«random-generation» etiketlenmiş sorular

Bir sayı veya sembol dizisini rastgele veya (neredeyse her zaman) sözde rastgele üretme eylemi; yani herhangi bir öngörülebilirlik veya örüntü eksikliği ile.


4
Hangi sayıların piyangodaki insanlar tarafından seçilme olasılığı daha düşüktür?
Mega Millions bugün 500 milyon doların üzerinde. Seçilmesi mümkün olmayan bazı numaralar hakkında bir JSTOR makalesi okuduğumu hatırlıyorum. Örneğin, birçok insan 7'yi seçiyor çünkü şanslı sayıları ve bunun tam tersini istiyorum. Ancak JSTOR üyeliğim sona erdi. Hangi sayıların insanlar tarafından 1 ve 80 arasındaki bir piyango seçimleri olarak seçilmesi en …

4
Standart sapma ile yaklaşık normalde diyagonal olmayan girişler dağıtan rastgele korelasyon matrisi nasıl oluşturulur?
Çapraz diyagonal elemanlarının dağılımı yaklaşık olarak normal görünecek şekilde rastgele bir korelasyon matrisi oluşturmak istiyorum. Nasıl yapabilirim? Motivasyon bu. Bir dizi için zaman serisi verileri, korelasyon dağılımı genellikle normale oldukça yakın görünüyor. Genel durumu temsil etmek için birçok "normal" korelasyon matrisi oluşturmak ve bunları risk sayısını hesaplamak için kullanmak istiyorum.nnn …

3
3 boyutlu birim topunda düzgün dağılmış noktalar nasıl oluşturulur?
Önceki bir soru yayınladım , bu ilgili ama başka bir iş parçacığı başlatmak daha iyi olduğunu düşünüyorum. Bu sefer, 3 boyutlu birim kürenin içinde düzgün bir şekilde dağıtılmış noktalar nasıl üretileceğini ve dağıtımın görsel ve istatistiksel olarak nasıl kontrol edileceğini merak ediyorum? Orada yayınlanan stratejileri doğrudan bu duruma aktarılabilir görmüyorum.

2
Sansürlü veri simülasyonu
Tip I sağ sansürlü gözlemleri içeren bir n Weibull dağıtım ömrü örneğini nasıl simüle edebileceğimi merak ediyorum. Örneğin n = 3, şekil = 3, ölçek = 1 ve sansürleme oranı = .15 ve sansürleme süresi = .88 olsun. Weibull örnek oluşturmayı biliyorum ama R'de sansürlenmiş tip I olan sansürlü bir …


1
Log-Cauchy Rasgele Sayı Üretimi
Yoğunluğu olan bir günlük cauchy dağıtım rasgele sayılar çizmek gerekir: Biri bana yardım edebilir ya da bana nasıl olduğunu gösterebilecek bir kitaba / kağıda yönlendirebilir mi?f( x ; μ , σ) = 1x πσ[ 1 + ( l n ( x ) - μσ)2].f(x;μ,σ)=1xπσ[1+(ln(x)-μσ)2].f(x;\mu,\sigma)=\frac{1}{x\pi\sigma\left[1+\left(\frac{ln(x)-\mu}{\sigma}\right)^2\right]}.


4
Bu doğru mu ? (Kesik-norm-çok değişkenli-Gauss üretme)
Eğer , yani X∈ Rn, X ∼ N( 0-, σ2I )X∈R,n, X~N-(0_,σ2ben)X\in\mathbb{R}^n,~X\sim \mathcal{N}(\underline{0},\sigma^2\mathbf{I})fX( x ) = 1( 2 πσ2)n / 2tecrübe( - | | x | |22 σ2)fX(x)=1(2πσ2)n/2tecrübe⁡(-||x||22σ2) f_X(x) = \frac{1}{{(2\pi\sigma^2)}^{n/2}} \exp\left(-\frac{||x||^2}{2\sigma^2}\right) Çok değişkenli bir durumda kesik normal dağılımın benzer bir versiyonunu istiyorum . Daha doğrusu, çok değişkenli bir norm …


1
Anova () ve drop1 () neden GLMM'ler için farklı cevaplar verdi?
Formun bir GLMM var: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Kullandığımda , araç paketinden veya drop1(model, test="Chi")kullandığımdan farklı sonuçlar alıyorum . Bu son ikisi aynı cevapları verir.Anova(model, type="III")summary(model) Bir grup uydurma veri kullanarak, bu iki yöntemin normalde farklı olmadığını gördüm. Dengeli doğrusal …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

1
Kısıtlı rastgele vektörler oluşturma
Aşağıdaki kısıtlamaları tatmin gerçek sayılar a_i rasgele vektörler oluşturmak gerekir: abs(a_i) < c_i; sum(a_i)< A; # sum of elements smaller than A sum(b_i * a_i) < B; # weighted sum is smaller than B aT*A*a < D # quadratic multiplication with A smaller than D where c_i, b_i, A, B, …

2
RNG, R, mclapply ve bilgisayar kümesi
R ve bilgisayar kümesinde bir simülasyon çalıştırıyorum ve aşağıdaki sorun var. Çalıştığım X bilgisayarların her birinde: fxT2 <- function(i) runif(10) nessay <- 100 c(mclapply(1:nessay, fxT2), recursive=TRUE) Her biri 16 çekirdekli 32 bilgisayar var. Bununla birlikte, rastgele sayıların yaklaşık% 2'si aynıdır. Bundan kaçınmak için hangi stratejileri benimseyeceksiniz? Bir gecikme ayarlayarak (yani …


4
1 değerden N bağımsız rasgele sayı üretecini tohumlamanın en iyi yolu
Programımda, her biri büyük bir veri kümesi örneklemek için kullanılan kendi RNG ile N ayrı iş parçacıkları çalıştırmak gerekir. Sonuçların çoğaltılması için tüm bu süreci tek bir değerle tohumlayabilmem gerekiyor. Her indeks için tohumu basitçe art arda artırmak yeterli midir? Şu anda Mersenne Twister sahte rasgele sayı üreteci kullanan numpy's …

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.