概率算法-均匀分布产生正态分布

 

      大部分语言只能产生均匀分布的随机数。C语言用(double)rand()/RAND_MAX产生0到1之间均匀分布的随机数。那么如何产生正态分布的呢？

一般，一种概率分布，如果其分布函数为y=F(x)，那么，y的范围是0~1，求其反函数G，然后产生0到1之间的随机数作为输入，那么输出的就是

符合该分布的随机数了：

     y= G(x)

    以指数分布为例，假设参数为a，那么概率密度函数为y=exp(-a)；概率分布函数为y=1-exp(-a)/a。反函数为

y = -ln[(1-y)*a]/a;

 

MATLAB:

x=rand(1,1000);
a=2;
y=-log((1-x)*a)./a;
hist(y,100)

 

效果：

 

但是正态分布不容易这么做，因为分布函数实在有点复杂。

但是正态分布有一个特殊的性质，就是中心极限定理。其他任意分布的随机数，取大量，其均值服从高斯分布。严格的理论是这样的：

对于服从均匀分布的随机变量，只要n充分大，随机变量 就服从均值为零，方差为1的正态分布。所以，很简单，取N个均匀分布的随机变量即可。特别的，一般可以取N=12，由于（0,1）均匀分布的均值为0.5，方差为1/12，因此代入上式，结果为  x1+x2+..+x12-6.编程的时候就很方便。

MATLAB：

n=12;
for j=1:5000
    a=rand(1,n);
    u=sum(a);
    x(j)=(u-n*0.5);
end
hist(x,100);

 

效果：

 

【3】最后一个办法，也是最有效的办法，是Box-Muller方法。正态分布的另一特殊性质，与瑞利分布有关。二维正态分布下，两个分量如果独立，那么他的模服从瑞利分布。瑞利分布的话，就可以通过标准的分布函数求反函数的方法求得。

MATLAB：

N=1000;
x1=rand(1,N);
x2=rand(1,N);
y1=sqrt(-2* log(x1)) .* cos(2*pi.*x2);
y2=sqrt(-2* log(x1)) .* sin(2*pi.*x2);
y=[y1,y2];
hist(y,100);