Bu tür problemler için iki farklı tipik durum vardır:
i) popülasyon özellikleri belirtilenlerle uyuşan belirli bir dağıtımdan bir örnek oluşturmak istiyorsanız (ancak örnekleme varyasyonu nedeniyle, tam olarak eşleşen örnek özelliklere sahip değilsiniz).
ii) örnek özellikleri belirtilen özelliklerle eşleşen bir örnek oluşturmak istiyorsunuz (ancak örnek miktarlarının önceden belirlenmiş bir değer kümesine tam olarak uyması nedeniyle, istediğiniz dağıtımdan gelmiyor).
İkinci davayı istiyorsun - fakat ilk davayla aynı yaklaşımı takip ederek, ekstra bir standardizasyon adımı ile anlıyorsun.
Dolayısıyla, çok değişkenli normaller için, ya oldukça basit bir şekilde yapılabilir:
İlk durumda, nüfus yapısı olmadan rastgele normları kullanabilirsiniz (örneğin, beklenti 0 ve kimlik kovaryansı matrisi olan standart standart kimliği gibi) ve daha sonra dayatabilirsiniz - kovaryans matrisi elde etmek ve istediğiniz demek için dönüştürün. Eğer ve nüfusun ortalama ve kovaryans ihtiyaç ve IID standart normal, hesaplamak bazıları için, (örneğin, uygun bir Cholesky parçalanması yoluyla elde edilebilir) . Daha sonra istenen popülasyon özelliklerine sahiptir.Σ z y = L z + μ L L L ′ = Σ L yμΣzy= L z+ μLL L'= ΣLy
İkincisi ile, rastgele değişimleri sıfır ortalama ve özdeş kovaryanstan (örnek sıfıra sıfır ve örnek kovaryansı ) yapmaktan sonra rastgele değişimleri gidermek için önce rastgele normlarınızı dönüştürmeniz gerekir . Fakat bu örnek sapmayı kesin ortalama çıkarmanın ilk adımı , varyans dağılıma müdahale eder. (Küçük örneklerde oldukça şiddetli olabilir.) 0 Ibenn0ben
Bu, örnek ortalaması çıkarılarak yapılabilir ( ) ve Cholesky ayrışma hesaplanması . Eğer sola Cholesky faktörü, sonra da örnek ortalaması 0 ve kimlik örnek kovaryans sahip olmalıdır. Daha sonra hesaplayabilir ve istenen örnek anlarla bir örneğiniz olabilir. (Örnek miktarlarınızın nasıl tanımlandığına bağlı olarak, gibi faktörlerle çarpma / bölmeyle ilgili ekstra küçük bir keman olabilir , ancak bu ihtiyacı tanımlamak yeterince kolaydır.)z ∗ = z - ˉ z z ∗ L ∗ z ( 0 ) = ( L ∗ ) - 1 z ∗ y = L z ( 0 ) + μ √zz*= z- z¯z*L*z( 0 )= ( L*)- 1z*y= L z( 0 )+ μn - 1n---√