Şu anda ortalama vektör ve kovaryans matris ile çok değişkenli normal dağılıma sahip boyutlu rastgele değişken değerlerini simüle etmeye çalışıyorum .μ = ( μ 1 , . . . , Μ K ) T G
Ters CDF yöntemine benzer bir yordam kullanmayı umuyorum, yani önce bir -boyutlu tekdüze rastgele değişken ve daha sonra bu dağılımın ters CDF'sine bu şekilde değeri üretmek istiyorum .U X
Prosedür iyi belgelenmediğinden ve MATLAB'daki mvnrnd işlevi ile Wikipedia'da bulduğum bir açıklama arasında küçük farklılıklar olduğundan sorun yaşıyorum .
Benim durumumda, dağılımın parametrelerini rastgele seçiyorum. Özellikle, her bir aracı, , tek tip bir dağılım . Daha sonra aşağıdaki prosedürü kullanarak kovaryans matrisi inşa ediyorum : U ( 20 , 40 ) S
Daha düşük bir üçgen matris oluşturma için ve için L ( i , i ) = 1 i = 1 .. N L ( i , j ) = U ( - 1 , 1 ) i < j
Let transpozunu göstermek .L T L
Bu prosedür, simetrik ve pozitif kesin olmasını sağlamamı sağlar. Aynı zamanda, daha düşük bir üçgen matris sağlar böylece I dağılımının değerleri üretmek için gerekli olduğuna inanıyoruz.L S = L L T
Wikipedia'daki yönergeleri kullanarak , aşağıdaki gibi bir boyutlu üniforma kullanarak değerleri üretebilmeliyim :N
Ancak MATLAB fonksiyonuna göre, bu tipik olarak şu şekilde yapılır:
Burada , bir ters CDF olan boyutlu, ayrılabilir, normal dağılım ve her iki yöntem arasındaki tek fark, sadece kullanımı olup olmadığı veya . N L L T
MATLAB mı yoksa Wikipedia mı? Yoksa ikisi de yanlış mı?