이번역페이지는최신내용을담고있지않습니다。최신내용을영문으로보려면여기를클릭하십시오。
의사난수(伪随机数)와준난수(Quasirandom号码)생성
의사난수표본데이터와준난수표본데이터생성
어떤경우에는일반적인난수생성방법이원하는표본을생성하는데적합하지않습니다。统计和机器学习工具箱™는의사난수와준난수를생성하는데사용할수있는여러대체방법을제공합니다。준난수(저불일치수열이라고도함)는집합에있는기존숫자로부터가능한한멀리떨어져있는연속된숫자를생성합니다。이접근방식은군집화를방지하고수렴속도를높일수있지만,준난수는일반적으로너무균일하여임의성검정을통과할수없습니다。의사난수는준난수보다균일성이떨어지며더큰임의성이필요한분야에더적합할수있습니다。슬라이스표집기,해밀턴몬테카를로표집기(哈密顿蒙特卡罗采样器)또는메트로폴리스-해스팅스마르코프연쇄표집기(pmmh马尔可夫链取样器)를사용하여통계분포에서도출하는방식으로의사난수표본을생성합니다。
사용가능한모수적확률분포가데이터를적절히기술하지않는경우유연한분포군을대신사용할수있습니다。피어슨(Pearson)및존슨(约翰逊)의유연한분포군은표본데이터의위치,척도(스케일),왜도,첨도를기반으로하여모델을피팅합니다。분포를데이터에피팅하고나면해당분포에서의사난수를생성할수있습니다。
함수
클래스
도움말항목
马尔可夫链采样器可以从难以直接表示的抽样分布中生成数。
学习如何使用哈密顿蒙特卡罗采样器。
slicesample
을사용하여로지스틱회귀모델에베이즈추론을수행합니다。
皮尔逊和约翰逊系统是灵活的参数分布家族,为广泛的数据形状提供良好的匹配。
统计和机器学习工具箱는다양한분포에서난수생성을지원합니다。
伪随机数是由确定性算法生成的。
准随机数发生器(qrgs)产生高度均匀的单位超立方体样品。