Java 独立于Apache的Gamma分布

您好，我注意到Apache数学库（版本2.2）中有一些奇怪的行为，特别是在

org.Apache.commons.math.distribution.GammaDistributionImpl

类中，尽管我认为这可能也适用于其他发行版

我想从不同的伽马分布中取样，如下所示：

public static final double[] gammaSamples(final double[] shapeParameters)
{
    double[] samples = new double[shapeParameters.length];
    for (int i = 0; i < shapeParameters.length; i++)
    {
        GammaDistributionImpl gd = new GammaDistributionImpl(shapeParameters[i], 1.0d);
        try
        {
            samples[i] = gd.sample();
        }
        catch (MathException e)
        {
            e.printStackTrace();
        }
    }
    return samples;
}

public static final double[] gammaSamples(final double[] shapeParameters, final Random random)
{
    double[] samples = new double[shapeParameters.length];
    for (int i = 0; i < shapeParameters.length; i++)
    {
        GammaDistributionImpl gd = new GammaDistributionImpl(shapeParameters[i], 1.0d);
        gd.reseedRandomGenerator(random.nextLong());
        try
        {
            samples[i] = gd.sample();
        }
        catch (MathException e)
        {
            e.printStackTrace();
        }
    }
    return samples;
}

一些示例输出为：

[0.8732612631078758, 0.860967116242789, 0.8676088095186796]
[0.6099133517568643, 0.5960661621756747, 0.5960661621756747]
[2.1266766239021364, 2.209383544840242, 2.209383544840242]
[0.4292184700011395, 0.42083613304362544, 0.42083613304362544]

[2.7506981228470084, 0.49600951917542335, 6.841476090550152]
[1.7571444623500108, 1.941865982739116, 0.2611420777612158]
[6.043421570871683, 0.8852269293415297, 0.6921033738466775]
[1.3859078943455487, 0.8515111736461752, 3.690127105402944]

我认为问题是由于默认的随机数生成器对每个分布使用相同/相似的种子，我测试如下：

public static final double[] gammaSamples(final double[] shapeParameters)
{
    double[] samples = new double[shapeParameters.length];
    for (int i = 0; i < shapeParameters.length; i++)
    {
        GammaDistributionImpl gd = new GammaDistributionImpl(shapeParameters[i], 1.0d);
        try
        {
            samples[i] = gd.sample();
        }
        catch (MathException e)
        {
            e.printStackTrace();
        }
    }
    return samples;
}

public static final double[] gammaSamples(final double[] shapeParameters, final Random random)
{
    double[] samples = new double[shapeParameters.length];
    for (int i = 0; i < shapeParameters.length; i++)
    {
        GammaDistributionImpl gd = new GammaDistributionImpl(shapeParameters[i], 1.0d);
        gd.reseedRandomGenerator(random.nextLong());
        try
        {
            samples[i] = gd.sample();
        }
        catch (MathException e)
        {
            e.printStackTrace();
        }
    }
    return samples;
}

一些示例输出为：

[0.8732612631078758, 0.860967116242789, 0.8676088095186796]
[0.6099133517568643, 0.5960661621756747, 0.5960661621756747]
[2.1266766239021364, 2.209383544840242, 2.209383544840242]
[0.4292184700011395, 0.42083613304362544, 0.42083613304362544]

[2.7506981228470084, 0.49600951917542335, 6.841476090550152]
[1.7571444623500108, 1.941865982739116, 0.2611420777612158]
[6.043421570871683, 0.8852269293415297, 0.6921033738466775]
[1.3859078943455487, 0.8515111736461752, 3.690127105402944]

我的问题是:

发生什么事了？这是一个bug还是Apache Mathematics发行版打算这样做

我觉得奇怪的是，如果我创建单独的分发对象，我必须担心它们被赋予了什么种子，并确保它们足够不同

另一个小小的烦恼是，我似乎无法将这些分布传递给我自己的随机对象，而它们只允许通过reseedRandomGenerator（长种子）方法更改种子。当试图复制结果时，能够传递我自己的随机对象将非常有用

---

感谢您的帮助。

通过查看javadoc：

我看到有方法

public double[]sample（int-sampleSize）抛出MathException

从分布中生成随机样本。默认值 实现通过在循环中调用sample（）生成示例

你试过了吗

double[] samples = sample(shapeParameters.length);

编辑：很抱歉，我看到您每次都使用一个新的

alpha

参数计算一个新的

GammaDistributionImpl

。我猜这是因为种子值是从具有有限分辨率的系统时钟派生出来的，对构造函数的关闭调用将产生相同的结果。看看这个

以下是一些可以让您进行更深入调查的输入：

• 您可以浏览网页。
  如果可能，您应该更新到lib的v3.1。根据JIRA
• 您可以在

---

谢谢，我认为你说得对，因为种子值来自系统时钟。我还刚刚查看了3.1版的库，它们有一个额外的构造函数

GammaDistribution（RandomGenerator rng，双形状，双刻度，双反转精度）

，这正是我想要的（能够通过我自己的随机数生成器）。我觉得应该有一个警告，不要在循环中创建“随机”对象，因为考虑到现代系统的速度，它们可能会被赋予相同的种子。这感觉就像种子问题，不是吗！这不仅仅是一个种子问题，它几乎肯定是一个种子问题。看看我发布的代码，原来的

gammaSamples

方法不起作用，正在使用默认种子，修改后的

gammaSamples

方法设置了自己的种子，但在其他方面是等效的，并解决了问题。