生成正态分布随机数-C语言

「已注销」

已于 2024-03-18 13:47:29 修改

阅读量1.7k

点赞数 15

分类专栏：数学文章标签：算法概率论 c语言

于 2024-03-18 13:46:47 首次发布

本文链接：https://blog.csdn.net/lglrkx/article/details/136804529

版权

数学专栏收录该内容

3 篇文章

订阅专栏

Box-Muller变换是一种常用的生成服从标准正态分布（均值为0，标准差为1）随机变量的方法。其原理基于极坐标的思想，将由均匀分布产生的随机数转换为标准正态分布的随机数对。

Box-Muller变换的算法如下：

从区间(0, 1)内均匀地生成两个独立的随机数，记作 $U_1$ 和 $U_2$ 。
计算变量：
$Z_0 = \sqrt{-2\ln(U_1)}*\cos(2\pi*U_2)$

$Z_1 = \sqrt{-2\ln(U_1)}*\sin(2\pi*U_2)$
$Z_0$ 和 $Z_1$ 即为符合标准正态分布的独立随机变量。

这里的 $U_1$ 和 $U_2$ 是在 (0, 1)上的均匀分布随机数， $Z_0$ 和 $Z_1$ 是由 Box-Muller 变换生成的符合标准正态分布的随机变量。

当 $U_1$ 和 $U_2$ 独立且均匀分布在 (0, 1)区间内时，通过对它们进行适当的函数变换，可以得到满足高斯分布的随机变量。

#include <stdio.h>
#include <stdlib.h>
#include <math.h>
#include <time.h>

double generate_normal(double mean, double stddev) {
    static double z1, z2;
    static int generate;
    generate = !generate;

    if (!generate)
        return z2 * stddev + mean;

    double u1, u2;
    do {
        u1 = rand() * (1.0 / RAND_MAX);
        u2 = rand() * (1.0 / RAND_MAX);
    } while (u1 <= 1e-7);

    z1 = sqrt(-2.0 * log(u1)) * cos(2 * M_PI * u2);
    z2 = sqrt(-2.0 * log(u1)) * sin(2 * M_PI * u2);

    return z1 * stddev + mean;
}

int main() {
    srand(time(NULL));

    double mean = 0.0;  // 指定均值
    double stddev = 1.0;  // 指定标准差
    int i;
    for (i = 0; i < 100; i++) {
        printf("%f ", generate_normal(mean, stddev));
        if(i%10 == 0)
            printf("\n ");
    }

    return 0;
}

上述代码最后测试生成10个均值为0，标准差为1的正态分布随机数，下面是一次生成的结果。

-0.304427       -1.709132       -0.637457       -0.115340       0.391374        0.818611        -0.757250       2.521892        -0.796964       0.969829
 0.356248       -1.553272       -1.190531       -0.486877       0.487952        -0.648820       1.110085        0.060086        0.776557        1.795561
 0.387308       0.144394        -1.102004       0.396821        -0.202300       -0.882435       0.634188        1.120585        1.737933        -0.066684
 0.392063       1.358983        1.178477        1.399557        0.334565        -0.027261       0.032823        0.921120        -1.203685       0.995437
 -0.327912      0.741170        -0.195522       0.012784        -0.331244       1.375677        2.280650        -0.319563       1.460647        0.298711
 -1.700978      -0.310468       1.690571        -1.187290       1.389037        -1.114818       0.238236        -0.464428       0.815323        -0.009537
 -1.882095      0.192120        0.096966        -0.133729       -0.918820       -0.852759       -0.218966       0.010652        1.551117        -0.162994
 0.450467       -0.797384       2.906325        -0.493410       -1.435679       -0.931503       -0.295340       0.043493        0.336999        0.749057
 2.829080       -0.646718       0.098094        -0.683147       -0.684769       0.886755        -0.737217       1.291919        -0.583261       -1.437409
 1.076235       -0.399591       0.489981        0.586680        0.259332        0.332059        -2.030044       1.635369        -0.983929       -0.743155

原理详细推导参考：Box-Muller变换原理详解 - 知乎 (zhihu.com)