6點的概率應該相等，但現實生活中更多的隨機現象是符合正態分佈的，例如20歲成年人的體重分佈等。 假如我們在製作一個遊戲，要

正態分佈隨機數生成器

import math,random u=1800. q=800. reslist=[] for v in xrange(0,3600):    y=math.exp(-((v-u)/q)*((v-u)/q)/2)/(q*math.sqrt(2*3.14159265359)

C#產生正態分佈、泊松分佈、指數分佈、負指數分佈隨機數（原創）

http://blog.sina.com.cn/s/blog_76c31b8e0100qskf.html 在程式設計過程中，由於資料模擬模擬的需要，我們經常需要產生一些隨機數，在C#中，產生一般隨機數用Random即可，但是，若要產生服從特定分佈的隨機數，就需要一定的演

一種用C++自帶的類生成服從正態分佈的隨機數。

今天寫關於深度學習的程式碼時，裡面要用服從標準正態分佈的隨機數初始化權值，就是matlab裡面那個randn函式，網上找了很多方法，最後發現C++本身就有自帶的方法生成服從正態分佈的隨機數序列。下面給出C++程式碼： C++程式碼： #include &

C++生成隨機數：高斯/正態分佈（gaussian/normal distribution）

常用的成熟的生成高斯分佈隨機數序列的方法由Marsaglia和Bray在1964年提出，C++版本如下： #include <stdlib.h> #include <math.h> double gaussrand() { static double V1, V2, S

c++構建正態分佈的隨機數

最近程式設計的時候遇到一個問題，需要用c++來產生一個滿足正態分佈的的隨機數，用c++產生一個均勻分佈的隨機數很容易，但是滿足正態分佈還是有點懵逼的。然後就在網上搜一些資料，發現有三種方法可以產生正態

C語言產生標準正態分佈或高斯分佈隨機數

1 #include <stdlib.h> 2 #include <stdio.h> 3 double gaussrand() 4 { 5 static double V1, V2, S; 6 static int phase = 0; 7

課堂練習--計算陣列的最大值，最小值，平均值，標準差，中位數；numpy.random模組提供了產生各種分佈隨機數的陣列；正態分佈；Matplotlib

#計算陣列的最大值，最小值，平均值，標準差，中位數 import numpy as np a=np.array([1, 4, 2, 5, 3, 7, 9, 0]) print(a) a1=np.max(a) #最大值 print(a1) a2=np.min(a) #最小值 print(a2) a3

[C++]Random庫--正態分佈

Random庫–正態分佈 背景介紹 正態分佈（Normal distribution）又名高斯分佈（Gaussian distribution），是一個在數學、物理及工程等領域都非常重要的概率分佈，在統計學的許多方面有著重大的影響力。若隨機變數X服

概率論中高斯分佈(正態分佈)介紹及C++11中std::normal_distribution的使用

高斯分佈：最常用的分佈是正態分佈(normal distribution)，也稱為高斯分佈(Gaussian distribution)：正態分佈N(x;μ,σ2)呈現經典的”鐘形曲線”的形狀，其中中心峰的x座標由μ給出，峰的寬度受σ控制。正態分佈由兩個引數控制，μ∈R和σ∈

使用rand()產生服從高斯／正態分佈的隨機數

我們藉助於rand()去生成高斯／正態分佈。 當然，rand是偽隨機的問題在此先不考慮。 （1）用Box-Muller方法，隨機抽出兩個從均勻分佈的數字和。然後 那和都是正態分佈的。 證明可用極座標，請參考教科書中的Box-Muller方法。 C程式碼： #