Machine learning 在马尔可夫链蒙特卡罗中使用伪随机数生成器与使用实随机数不同吗?

Machine learning 在马尔可夫链蒙特卡罗中使用伪随机数生成器与使用实随机数不同吗?,machine-learning,probability,markov-chains,Machine Learning,Probability,Markov Chains,我想用matlab做概率分布的MCMC近似。然而,与理论结果相比,我发现有很多噪声 我的问题是,噪声是否可能来自matlab中的伪随机数生成器本身?作为一般规则,除非使用大量样本,否则任何形式的蒙特卡罗模拟与理论概率分布之间都不会有紧密的一致性。通常,人们会期望您观察到的“噪声”的降低速度与样本数平方根上的噪声降低速度一样慢(即,可能需要100倍以上的样本才能将噪声降低约10倍)。在非常特殊的情况下,人们可能会发现,简单的随机数生成器(例如线性同余)可能不适合在高维空间上均匀生成点,但在担心随机

我想用matlab做概率分布的MCMC近似。然而,与理论结果相比,我发现有很多噪声


我的问题是,噪声是否可能来自matlab中的伪随机数生成器本身?

作为一般规则,除非使用大量样本,否则任何形式的蒙特卡罗模拟与理论概率分布之间都不会有紧密的一致性。通常,人们会期望您观察到的“噪声”的降低速度与样本数平方根上的噪声降低速度一样慢(即,可能需要100倍以上的样本才能将噪声降低约10倍)。在非常特殊的情况下,人们可能会发现,简单的随机数生成器(例如线性同余)可能不适合在高维空间上均匀生成点,但在担心随机数生成器本身的质量之前,可能值得考虑蒙特卡罗采样的效果。显然,如果没有应用程序的具体细节,就很难做到更具体。

你必须更具体。什么样的噪音?你能给出你的代码和理论推理吗?随机生成器经过了非常充分的研究和测试,证明是无偏的,并且生成的序列确实遵循均匀分布。所以很难相信在你的例子中,随机数不够随机。