【问题标题】:Generating a gaussian distribution with only positive numbers生成只有正数的高斯分布
【发布时间】:2010-12-13 14:20:59
【问题描述】:

有没有办法随机生成一组正数,使它们具有所需的均值和标准差?

我有一个算法可以生成具有高斯分布的数字,但我不知道如何以保留均值和标准差的方式处理负数。
看起来泊松分布可能是一个很好的近似值,但它只需要一个平均值。

编辑:回复中有一些混乱,所以我会尽力澄清。

我有一组数字,可以给出平均值和标准差。我想生成一组大小相等的数字,均值和标准差相等。通常,我会使用高斯分布来执行此操作,但是在这种情况下,我有一个额外的约束,即所有值都必须大于零。

我正在寻找的算法不需要是基于高斯的(从到目前为止的 cmets 判断,它可能不应该是)并且不需要是完美的。生成的数字集是否具有稍微不同的均值/标准偏差并不重要——我只想要通常在球场上的东西。

【问题讨论】:

  • 如果您可以发布您拥有的算法,这可能会有所帮助。
  • 根据定义,高斯分布不也包括负数,即无论你的平均值有多大(正),左尾总是会跨越到负无穷大?
  • @netzwerg:你是对的。这就是我试图寻找另一种方法的原因。
  • @schnaader:我尝试过的算法涉及基于高斯分布生成数字,以及消除负数的附加步骤。例如,取负数的绝对值。
  • 除了mean和std dev,你有更多关于你的发行版的信息吗?例如,是否有最小值、最大值?从您的描述看来,您不是在寻找整数,而是在寻找连续分布 - 对吗?

标签: algorithm statistics gaussian normal-distribution poisson


【解决方案1】:

您可以使用log-normal 分发版。

【讨论】:

    【解决方案2】:

    首先,您不能只从高斯分布中生成正值。

    其次,我是否正确理解您正在尝试生成具有给定均值和标准差的随机分布?任何发行版都可以吗?如果是这样,让平均值 = m 和标准差 = s。我假设m - s > 0。

    let n = random integer modulo 2;
    if n equals 0 return m - s
    else return m + s
    

    此过程返回的值将具有平均值 m 和标准差 s。

    【讨论】:

    • 我怀疑你的提议是否能满足他的需求,但我必须给它+1 才能对这个问题做出有趣的回答。话虽如此,您的答案有一个缺陷:如果 m
    • @Mathias:我发表声明“我假设m - s > 0。”
    • 这是一个有趣的答案。不幸的是,就我而言,m > s 并不总是正确的。我还希望生成的值有更多变化,尽管我没有在问题中提到这一点。不过,对于一个新颖的解决方案 +1。
    • @Jason:我试图保持您解决方案的精神(满足要求的最简单的发行版)并为以下任何 m 和 s 制定了一个通用解决方案...
    【解决方案3】:

    您可能正在寻找对数正态分布,正如 David Norman 建议的那样,或者可能是 exponential、binomial 或其他一些分布。如果您有一种算法来生成一个分布,那么它可能不适合生成符合另一个分布的数字。但只有你知道你的数字是如何真正分布的。

    对于正态分布,随机变量的范围是从负无穷到正无穷,所以如果你只寻找正数,那么它不是高斯的。

    不同的分布也有独特的性质,例如,对于泊松分布,标准差总是等于平均值​​。 (这就是为什么您的库函数不询问标准差参数,只询问平均值的原因。

    在最坏的情况下,您可以生成一个介于 0 和 1 之间的随机实数并自行计算概率密度函数。 (根据分布,这可能说起来容易做起来难)。

    【讨论】:

    • ++ 最简单的方法是 1) 获取每个原始数据点的对数,2) 获取其均值和 sigma,3) 生成具有该均值和 sigma 的高斯正态随机数,和 4) 取每个数字的 exp。结果应该与您开始时的结果相似。 (要生成一个高斯随机数,一种简单的方法是在 +/- 0.5 范围内将 12 个均匀随机数相加。)
    • 我以前见过这种做法。 HP41C计算器的PPC Rom有一个程序可以生成具有高斯分布的随机数,但是我没有手册了,所以我无法查找公式。但它是一个公式,将一组均匀分布的随机数从零转换为一,并将它们转换为具有高斯分布的数字。
    【解决方案4】:

    如果我对您的理解正确,您希望从具有积极支持的分布中生成随机数。有很多可能的选择。最简单的就是

    卡方:http://en.wikipedia.org/wiki/Chi-square_distribution (这只是两个高斯平方的总和)

    所有非对称分布(指数、威布尔、帕累托、逆高斯、对数正态、伽玛)

    来自偏斜家族的所有分布(偏斜正态,偏斜学生,...)

    上述所有函数都是这样的,从其中任何一个中抽取的任何随机数都是正数。

    【讨论】:

      【解决方案5】:

      我无法抗拒 - 我真的很喜欢 Jason 的角度,但不高兴他的回答只涵盖 m > s 的情况,所以我按照他的想法制定了一个通用解决方案。
      给定 m,s 和正项的最简单分布是

      概率为 p,返回 0
      以概率 (1-p),返回 m / (1-p)
      其中 (1-p) = m^2 / (m^2 + s^2)

      证明:对于具有两个结果的分布 X,lowX 概率为 p,highX 概率为 (1-p),
      m = E[X] = p x lowX + (1-p) x highX
      s^2 = 方差(X) = E[X^2] - E[X]^2 = p x lowX^2 + (1-p) x highX^2 - m^2

      将 lowX 设置为 0 并在 highX 和 p 中解析。

      【讨论】:

      • 谢谢你——考虑到你的回答精神,我想你会感激的:)
      【解决方案6】:

      为什么不使用重采样方法?如果您的样本中有 n 个数字,只需从样本中随机抽取 n 个,替换。结果集的预期均值和方差与原始样本大致相同,但通常会略有不同。

      这就是说,如果不知道为什么需要更多随机数,就不可能说出正确答案是什么。有人想知道您是否正在尝试解决错误的问题...

      【讨论】:

      • 重采样是一个有趣的建议。在他最初的声明中,Whatsit 没有说他有样本,他只提到他有一个均值 + 方差。从样本中进行轮询不仅会复制均值和方差,而且根据定义,它还会匹配分布的形状......如果 Whatsit 想要运行模拟,那将是一个好主意。
      • 我也有类似的问题。重新采样(我假设每次我们得到一个 -ve 值,我们只是忽略它并在 ti 的位置取另一个样本)会改变分布的含义吗?它会导致不同的均值和方差吗?
      【解决方案7】:

      您可以使用任何具有正支持的分布,并且可以通过均值和方差来指定。例如,

      • 单参数分布通常不起作用。例如,除非您的方差始终是其平均值的两倍,否则卡方将不起作用。除非您的方差等于您的均方,否则指数也不会起作用。
      • 某些双参数分布在某些情况下不起作用。除非方差小于您的平均值,否则二项分布​​将不起作用。同样,除非您的方差大于均值的 2 倍且小于均值的 4 倍,否则非中心卡方将不起作用!
      • 但是,对数正态和伽玛在所有情况下都适用。

      【讨论】:

        猜你喜欢
        • 2010-11-09
        • 1970-01-01
        • 1970-01-01
        • 1970-01-01
        • 2011-06-12
        • 1970-01-01
        • 2020-08-24
        • 2014-11-01
        • 2011-01-05
        相关资源
        最近更新 更多