Matlab 从截断正态分布中提取伪随机数_Matlab_Normal Distribution_Truncated

Matlab 从截断正态分布中提取伪随机数

matlab

Matlab 从截断正态分布中提取伪随机数,matlab,normal-distribution,truncated,Matlab,Normal Distribution,Truncated,Matlab具有从正态分布绘制的函数randn，例如： x = 0.5 + 0.1*randn() 从平均值为0.5、标准偏差为0.1的正态分布中提取伪随机数鉴于此，下面的Matlab代码是否等效于正态分布的采样在1处截断为0 while x <=0 || x > 1 x = 0.5 + 0.1*randn(); end 而x 1 x=0.5+0.1*randn（）；结束为什么不矢量化？它可能会更快： N = 1e5; % desired nu

Matlab具有从正态分布绘制的函数randn，例如：

x = 0.5 + 0.1*randn()

从平均值为0.5、标准偏差为0.1的正态分布中提取伪随机数

鉴于此，下面的Matlab代码是否等效于正态分布的采样在1处截断为0

    while x <=0 || x > 1

    x = 0.5 + 0.1*randn();

    end

而x 1
x=0.5+0.1*randn（）；
结束

为什么不矢量化？它可能会更快：

N = 1e5; % desired number of samples
m = .5; % desired mean of underlying Gaussian
s = .1; % desired std of underlying Gaussian
lower = 0; % lower value for truncation
upper = 1; % upper value for truncation

remaining = 1:N;
while remaining
    result(remaining) = m + s*randn(1,numel(remaining)); % (pre)allocates the first time
    remaining = find(result<=lower | result>upper);
end

N=1e5；%所需样本数
m=.5；%下垫高斯分布的期望平均值
s=.1；%下垫高斯分布的期望标准差
下限=0；%截断的下限值
上限=1；%截断上限值
剩余=1:N；
剩下的
结果（剩余）=m+s*randn（1，numel（剩余））；%（预）分配第一次
剩余=查找（resultupper）；
结束

为什么不矢量化？它可能会更快：

N = 1e5; % desired number of samples
m = .5; % desired mean of underlying Gaussian
s = .1; % desired std of underlying Gaussian
lower = 0; % lower value for truncation
upper = 1; % upper value for truncation

remaining = 1:N;
while remaining
    result(remaining) = m + s*randn(1,numel(remaining)); % (pre)allocates the first time
    remaining = find(result<=lower | result>upper);
end

N=1e5；%所需样本数
m=.5；%下垫高斯分布的期望平均值
s=.1；%下垫高斯分布的期望标准差
下限=0；%截断的下限值
上限=1；%截断上限值
剩余=1:N；
剩下的
结果（剩余）=m+s*randn（1，numel（剩余））；%（预）分配第一次
剩余=查找（resultupper）；
结束

您需要执行以下步骤 1.从均匀分布中抽取一个随机值，u。 2.假设正态分布在a和b处截断。得到

u_bar = F(a)*u +F(b) *(1-u)

三,。使用F的倒数

epsilon= F^{-1}(u_bar)

ε是截断正态分布的随机值

您需要以下步骤 1.从均匀分布中抽取一个随机值，u。 2.假设正态分布在a和b处截断。得到

u_bar = F(a)*u +F(b) *(1-u)

三,。使用F的倒数

epsilon= F^{-1}(u_bar)

ε是截断正态分布的随机值

使用MATLAB使得从截断分布进行采样变得非常容易

您可以使用和函数定义对象，然后修改（截断）对象以准备函数的对象，该函数允许从对象生成随机变量

% MATLAB R2017a
pd = makedist('Normal',0.5,0.1)     % Normal(mu,sigma)
pdt = truncate(pd,0,1)              % truncated to interval (0,1)
sample = random(pdt,numRows,numCols)  % Sample from distribution `pdt`

创建对象后（这里是

pdt

，是

pd

的截断版本），您可以在各种函数调用中使用它

要生成样本，

random（pdt，m，n）

从

pdt

生成一个m x n样本数组

此外，如果您希望避免使用工具箱，那么这是正确的（下面的证据）