【问题标题】:Random Gaussian Variables随机高斯变量
【发布时间】:2010-09-18 02:21:54
【问题描述】:

.NET 标准库中是否有一个类可以让我创建遵循高斯分布的随机变量?

【问题讨论】:

  • http://mathworld.wolfram.com/Box-MullerTransformation.html 使用两个随机变量,您可以生成沿高斯分布的随机值。这根本不是一项艰巨的任务。
  • 我只想添加一个数学结果,它对正态分布(由于复杂的 CDF)并不立即有用,但对许多其他分布很有用。如果您将 [0,1] 中的均匀分布的随机数(Random.NextDouble())放入 ANY 分布的 CDF 的逆中,您将得到遵循该分布的随机数。如果您的应用程序不需要精确的正态分布变量,则 Logistic 分布非常接近正态分布,并且具有易于反转的 CDF。
  • MedallionRandom NuGet package 包含一个扩展方法,用于使用 Box-Muller 变换从 Random 检索正态分布值(在下面的几个答案中提到)。

标签: c# .net


【解决方案1】:

其他实现对我来说有点太令人兴奋了。我的实现依赖于扔三个六面骰子(D6)并记录骰子的总和将创建一个正态分布的事实。只需将三个 D6 替换为对您语言的“rand()”函数的三个调用即可。在下面的实现中,我用二除以“骰子”的数量,所以在这种情况下是 1.5。

using System;

public class CustomMath
{
    private static readonly Random _random = new Random();
    public static double GaussianRandom() =>
        _random.NextDouble() + _random.NextDouble() + _random.NextDouble() - 1.5;
}

【讨论】:

    【解决方案2】:

    扩展@Noakes 和@Hameer 的答案,我还实现了一个“Gaussian”类,但为了简化内存空间,我将它设为 Random 类的子类,这样您也可以调用基本的 Next(),来自 Gaussian 类的 NextDouble() 等,无需创建额外的 Random 对象来处理它。我还删除了 _available 和 _nextgauss 全局类属性,因为我认为它们不是必需的,因为这个类是基于实例的,如果你给每个线程自己的高斯对象,它应该是线程安全的。我还将所有运行时分配的变量移出函数并使其成为类属性,这将减少对内存管理器的调用次数,因为理论上在对象被销毁之前永远不会释放 4 个双精度值。

    public class Gaussian : Random
    {
    
        private double u1;
        private double u2;
        private double temp1;
        private double temp2;
    
        public Gaussian(int seed):base(seed)
        {
        }
    
        public Gaussian() : base()
        {
        }
    
        /// <summary>
        /// Obtains normally (Gaussian) distrubuted random numbers, using the Box-Muller
        /// transformation.  This transformation takes two uniformly distributed deviates
        /// within the unit circle, and transforms them into two independently distributed normal deviates.
        /// </summary>
        /// <param name="mu">The mean of the distribution.  Default is zero</param>
        /// <param name="sigma">The standard deviation of the distribution.  Default is one.</param>
        /// <returns></returns>
    
        public double RandomGauss(double mu = 0, double sigma = 1)
        {
            if (sigma <= 0)
                throw new ArgumentOutOfRangeException("sigma", "Must be greater than zero.");
    
            u1 = base.NextDouble();
            u2 = base.NextDouble();
            temp1 = Math.Sqrt(-2 * Math.Log(u1));
            temp2 = 2 * Math.PI * u2;
    
            return mu + sigma*(temp1 * Math.Cos(temp2));
        }
    }
    

    【讨论】:

    • 局部变量也是好朋友。
    • 如果u1 == 0.0会发生什么?
    【解决方案3】:

    这是另一种快速而肮脏的解决方案,用于生成normal distributed 的随机变量。它绘制一些随机点 (x,y) 并检查该点是否位于概率密度函数的曲线之下,否则重复。

    奖励:只需替换密度函数,您就可以为任何其他分布(例如 exponential distribution 或 poisson distribution)生成随机变量。

        static Random _rand = new Random();
    
        public static double Draw()
        {
            while (true)
            {
                // Get random values from interval [0,1]
                var x = _rand.NextDouble(); 
                var y = _rand.NextDouble(); 
    
                // Is the point (x,y) under the curve of the density function?
                if (y < f(x)) 
                    return x;
            }
        }
    
        // Normal (or gauss) distribution function
        public static double f(double x, double μ = 0.5, double σ = 0.5)
        {
            return 1d / Math.Sqrt(2 * σ * σ * Math.PI) * Math.Exp(-((x - μ) * (x - μ)) / (2 * σ * σ));
        }
    

    重要:选择y的区间和参数σ和μ,使函数曲线在最大值处不被截断/最小点(例如在 x=mean)。将 x 和 y 的区间想象成一个边界框,曲线必须适合该边界框。

    【讨论】:

    • Tangenial,但这实际上是我第一次意识到您可以将 Unicode 符号用于变量,而不是像 _sigma 或 _phi 之类的愚蠢的东西......
    • @Slothario 我感谢各地的开发人员使用“愚蠢的东西”:|
    【解决方案4】:

    Jarrett 提出的使用 Box-Muller 变换的建议非常适合快速而简单的解决方案。一个简单的实现:

    Random rand = new Random(); //reuse this if you are generating many
    double u1 = 1.0-rand.NextDouble(); //uniform(0,1] random doubles
    double u2 = 1.0-rand.NextDouble();
    double randStdNormal = Math.Sqrt(-2.0 * Math.Log(u1)) *
                 Math.Sin(2.0 * Math.PI * u2); //random normal(0,1)
    double randNormal =
                 mean + stdDev * randStdNormal; //random normal(mean,stdDev^2)
    

    【讨论】:

    • 我对其进行了测试,并与 MathNet 的 Mersenne Twister RNG 和 NormalDistribution 进行了比较。你的版本快两倍多,最终结果基本相同(目测“钟声”)。
    • @Johann,如果您正在寻找纯粹的速度,那么Zigorat Algorithm 通常被认为是最快的方法。此外,通过将值从一个调用传递到下一个调用,可以使上述方法更快。
    • 嗨,stdDev 变量应该设置为什么?我知道这可以根据特定要求进行配置,但是是否有任何界限(即最大值/最小值)?
    • @hofnarwillie stdDev 是正态分布的尺度参数,可以是任意正数。它越大,生成的数字就越分散。对于标准正态分布,使用参数 mean=0 和 stdDev=1。
    • @Jack 我不这么认为。只有 -2*Math.Log(u1) 在 sqrt 内,并且由于 u1,日志将始终为负数或零
    【解决方案5】:

    扩展 Drew Noakes 的回答,如果您需要比 Box-Muller 更好的性能(大约快 50-75%),Colin Green 分享了 C# 中 Ziggurat 算法的实现,您可以在此处找到:

    http://heliosphan.org/zigguratalgorithm/zigguratalgorithm.html

    Ziggurat 使用查找表来处理离​​曲线足够远的值,它会迅速接受或拒绝。大约 2.5% 的时间,它必须进行进一步计算以确定数字在曲线的哪一侧。

    【讨论】:

      【解决方案6】:

      这是我受 Box Muller 启发的简单实现。您可以增加分辨率以满足您的需求。虽然这对我很有用,但这是一个有限范围的近似值,所以请记住尾部是封闭的和有限的,但当然您可以根据需要扩展它们。

          //
          // by Dan
          // islandTraderFX
          // copyright 2015
          // Siesta Key, FL
          //    
      // 0.0  3231 ********************************
      // 0.1  1981 *******************
      // 0.2  1411 **************
      // 0.3  1048 **********
      // 0.4  810 ********
      // 0.5  573 *****
      // 0.6  464 ****
      // 0.7  262 **
      // 0.8  161 *
      // 0.9  59 
      //Total: 10000
      
      double g()
      {
         double res = 1000000;
         return random.Next(0, (int)(res * random.NextDouble()) + 1) / res;
      }
      
      public static class RandomProvider
      {
         public static int seed = Environment.TickCount;
      
         private static ThreadLocal<Random> randomWrapper = new ThreadLocal<Random>(() =>
             new Random(Interlocked.Increment(ref seed))
         );
      
         public static Random GetThreadRandom()
         {
             return randomWrapper.Value;
         }
      } 
      

      【讨论】:

      • 这是我受 Box Muller 启发的简单实现。您可以增加分辨率以满足您的需求。这非常快速、简单,适用于我的神经网络应用程序,这些应用程序需要近似高斯类型的概率密度函数才能完成工作。希望它可以帮助某人节省时间和 CPU 周期。虽然这对我很有用,但这是一个有限范围的近似值,所以请记住尾部是封闭的和有限的,但当然你可以根据需要扩展它们。
      • 嘿丹尼尔,我建议进行编辑,将您评论中的描述合并到答案本身中。它还删除了在您的答案中注释掉真实代码的“//”。如果您愿意/如果它被拒绝,您可以自己进行编辑:)
      【解决方案7】:

      我想扩展@yoyoyoyosef 的答案,使其更快,并编写一个包装类。产生的开销可能并不意味着快两倍,但我认为它应该是 几乎 两倍的速度。不过,它不是线程安全的。

      public class Gaussian
      {
           private bool _available;
           private double _nextGauss;
           private Random _rng;
      
           public Gaussian()
           {
               _rng = new Random();
           }
      
           public double RandomGauss()
           {
              if (_available)
              {
                  _available = false;
                  return _nextGauss;
              }
      
              double u1 = _rng.NextDouble();
              double u2 = _rng.NextDouble();
              double temp1 = Math.Sqrt(-2.0*Math.Log(u1));
              double temp2 = 2.0*Math.PI*u2;
      
              _nextGauss = temp1 * Math.Sin(temp2);
              _available = true;
              return temp1*Math.Cos(temp2);
           }
      
          public double RandomGauss(double mu, double sigma)
          {
              return mu + sigma*RandomGauss();
          }
      
          public double RandomGauss(double sigma)
          {
              return sigma*RandomGauss();
          }
      }
      

      【讨论】:

        【解决方案8】:

        Math.NET Iridium 还声称实现了“非均匀随机生成器(正态、泊松、二项式……)”。

        【讨论】:

        • 但它不能正常工作。试图绘制它,给出统一的随机编号。
        【解决方案9】:

        对于 .NET 高斯生成,这个问题似乎已经转移到 Google 之上,所以我想我会发布一个答案。

        我制作了一些 extension methods for the .NET Random class,包括 Box-Muller 变换的实现。由于它们是扩展,只要包含项目(或者您引用已编译的 DLL),您仍然可以这样做

        var r = new Random();
        var x = r.NextGaussian();
        

        希望没有人介意无耻的插件。

        结果的示例直方图(包括用于绘制此图的演示应用程序):

        【讨论】:

        • 你的扩展类有一些我正在寻找的东西!谢谢!
        • 您的 NextGaussian 方法中有一个小错误。 NextDouble() 返回大于或等于 0.0 且小于 1.0 的随机浮点数。所以你应该有 u1 = 1.0 - NextDouble() .... 其他 log(0) 会爆炸
        【解决方案10】:

        Math.NET 提供此功能。方法如下:

        double mean = 100;
        double stdDev = 10;
        
        MathNet.Numerics.Distributions.Normal normalDist = new Normal(mean, stdDev);
        double randomGaussianValue=   normalDist.Sample();
        

        您可以在此处找到文档: http://numerics.mathdotnet.com/api/MathNet.Numerics.Distributions/Normal.htm

        【讨论】:

        【解决方案11】:

        我在 Microsoft Connect 上创建了此类功能的请求。如果这是您正在寻找的东西,请为它投票并提高其知名度。

        https://connect.microsoft.com/VisualStudio/feedback/details/634346/guassian-normal-distribution-random-numbers

        此功能包含在 Java SDK 中。它的实现在as part of the documentation 可用,并且很容易移植到 C# 或其他 .NET 语言。

        如果您正在寻找纯粹的速度,那么Zigorat Algorithm 通常被认为是最快的方法。

        虽然我不是这个主题的专家 - 我在为我的 RoboCup 3D simulated robotic soccer library 实现 particle filter 时遇到了这个需求,当它没有包含在框架中时我感到很惊讶。


        同时,这里有一个 Random 的包装器,它提供了 Box Muller 极坐标方法的有效实现:

        public sealed class GaussianRandom
        {
            private bool _hasDeviate;
            private double _storedDeviate;
            private readonly Random _random;
        
            public GaussianRandom(Random random = null)
            {
                _random = random ?? new Random();
            }
        
            /// <summary>
            /// Obtains normally (Gaussian) distributed random numbers, using the Box-Muller
            /// transformation.  This transformation takes two uniformly distributed deviates
            /// within the unit circle, and transforms them into two independently
            /// distributed normal deviates.
            /// </summary>
            /// <param name="mu">The mean of the distribution.  Default is zero.</param>
            /// <param name="sigma">The standard deviation of the distribution.  Default is one.</param>
            /// <returns></returns>
            public double NextGaussian(double mu = 0, double sigma = 1)
            {
                if (sigma <= 0)
                    throw new ArgumentOutOfRangeException("sigma", "Must be greater than zero.");
        
                if (_hasDeviate)
                {
                    _hasDeviate = false;
                    return _storedDeviate*sigma + mu;
                }
        
                double v1, v2, rSquared;
                do
                {
                    // two random values between -1.0 and 1.0
                    v1 = 2*_random.NextDouble() - 1;
                    v2 = 2*_random.NextDouble() - 1;
                    rSquared = v1*v1 + v2*v2;
                    // ensure within the unit circle
                } while (rSquared >= 1 || rSquared == 0);
        
                // calculate polar tranformation for each deviate
                var polar = Math.Sqrt(-2*Math.Log(rSquared)/rSquared);
                // store first deviate
                _storedDeviate = v2*polar;
                _hasDeviate = true;
                // return second deviate
                return v1*polar*sigma + mu;
            }
        }
        

        【讨论】:

        • 我得到了一些 -ve 值。有人可以检查出什么问题吗?
        • @mk7,以零为中心的高斯概率函数给出负值的可能性与给出正值的可能性一样。
        • 你是对的!由于我想获得一个具有高斯 PDF 的典型人群的体重列表,因此我将 mu 设置为 75 [in kg] 并将 sigma 设置为 10。我是否需要设置一个新的 GaussianRandom 实例来生成每个随机权重?
        • 您可以继续从一个实例中抽取样本。
        【解决方案12】:

        您可以尝试 Infer.NET。虽然它还没有获得商业许可。这里有link

        它是 .NET 的一个概率框架,开发了我的微软研究。他们有用于伯努利、Beta、Gamma、高斯、泊松分布的 .NET 类型,可能还有一些我遗漏了。

        它可以完成你想要的。谢谢。

        【讨论】:

          【解决方案13】:

          我认为没有。我真的希望没有,因为框架已经够臃肿了,没有更多的专门功能来填充它。

          查看http://www.extremeoptimization.com/Statistics/UsersGuide/ContinuousDistributions/NormalDistribution.aspx 和http://www.vbforums.com/showthread.php?t=488959 了解第三方 .NET 解决方案。

          【讨论】:

          • 高斯分布从什么时候开始“专业化”?它比 AJAX 或 DataTables 更通用。
          • @TraumaPony:你是在认真地建议更多的开发人员使用高斯分布而不是定期使用 AJAX?
          • 可能;我要说的是它更加专业。它只有一个用途——网络应用程序。高斯分布有大量不相关的用途。
          • @DavidArno,您是否认真建议减少功能改进框架。
          • @Jodrell,举一个具体的例子,我认为让 MVC 成为一个单独的框架而不是主要 .NET 框架的一部分的决定是一个很好的决定。
          猜你喜欢
          • 2012-10-17
          • 2016-12-09
          • 2012-07-02
          • 1970-01-01
          • 1970-01-01
          • 2015-02-01
          • 2021-07-29
          • 2020-04-10
          • 1970-01-01
          相关资源
          最近更新 更多