Fatal编程技术网
  • random/
  • Random 求和为M的N个随机数

Random 求和为M的N个随机数

random language-agnostic

Random 求和为M的N个随机数,random,language-agnostic,sum,Random,Language Agnostic,Sum,我想得到N个随机数，其和是一个值 例如，假设我想要5个随机数，其和为1 那么，一种有效的可能性是： 0.2 0.2 0.2 0.2 0.2 0.8 0.1 0.03 0.03 0.04 另一种可能性是： 0.2 0.2 0.2 0.2 0.2 0.8 0.1 0.03 0.03 0.04 等等。我需要这个来创建模糊C-均值的归属矩阵。简短回答： 只需生成N个随机数，计算它们的和，将每个数除以 求和并乘以M 更长的回答： 上述解决方案不会产生均匀分布，这可能是一个问题，取决于这些随机数的用

我想得到N个随机数，其和是一个值

例如，假设我想要5个随机数，其和为1

那么，一种有效的可能性是：

0.2 0.2 0.2 0.2 0.2

0.8 0.1 0.03 0.03 0.04
另一种可能性是：

0.2 0.2 0.2 0.2 0.2

0.8 0.1 0.03 0.03 0.04
等等。我需要这个来创建模糊C-均值的归属矩阵。

简短回答：

只需生成N个随机数，计算它们的和，将每个数除以 求和并乘以M

更长的回答：

上述解决方案不会产生均匀分布，这可能是一个问题，取决于这些随机数的用途。 Matti Virkkunen提出的另一种方法：

生成0和1之间的N-1个随机数，将数字0和1相加 将他们自己添加到列表中，对它们进行排序，并找出它们之间的差异 相邻号码

这将产生一个统一的分布，正如所解释的那样，生成0和1之间的N-1个随机数，将数字0和1本身添加到列表中，对它们进行排序，并计算相邻数字的差异。

您的约束条件有点有限。很多很多程序都会奏效

例如，数字是否正态分布？制服？
我假设所有的数字都是正的，并且均匀分布在平均数M/N周围

试试这个

  • 平均值=M/N
  • 生成介于0和2*平均值之间的N-1值。这可以是介于0和1，u之间的标准数字，随机值为（2*u-1）*表示在适当范围内创建值
  • 计算N-1个值的总和
  • 剩余值为N-sum
  • 如果剩余值不符合约束条件（0到2*平均值），请重复该过程
  • 生成N-1个随机数
  • 计算上述数字之和
  • 将计算和与所需和之间的差值添加到集合中
    • 您现在有N个随机数，它们的和就是所需的和。

    在Java中：

    private static double[]随机数和（int n，double m）{
Random rand=新的Random（）；
双随机数[]=新的双随机数[n]，和=0；
对于（int i=0；i
    我认为值得注意的是，没有给出统一的分布：

    “只要生成N个随机数， 计算它们的总和，将每一个除以 “总数”

    为了了解这一点，让我们看看N=2和M=1的情况。这是一个简单的例子，因为我们可以通过在范围（0,1）内均匀地选择x来生成一个列表[x，1-x]。 建议的解决方案生成一对[x/（x+y），y/（x+y）]，其中x和y在（0,1）中是一致的。为了分析这一点，我们选择一些z，使得0 Prob（x/（x+y） 我做了一些快速计算，似乎到目前为止，唯一能导致均匀分布的解决方案是：

    生成0和1之间的N-1个随机数，将数字0和1本身添加到列表中，对它们进行排序，并计算相邻数字的差值

    只需生成N个随机数，计算它们的和，将每个数除以 总数

    ，这里有一个Java函数，它正是这样做的

    publicstaticdouble[]getRandDistArray（int n，double m）
{
双随机数组[]=新的双随机数组[n]；
双和=0；
//生成n个随机数
对于（int i=0；i
    在测试运行中，
    GetRandDistary（5，1.0）
    返回以下内容：

    [0.38106150346121903, 0.18099632814238079, 0.17275044310377025, 0.01732932296660358, 0.24786240232602647]
    生成N个正数，其总和为正数M，其中每个可能的组合的可能性相等：

    • 生成N个指数分布的随机数。生成此类数字的一种方法可以写为-

        number = -ln(1.0 - RNDU())
      其中，
      ln（x）
      是
      x
      的自然对数，
      RNDU（）
      是一种返回统一随机数0或更大且小于1的方法（例如，JavaScript的
      Math.random（）
      ）。请注意，生成具有均匀分布的N个数并不理想，因为将导致随机数组合的有偏分布

    • 用这种方法生成的数字除以它们的和

    • 将每个数字乘以M

    结果是N个数字，其和大约等于M（由于舍入误差，我说“近似”）。另见维基百科文章

    这个问题也相当于一个问题

    <>但是，为了更好的精度（与在实践中经常出现的浮点数的选择相比），你应该考虑生成，并将这些整数作为分子来处理：<代码> n < /代码>有理数，用分母“代码> x< /代码>（并将其总和为<代码> M< /代码>假设代码>M< /Case>是整数）. 您可以选择
    x
    作为一个大数字，如232或264，或具有所需精度的其他数字

    下面的伪代码显示了如何以随机顺序生成大于0且具有给定正和的
    n
    均匀随机整数。（该算法在Smith和Tromble的《从单位单纯形均匀采样》（2004年）中给出），在下面的伪代码中-

    • 方法
      PositiveIntegersWithSum
      以随机顺序返回大于0的
      n
      整数，其总和为
      m
    • 方法
      整数与su