產生特定分佈的隨機數（一）：均勻分佈和高斯分佈

阿新 • • 發佈：2019-01-10

基本思想: 先得到服從均勻分佈的隨機數; 然後再將服從均勻分佈的隨機數轉變為服從正態分佈。Box-Muller 是產生隨機數的一種方法。Box-Muller 演算法隱含的原理非常深奧，但結果卻是相當簡單。如果在（0,1] 值域內有兩個一致的隨機數字 U1 和 U2，可以使用以下兩個等式中的任一個算出一個正態分佈的隨機數字 Z：　Z = R * cos( θ ) 或 Z = R * sin( θ )　其中， R = sqrt(-2 * ln(U2)), θ = 2 * π * U1，正態值 Z 有一個等於 0 的平均值和一個等於 1 的標準偏差，可使用以下等式將 Z 對映到一個平均值為 m、標準偏差為 sd 的統計量 X：

X = m + (Z * sd)。

產生特定分佈的隨機數（一）：均勻分佈和高斯分佈

基本思想: 先得到服從均勻分佈的隨機數; 然後再將服從均勻分佈的隨機數轉變為服從正態分佈。Box-Muller 是產生隨機數的一種方法。Box-Muller 演算法隱含的原理非常深奧，但結果卻是相當簡單。如果在（0,1] 值域內有兩個一致的隨機數字 U1 和 U2，可以使用以下兩個等式中的任一個算

隨機數生成（一）：均勻分佈

[1]Wikipedia:Random Number Generation. [2]Wikipedia:Linear Congruential Generator. [3]Wikipedia:Linear Feedback Shift Register. [4]GeorgeMarsaglia and Ari

JSP學習筆記（一）：JSP語法和指令

沒有文件的 encoding 引入 2.0 .cn name blog .get 一、語法 1、腳本程序的語法格式：　　腳本程序可以包含任意量的Java語句、變量、方法或表達式，只要它們在腳本語言中是有效的。 <% 代碼片段 %> 2、中文編碼問題　　

算法學習筆記（一）：插入排序和線性查找

插入排序算法學習 AS 獲取 ear array import 右移創建（一）插入排序看下面這張圖片：把打牌時手上的牌抽象為一個列表A，j表示當前最新抓的牌的索引（先放到手上最右邊）索引 j =0 時 A[j] = 3 j >= 1時， 1、我們拿到

windows環境下搭建Java開發環境（一）：jdk安裝和配置

變量 win jns jdk安裝分享 tool 直接 www. 技術一、資源下載　　官網：http://www.oracle.com/technetwork/java/javase/downloads/index.html 　　本人安裝的是jdk1.8，百度雲資源：鏈

docker學習（一）：docker安裝和架構

本筆記根據51CTO的CloudMan博主的部落格而記錄的。本節主要學習 docker安裝和解除安裝 docker的架構一、Docker的安裝和解除安裝　　Docker的安裝　　1、安裝之前，要先把舊版的Docker給解除安裝了，以下是Docker官網上的安裝前解除安裝Dock

阿里雲搭建大資料平臺（3）：安裝JDK和Hadoop偽分佈環境

一、安裝jdk 1.解除安裝Linux自帶的JDK rpm -qa|grep jdk #查詢原始JDK yum -y remove <舊JDK> 2.解壓縮 tar -zxvf /opt/softwares/jdk-8u151-linux-x64.t

Java虛擬機器（一）：Java編譯器和類載入機制

目錄編譯時載入連線初始化類載入器類的載入參考：什麼是Java虛擬機器從Java虛擬機器所做的事情上去理解，可以分為兩個階段，編譯時和執行時。編譯時主要是一個由編譯器將原始碼譯為虛擬機器指令集的一個過程；而執行

MongoDB入門系列（一）：基礎概念和安裝

概述 MongoDB是目前非常流行的一種非關係型資料庫，作為入門系列的第一篇本篇文章主要介紹Mongdb的基礎概念知識包括命名規則、資料型別、功能以及安裝等。環境： OS:Windows Version:3.4 一、安裝 1.下載解壓在官網下載對應作業系統版本的安裝包，然後解壓；

在python中實現生產者和消費者的例子（一）：使用multiprocessing和pipe()

本文介紹如何用multiprocessing模組及pipe實現生產者和消費者的例子程式碼例項如下： import multiprocessing #定義消費者 def consumer(pipe): output_p,input_p=pipe input

Cesium學習筆記（一）：環境配置和首次執行

Cesium是國外一個基於JavaScript編寫的使用WebGL的地圖引擎。Cesium支援3D,2D,2.5D形式的地圖展示，可以自行繪製圖形，高亮區域，並提供良好的觸控支援，且支援絕大多數的瀏覽器和mobile。這是官網上給出的例子，如果你可以成功執行

計算機視覺（一）：人臉檢測和識別

1 - 引言之前我們學習了機器學習和數字影象處理的相關知識，瞭解了基本的概念理論和OpenCV和TensorFlow框架的使用，現在我們可以結合這些知識與工具寫出屬於我們自己的計算機視覺專案，本文主要介紹瞭如何使用OpenCV提供的函式來構建一個人臉識別和檢測的應用 2 - Haa

Realm資料庫使用教程（一）：Realm配置和Stetho配置

本人主要是開發android專案的，這裡只對android端Realm使用進行總結。對於Realm的優缺點，既然你要使用了，就說明你有一定的瞭解，在這裡就不介紹了！如果需要可自行google 資料庫效率對比分別採用greendao、ormlit

【計算機網路】資料鏈路層（一）：資料幀和物理定址

資料鏈路層是物理層的上層，物理層是把電腦連線起來的物理手段，它主要規定了網路的一些電氣屬性，其作用是負責傳送0和1的電訊號。資料鏈路層位於物理層的上層，簡單的闡述它的作用就是確定0和1的分組方式。下

實踐篇（一）：資料準備和本體建模

對知識圖譜有興趣的讀者可以關注我的知乎專欄，主要介紹知識圖譜的相關概念、技術，也包含一些具體實踐。通過前面幾篇文章的介紹，讀者應該對知識圖譜，其相關概念，以及語義網技術棧中的RDF，RDFS/OWL有了一定的瞭解。然而，之前我們都是在介紹一些概念性的東西。實

資料探勘從入門到放棄（一）：線性迴歸和邏輯迴歸

“ 資料探勘演算法基於線性代數、概率論、資訊理論推導，深入進去還是很有意思的，能夠理解數學家、統計學家、計算機學家的智慧，這個專欄從比較簡單的常用演算法入手，後續研究基於TensorFlow的高階演算法，最好能夠參與到人臉識別和NLP的實際專案中，做出來一定的效果。” 一、理解線性迴歸

Salesforce 系列（一）：雲服務和 Salesforce 理念簡介

> 本系列文章系筆者在 Salesforce 開發過程中的些許總結與心得，旨在記錄自己的成長，以及為對 Salesforce 感興趣的小夥伴提供一些幫助，如有疏漏，還望多多包涵 ~ ## 雲服務雲服務，也稱雲端計算服務，是一種根據需求，通過網路獲取計算資源的形態。這些計算資源被包裝成為服務，提供

若依管理系統RuoYi-Vue（一）：專案啟動和選單建立

若依管理系統應該是國內最受歡迎的完全開源的後端管理系統了吧，看看gitee上的star數量，著實驚人。若依系統有很多個版本 | 版本 | gitee地址 | 說明

Android ANR分析實踐（一）：北京×××搭建ANR是什麽、產生的原因及如何避免ANR

例如三種 handler 線程處理不足線程阻塞種類工具 input 一、什麽是北京×××搭建 dsluntan.com VX:17061863513ANR ANR,(Application Not Responding) 即應用程序無響應，在android應

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