ROOT(a Data analysis Framework)-Note6: iSTEP day3-Random

本文介绍了使用ROOT框架中的TRandom3生成随机数,并通过Monte-Carlo方法模拟特定分布。内容包括:1) 直接生成随机数并保留满足条件的数;2) 使用函数积分的反解方法;3) 应用Monte-Carlo方法模拟Gaussian分布。同时,讨论了直方图与PDF对比的问题,并展示了如何拟合数据。
摘要由CSDN通过智能技术生成

Note5: Random3

其实每天进展都还是听慢的,今天也只考虑了一个小问题,就是生成随机数。

Monte-Carlo方法产生特定分布的随机数

给定一个分布,或许不一定归一化:

P ( x = x ′ ) = f ( x ) P(x = x') = f(x) P(x=x)=f(x)

方法一:

  • 生成一个平均分布的随机数 x ∈ [ a 1 , a 2 ] x \in [a_1,a_2] x[a1,a2]
  • 生成一个平均分布的随机数 y ∈ [ b 1 , b 2 ] y \in [b_1,b_2] y[b1,b2]
  • 如果 y < = P ( x = x
  • 3
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值