Main Content

本页的翻译已过时。点击此处可查看最新英文版本。

伪随机数和拟随机数生成

生成伪随机样本数据和拟随机样本数据

在某些情况下,常见的随机数生成方法不足以生成所需的样本。Statistics and Machine Learning Toolbox™ 提供了几种生成伪随机数和拟随机数的备选方法。拟随机数(也称为低差异序列)生成的每个连续数字尽可能远离数据集中的现有数字。这种方法可以避免数据成团并加快收敛速度,但拟随机数通常太均匀而不能通过随机性检验。伪随机数不像拟随机数那样均匀,可能更适合需要更大随机性的应用程序。可以使用切片抽样器、汉密尔顿-蒙特卡罗抽样器或 Metropolis-Hastings 马尔可夫链抽样器,通过从统计分布中抽取数据来生成伪随机样本。

如果可用的参数化概率分布不能充分描述您的数据,则可以使用弹性分布族。Pearson 和 Johnson 弹性分布族可以基于样本数据的位置、尺度、偏度和峰度来拟合模型。对数据进行分布拟合后,可以从该分布中生成伪随机数。

函数

全部展开

slicesampleSlice sampler
mhsampleMetropolis-Hastings sample
hmcSamplerHamiltonian Monte Carlo (HMC) sampler
pearsrndPearson system random numbers
johnsrndJohnson system random numbers

全部展开

haltonsetHalton quasirandom point set
qrandstreamConstruct quasi-random number stream
sobolsetSobol quasirandom point set
HamiltonianSamplerHamiltonian Monte Carlo (HMC) sampler

主题