Java中的离散概率分布

我有一组整数，每个整数都分配了一个概率，从早期的实验中得出，例如：

0 = 0.5
1 = 0.2
2 = 0.3

根据概率分布的规范，这些权重总和为1.0。 我现在正在寻找一种有效的方法，在考虑给定概率的同时对其中一个值进行采样，例如（伪码）：

根据给定的数字，这将导致0一半的时间。但是，不要假设这些之间存在任何模式或规律

我在以前的实验中一直使用它，但它似乎没有为这个场景提供解决方案，也没有

---

我不知道这是否是因为我错过了一个简单的解决方案。一个简单的实现似乎或多或少是直截了当的，但要有效地实现这一点需要相当多的时间。这就是为什么我要寻找一个已建立的实现。

考虑到分位数函数的简单性和手动实现的琐碎性，我认为明确写出这一点没有任何害处

在[0,1]中绘制随机数

r

后，使用

---

if（r一个非常简单的通用解决方案是：

class Distribution<T>{
    List<Double> probs = new ArrayList<>();
    List<T> events = new ArrayList<>();
    double sumProb;
    Random rand = new Random();

    Distribution(Map<T,Double> probs){
        for(T event : probs.keySet()){
            sumProb += probs.get(event);
            events.add(event);
            this.probs.add(probs.get(event));
        }
    }

    public T sample(){
        T value;
        double prob = rand.nextDouble()*sumProb;
        int i;
        for(i=0; prob>0; i++){
            prob-= probs.get(i);
        }
        return events.get(i-1);
    }
}

类分布{
List probs=new ArrayList（）；
列表事件=新建ArrayList（）；
双苏姆普罗；
Random rand=新的Random（）；
分布（地图问题）{
对于（T事件：probs.keySet（））{
sumProb+=probs.get（事件）；
事件。添加（事件）；
this.probs.add（probs.get（event））；
}
}
公共T样本（）{
T值；
double prob=rand.nextDouble（）*sumProb；
int i；
对于（i=0；prob>0；i++）{
prob-=probs.get（i）；
}
返回事件。get（i-1）；
}
}

您可以根据需要随意更改它，例如添加其他构造函数。当然，这里有很多东西需要改进，从效率开始，但以后可以大量重用。
调用
Random.nextDouble（）
是一个相当昂贵的操作。您最好使用
Random.nextInt（n）
在这种情况下

int num = rand.nextInt(10);
return num <= 5 ? 0 : num <= 8 ? 1 : 2;

int num=rand.nextInt（10）；
return num如果（Math.rand（）>0.5）{//result is 0}这样的小事你能逃脱吗？这被称为离散分布。有一些关于“有效地做这件事相当复杂”的好背景。以什么方式？什么类型效率/你在寻求什么？@ErickG.Hagstrom我担心的复杂性是，这可能真的涉及到高维数据结构。我知道这是一个离散分布，但我一直在寻找一个具体的实现。同时，我发现Apache Commons Math实际上似乎提供了一个名为
EnumeratedDistribution
/
EnumeratedIntegerDistribution
。因为您找到了“已建立的实现”你的问题要求，提供你自己的答案不是很有意义吗？在我看来，这将是最明智/最有用的事情。尽管最终在Apache Commons数学中遇到了
EnumeratedIntegraterDistribution
，但我认为这提供了最完整的解决方案，谢谢！谢谢你的提示，我认为不是他的答案可能很有价值。但是，这应该是对其他解决方案的评论，不是吗？@Carsten他实际上提供了一个完整的解决方案。这是一个非常简洁的答案，但它是一个答案，它很简单，很有效，而且表现很好。是的，不幸的是，我只能将一个答案标记为正确。@ctst的答案似乎更一般，这是正确的为什么我选了他的一个。@Carsten请随意投票。即使你们不能决定，我也会奖励代表分数最低的人；）
class Distribution<T>{
    List<Double> probs = new ArrayList<>();
    List<T> events = new ArrayList<>();
    double sumProb;
    Random rand = new Random();

    Distribution(Map<T,Double> probs){
        for(T event : probs.keySet()){
            sumProb += probs.get(event);
            events.add(event);
            this.probs.add(probs.get(event));
        }
    }

    public T sample(){
        T value;
        double prob = rand.nextDouble()*sumProb;
        int i;
        for(i=0; prob>0; i++){
            prob-= probs.get(i);
        }
        return events.get(i-1);
    }
}

int num = rand.nextInt(10);
return num <= 5 ? 0 : num <= 8 ? 1 : 2;