https://stackoverflow.com/questions/218060
-
03-07-2019 - |
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
Russian質問
.NETの標準ライブラリには、ガウス分布に従うランダム変数を作成する機能を提供するクラスがありますか？
解決
Box-Muller変換を使用するというジャレットの提案は、迅速で不潔なソリューションに適しています。簡単な実装：
Random rand = new Random(); //reuse this if you are generating many
double u1 = 1.0-rand.NextDouble(); //uniform(0,1] random doubles
double u2 = 1.0-rand.NextDouble();
double randStdNormal = Math.Sqrt(-2.0 * Math.Log(u1)) *
Math.Sin(2.0 * Math.PI * u2); //random normal(0,1)
double randNormal =
mean + stdDev * randStdNormal; //random normal(mean,stdDev^2)
他のヒント
この質問は.NET Gaussian世代のGoogleの上に移動したように見えるので、答えを投稿すると思いました。
.NETランダムクラスの拡張メソッドを作成しました。 Box-Muller変換。これらは拡張機能であるため、プロジェクトが含まれている（またはコンパイル済みのDLLを参照する）限り、引き続き実行できます
var r = new Random();
var x = r.NextGaussian();
誰もが恥知らずなプラグインを気にしないでください。
結果のサンプルヒストグラム（これを描画するためのデモアプリが含まれています）：
Math.NET はこの機能を提供します。方法は次のとおりです。
double mean = 100;
double stdDev = 10;
MathNet.Numerics.Distributions.Normal normalDist = new Normal(mean, stdDev);
double randomGaussianValue= normalDist.Sample();
ここでドキュメントを見つけることができます： http://numerics.mathdotnet.com/api/MathNet.Numerics.Distributions/Normal.htm
Microsoft Connectでそのような機能のリクエストを作成しました。これがあなたが探しているものである場合、それに投票してその可視性を高めてください。
この機能はJava SDKに含まれています。その実装は、の一部として利用可能です。ドキュメントであり、C＃または他の.NET言語に簡単に移植できます。
純粋な速度を探している場合、 Zigoratアルゴリズムは一般に最速のアプローチ。
私はこのトピックの専門家ではありません-を実装する際にこの必要性に遭遇しました RoboCup 3Dシミュレーションロボットサッカーライブラリのパーティクルフィルターで、驚いたこれはフレームワークに含まれていませんでした。
それまでの間、Box Muller Polarメソッドの効率的な実装を提供する Random のラッパーは次のとおりです。
public sealed class GaussianRandom
{
private bool _hasDeviate;
private double _storedDeviate;
private readonly Random _random;
public GaussianRandom(Random random = null)
{
_random = random ?? new Random();
}
/// <summary>
/// Obtains normally (Gaussian) distributed random numbers, using the Box-Muller
/// transformation. This transformation takes two uniformly distributed deviates
/// within the unit circle, and transforms them into two independently
/// distributed normal deviates.
/// </summary>
/// <param name="mu">The mean of the distribution. Default is zero.</param>
/// <param name="sigma">The standard deviation of the distribution. Default is one.</param>
/// <returns></returns>
public double NextGaussian(double mu = 0, double sigma = 1)
{
if (sigma <= 0)
throw new ArgumentOutOfRangeException("sigma", "Must be greater than zero.");
if (_hasDeviate)
{
_hasDeviate = false;
return _storedDeviate*sigma + mu;
}
double v1, v2, rSquared;
do
{
// two random values between -1.0 and 1.0
v1 = 2*_random.NextDouble() - 1;
v2 = 2*_random.NextDouble() - 1;
rSquared = v1*v1 + v2*v2;
// ensure within the unit circle
} while (rSquared >= 1 || rSquared == 0);
// calculate polar tranformation for each deviate
var polar = Math.Sqrt(-2*Math.Log(rSquared)/rSquared);
// store first deviate
_storedDeviate = v2*polar;
_hasDeviate = true;
// return second deviate
return v1*polar*sigma + mu;
}
}
Math.NET Iridium は、＆quot;不均一なランダムジェネレーター（通常、ポアソン、二項） 、...）＆quot;。
正規分布であるランダム変数を生成するための別の迅速で汚い解決策があります。ランダムな点（x、y）を描画し、この点が確率密度関数の曲線の下にあるかどうかを確認します。そうでない場合は繰り返します。
ボーナス：他の分布のランダム変数を生成できます（例：指数分布またはポアソン分布）密度関数を置き換えるだけです。
static Random _rand = new Random();
public static double Draw()
{
while (true)
{
// Get random values from interval [0,1]
var x = _rand.NextDouble();
var y = _rand.NextDouble();
// Is the point (x,y) under the curve of the density function?
if (y < f(x))
return x;
}
}
// Normal (or gauss) distribution function
public static double f(double x, double μ = 0.5, double σ = 0.5)
{
return 1d / Math.Sqrt(2 * σ * σ * Math.PI) * Math.Exp(-((x - μ) * (x - μ)) / (2 * σ * σ));
}
重要： y の間隔とパラメーター＆＃963; および＆＃956; を選択して、関数の曲線が最大/最小ポイント（たとえば、x = mean）でカットオフされません。 x と y の間隔を、曲線が収まる境界ボックスと考えてください。
@yoyoyoyosefの答えをさらに高速化し、ラッパークラスを作成することで、さらに拡張したいと思います。発生するオーバーヘッドは2倍の速さではないかもしれませんが、2倍の速さでほぼすべきだと思います。ただし、スレッドセーフではありません。
public class Gaussian
{
private bool _available;
private double _nextGauss;
private Random _rng;
public Gaussian()
{
_rng = new Random();
}
public double RandomGauss()
{
if (_available)
{
_available = false;
return _nextGauss;
}
double u1 = _rng.NextDouble();
double u2 = _rng.NextDouble();
double temp1 = Math.Sqrt(-2.0*Math.Log(u1));
double temp2 = 2.0*Math.PI*u2;
_nextGauss = temp1 * Math.Sin(temp2);
_available = true;
return temp1*Math.Cos(temp2);
}
public double RandomGauss(double mu, double sigma)
{
return mu + sigma*RandomGauss();
}
public double RandomGauss(double sigma)
{
return sigma*RandomGauss();
}
}
Drew Noakesの答えを拡張し、Box-Mullerよりも優れたパフォーマンス（約50〜75％高速）が必要な場合、Colin GreenはC＃のZigguratアルゴリズムの実装を共有しています。
http://heliosphan.org/zigguratalgorithm/zigguratalgorithm.html
Zigguratは、ルックアップテーブルを使用して、曲線から十分に離れた値を処理します。この値はすぐに受け入れまたは拒否されます。約2.5％の時間、数値が曲線のどちら側にあるかを判断するためにさらに計算を行う必要があります。
@Noakesと@Hameerの回答を拡張して、「Gaussian」クラスも実装しましたが、メモリスペースを単純化するために、Randomクラスの子にしたため、基本的なNext（）も呼び出すことができます。 GaussianクラスのNextDouble（）なども、追加のRandomオブジェクトを作成して処理する必要はありません。また、このクラスはインスタンスベースであるため、必要に応じて表示されなかったため、_availableおよび_nextgaussグローバルクラスプロパティも削除しました。各スレッドに独自のGaussianオブジェクトを指定すると、スレッドセーフになります。また、実行時に割り当てられたすべての変数を関数から移動してクラスプロパティにしました。これにより、4つのdoubleは理論的にはオブジェクトが破棄されるまで割り当て解除されないため、メモリマネージャーへの呼び出し回数が減少します。 / p>
public class Gaussian : Random
{
private double u1;
private double u2;
private double temp1;
private double temp2;
public Gaussian(int seed):base(seed)
{
}
public Gaussian() : base()
{
}
/// <summary>
/// Obtains normally (Gaussian) distrubuted random numbers, using the Box-Muller
/// transformation. This transformation takes two uniformly distributed deviates
/// within the unit circle, and transforms them into two independently distributed normal deviates.
/// </summary>
/// <param name="mu">The mean of the distribution. Default is zero</param>
/// <param name="sigma">The standard deviation of the distribution. Default is one.</param>
/// <returns></returns>
public double RandomGauss(double mu = 0, double sigma = 1)
{
if (sigma <= 0)
throw new ArgumentOutOfRangeException("sigma", "Must be greater than zero.");
u1 = base.NextDouble();
u2 = base.NextDouble();
temp1 = Math.Sqrt(-2 * Math.Log(u1));
temp2 = 2 * Math.PI * u2;
return mu + sigma*(temp1 * Math.Cos(temp2));
}
}
Infer.NETを試すことができます。ただし、まだ商用ライセンスではありません。ここにありますリンク
これは、Microsoftの研究で開発された.NETの確率的フレームワークです。彼らは、ベルヌーイ、ベータ、ガンマ、ガウス、ポアソン、そしておそらく私が省略したものの分布のための.NETタイプを持っています。
それはあなたが望むものを達成するかもしれません。ありがとう。
これは、私の簡単なBox Mullerに触発された実装です。ニーズに合わせて解像度を上げることができます。これは私にとってはうまく機能しますが、これは限られた範囲の近似であるため、テールは閉じていて有限ですが、必要に応じてテールを拡張できることに注意してください。
//
// by Dan
// islandTraderFX
// copyright 2015
// Siesta Key, FL
//
// 0.0 3231 ********************************
// 0.1 1981 *******************
// 0.2 1411 **************
// 0.3 1048 **********
// 0.4 810 ********
// 0.5 573 *****
// 0.6 464 ****
// 0.7 262 **
// 0.8 161 *
// 0.9 59
//Total: 10000
double g()
{
double res = 1000000;
return random.Next(0, (int)(res * random.NextDouble()) + 1) / res;
}
public static class RandomProvider
{
public static int seed = Environment.TickCount;
private static ThreadLocal<Random> randomWrapper = new ThreadLocal<Random>(() =>
new Random(Interlocked.Increment(ref seed))
);
public static Random GetThreadRandom()
{
return randomWrapper.Value;
}
}
あるとは思わない。そして、フレームワークが既に十分に肥大化しているので、そのような特殊な機能がそれをさらに満たしていないので、そうでないことを本当に望みます。
http://www.extremeoptimization.com/Statisticsをご覧ください/UsersGuide/ContinuousDistributions/NormalDistribution.aspx および http：//www.vbforums .com / showthread.php？t = 488959 サードパーティの.NETソリューションの場合。
