使用Box–Muller transform随机生成服从Gaussian以及log-normal分布的点

最新推荐文章于 2024-01-22 17:46:59 发布

zhaopeng162

最新推荐文章于 2024-01-22 17:46:59 发布

阅读量806

点赞数 3

分类专栏： python C++ notes

本文链接：https://blog.csdn.net/zhaopeng162/article/details/109080443

版权

notes 同时被 3 个专栏收录

22 篇文章 5 订阅

订阅专栏

python

5 篇文章 0 订阅

订阅专栏

C++

5 篇文章 0 订阅

订阅专栏

随机生成服从Gaussian分布点的方法有很多种，具体可以参考链接；本文采用的是Box-Muller transform方法。

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

#define M_PI 3.14159265358979323846

double generateGaussianNoise(double mu, double sigma){
	double twopi = 2.0 * M_PI;
	double r_a = rand()/(RAND_MAX + 1.0);
	double r_b = rand()/(RAND_MAX + 1.0);
	double u1 = 1.0f - r_a;// [0, 1) -> (0, 1]
	double u2 = r_b;
	double radius = sqrt(-2.0 * log(u1));
	double theta = twopi * u2;
	double data = radius * cos(theta);
	return data * sigma + mu;
}

double generateLogNormalNoise(double mu, double sigma){
	double twopi = 2.0 * M_PI;
	double r_a = rand()/(RAND_MAX + 1.0);
	double r_b = rand()/(RAND_MAX + 1.0);
	double u1 = 1.0f - r_a;// [0, 1) -> (0, 1]
	double u2 = r_b;
	double radius = sqrt(-2.0 * log(u1));
	double theta = twopi * u2;
	double data = radius * cos(theta);
	return exp(data * sigma + mu);
}

int main(){

	int count = 200000;
	double mu = 0.0;
	double sigma = 0.5;
	for (int i = 0; i<count; i++){
		//double ret = generateGaussianNoise(mu, sigma);
		double ret = generateLogNormalNoise(mu, sigma);
		printf("%lf\n", ret);
	}
	return 0;
}

generateGaussianNoise函数随机生成符合Gaussian分布的点，调用generateLogNormalNoise随机生成符合log-normal分布的点；维基中给出的Gaussian分布以及main函数中随机生成20万个点生成的概率密度分布（PDF）分别为为：

维基中给出的log-normal分布以及main函数中随机生成20万个点生成的概率密度分布（PDF）分别为为：

完整的文件可参考链接。