伪随机和Quasirandom号码的一代
生成伪随机和quasirandom示例数据
在某些情况下,常见的随机数生成方法是不足以产生所需的样品。统计和机器学习工具箱™提供了几个方法来生成伪随机和quasirandom数字。Quasirandom数字,也被称为低偏差序列,生成每个连续的数字尽可能远从现有的数字集。该方法避免了集群和可以加快收敛,但quasirandom数字通常过于统一通过随机性测试。伪随机数不如quasirandom统一号码,可能更适合于应用程序需要更多的随机性。使用切取样器,哈密顿蒙特卡罗采样器或pmmh马尔可夫链取样器来生成伪随机样本通过借鉴统计分布。
如果可用的参数概率分布不充分描述您的数据,您可以使用一个灵活的分配家庭。皮尔森和约翰逊灵活分配家庭适合模型基于位置、规模、样本数据的偏态和峰态。一旦你适合分发给您的数据,您可以生成伪随机数的分布。
功能
类
主题
- 使用马尔可夫链采样代表抽样分布
马尔可夫链取样器可以生成数据的抽样分布很难直接代表。
- 利用哈密顿蒙特卡罗贝叶斯线性回归
学习如何使用哈密顿蒙特卡罗采样器。
- 贝叶斯分析逻辑回归模型
使贝叶斯推论的逻辑回归模型使用
slicesample
。 - 使用灵活的家庭生成数据分布
皮尔森和约翰逊系统是灵活的参数分布的家庭提供良好的广泛的数据匹配的形状。
- 随机数生成
统计和机器学习的工具箱支持不同分布的随机数的生成。金宝app
- 生成伪随机数
伪随机数生成的确定性算法。
- 生成拟随机数字
拟随机数字生成器(QRNGs)产生高度统一的样本单位超立方体。