c语言负指数分布随机数,使用（负）指数分布生成介于0和1之间的随机数(Generate random number between 0 and 1 with (negative)exponential...

使用(负)指数分布生成介于0和1之间的随机数(Generate random number between 0 and 1 with (negative)exponential distribution)

Heyho，

我试图用指数/负指数分布生成介于0.0和1.0之间的随机数。 有一篇文章告诉你必须得到“分位数函数” 。 但结果仍然大于1.0。 所以我需要以某种方式扩展我的等式。

我的目标是在一个范围内生成一个随机数，例如，更高/更低的值具有更高的概率。 (分发应该是可扩展的)

相关问题(不要将结果截断为[0,1])：

Heyho,

I'm trying to generate a random number between 0.0 and 1.0 with exponential/negative exponential distribution. There is an article, which tells that you have to get the "quantile function". But the results are still greater than 1.0. So I would need to scale my equation somehow.

My goal is to generate a random number in a range, where for example higher/lower values have a higher probability. (The distribution should be scalable)

Related questions(don't truncate the result to [0,1]):

原文：https://stackoverflow.com/questions/20385964

更新时间：2020-02-04 01:15

最满意答案

负指数分布支持范围[0，∞)，因此我将您的问题解释为截断负指数的请求。 这种野兽的累积分布函数的下限l >= 0 ，上限h > l ，速率λ为

F(x) = (exp(-λl) - exp(-λx)) / (exp(-λl) - exp(-λh))

我们可以通过设置等于U ，一个统一的(0,1)随机数，并求解x来找到反演：

X = -ln(exp(-λl) - (exp(-λl) - exp(-λh)) * U) / λ

由于您分别指定了0和1的下限和上限，因此减少为

X = -ln(1 - (1 - exp(-λ)) * U) / λ

将U替换为您最喜欢的U(0,1)生成器的调用，这是您生成具有所需分布的X的算法。

这是用λ = 5生成的10,000个值的直方图。 较小的λ值给出较平坦的分布，较大的值表示更快的指数下降。

The negative exponential distribution has support on the range [0, ∞), so I'm interpreting your question as a request for a truncated negative exponential. The Cumulative Distribution Function for such a beast with lower limit l >= 0, upper limit h > l, and rate λ is

F(x) = (exp(-λl) - exp(-λx)) / (exp(-λl) - exp(-λh))

We can find the inversion by setting this equal to U, a uniform(0,1) random number, and solving for x:

X = -ln(exp(-λl) - (exp(-λl) - exp(-λh)) * U) / λ

Since you specified lower and upper limits of 0 and 1, respectively, this reduces to

X = -ln(1 - (1 - exp(-λ)) * U) / λ

Replace U with a call to your favorite U(0,1) generator and that's your algorithm for generating X's with the desired distribution.

Here's a histogram of 10,000 values generated with λ = 5. Smaller values of λ give a flatter distribution, larger values show a more rapid exponential drop off.

2013-12-05

相关问答

你可能需要一个 beta = 4 * (rand - 0.5)^3 + 0.5

功能或类似形状的东西 图形 分发结果： http ： //jsfiddle.net/4hBqz/ You probably need a beta = 4 * (rand - 0.5)^3 + 0.5

function or something with a similar shape Graph Distribution results: http://jsfiddle.net/4hBqz/

您提到了对数分布，但它看起来像代码旨在生成截断的几何分布，而不是它的缺陷。 有多于一种称为对数分布的分布，它们都不常见。 请澄清你是否真的意味着其中之一。 您计算floor [log_2 U]，其中U从1到(2 ^ max)+1均匀分布。 这有一个1/2 ^最大的机会产生最大值，但你把它夹到最大-1。 所以，你有1/2 ^ max的机会产生0,2 / 2 ^ max的机会产生1,4 / 2 ^ max的机会产生2，...达到1/2 + 1/2 ^ max产生最大-1的机会。 出现在你的代码中，但在

...

由于您可以访问统一的随机数生成器，因此生成与其他分布分布的随机数，通过反演方法，您可以轻松识别CDF。 所以，在[0,1)生成一个均匀的随机数u ，然后通过以下方式计算x ： x = log(1-u)/( λ ) ， 其中λ是指数分布的速率参数。 现在， x是具有指数分布的随机数。 注意上面的log是ln ，是自然对数。 Since you have access to a uniform random number generator, generating a random number di

...

好的，我看到了这个bug 你会产生size的事件数量。 你真的需要更多的事件来填充直方图 PS 填充箱#n(n在[0 ...大小)范围内)的概率由表达式给出 prob = exp(-gamma*n) - exp(-gamma*(n+1))

对于gamma等于0.01，例如， n约为1000，将给出大约4*10^-7概率。 因此，要在此垃圾箱中获得一个事件，您需要抽样约250万次 PPS 并且使用库指数采样虽然一般都很好，但不会给你买任何东西，因为据我所知你采样是可以的 Ok, I see the

...

这有帮助吗？ (或者我误解了这个问题？) %#Set the parameters

T = 2000; %#Number of observations to simulate

Mu = 0.5; %#Exponential distribution parameter

LB = 0; %#Lower bound on exponential distribution

UB = 1; %#Upper bound on exponential distribution

%#Validate the

...

负指数分布支持范围[0，∞)，因此我将您的问题解释为截断负指数的请求。 这种野兽的累积分布函数的下限l >= 0 ，上限h > l ，速率λ为 F(x) = (exp(-λl) - exp(-λx)) / (exp(-λl) - exp(-λh))

我们可以通过设置等于U ，一个统一的(0,1)随机数，并求解x来找到反演： X = -ln(exp(-λl) - (exp(-λl) - exp(-λh)) * U) / λ

由于您分别指定了0和1的下限和上限，因此减少为 X = -ln(1 -

...

这是因为您没有声明lambda的类型，更正了结果在您寻找的范围内。 如果未声明，旧的编译器会认为它是int 。 #include

#include

#include

#include

double ran_expo(double lambda){

double u;

u = rand() / (RAND_MAX + 1.0);

return -log(1- u) / lambda;

}

int

...

这取决于解释，但我要说你需要分别模拟从X到Y和从Y到X的时间，尽管速率相同。 如果列车双向行驶且平均速度相同，则并不意味着从X和Y出发的两列火车将同时到达另一点。 你没有使用 AYX

AXY

所以他们是多余的。 编写minAXB

...

为了在每次试验中生成概率为p的几何，给定一个返回均匀(0,1)结果的函数rand ，伪代码为： define geometric(p)

return ceiling(ln(1-rand) / ln(1-p))

这产生了多少试验，直到第一次成功。 如果您想要几何的替代定义(在第一次成功之前有多少次失败)减去1或使用floor而不是ceiling 。 To generate a geometric with probability p of success on each trial, give

...

我会收回它，没有对F呼唤。 所以，如果你想使用Distribution gem，我建议使用具有4个自由度的Chi 2 。 具有k自由度的Chi 2的模式等于k-2 ，因此对于4 df，您将获得2的模式，请参见此处 。 我的红宝石生锈，忍受着我 require 'distribution'

normal = Distribution::Normal.rng(0)

g1 = normal.call

g2 = normal.call

g3 = normal.call

g4 = normal.call

...