生成随机数与非均匀分布(Generate random number with a non-unif

JavaScript的Math.random()返回与“均匀”分布的伪随机数。

我需要生成在歪斜给任一侧上的范围[0,1]的随机数。（意思是，越来越旁边的数字0或旁边1的机会较高）

理想情况下，我想有一个参数来设置这条曲线。

我认为我可以做Math.random^2得到这样的结果，但什么更复杂的方式是有实现这一目标？

Answer 1:

我想你想用β分布alpha=beta=0.5

这是可能使用反向累积分布变换均匀随机数到β分布。

unif = Math.random()

我不熟悉javascript ，但是这应该是清楚的：

beta = sin(unif*pi/2)^2

PS：您可以生成许多这样的数字和情节直方图

编辑：

用于朝向0歪斜，变换beta值作为-

beta_left = (beta < 0.5) ? 2*beta : 2*(1-beta);

对于向1倾斜，转化为 -

beta_right = (beta > 0.5) ? 2*beta-1 : 2*(1-beta)-1;

Answer 2:

我认为你需要重新考虑你的问题。泊松处于率，来指定计数分布如的东西多少次我看到每个时间段的平均水平。它产生正整数所以只是在范围[0,1]的结果是不可能的。可以请你澄清你想要什么？

无论如何，以产生与泊松率拉姆达一种算法是：

threshold = Math.exp(-lambda)
count = 0
product = 1.0
while (product *= rand) >= threshold {
      count += 1
}
return count

其中“兰特”是函数调用的统一（0,1）。我不知道的JavaScript，但应该是简单的够你实现。

在回答编辑的问题：

有迹象表明，产生于在有限范围的效果的多个分布，但其中许多人是不适合心脏虚弱，如生家族或Beta分布。

容易的是三角形分布。 SQRT（RAND）会给朝向1聚束的三角形分布，而（1-SQRT（1-RAND））会给接近零成束的三角形分布。

与在m的模式（最频值）的更一般的三角形（其中0 <= M <= 1）可与所生成的

if rand <= m
    return m * Sqrt(rand)
else
    return 1 - ((1 - m) * Sqrt(1 - rand))

需要注意的是兰德的每次调用是一个独立的均匀随机数，这不会，如果你生成一个兰特价值和整个使用它是正确的。

Answer 3:

我只是想出了一个更简单的方式来获得倾斜每一方的随机数，并没有任何相关性。

此方法使用两个JavaScript的常规的随机数。第一乘以本身（指数越大，越大偏斜效应），而第二选其中分布的侧歪斜到。

function skewedRandom() {
    const a = Math.pow(Math.random(), 2);
    if (Math.random() < 0.5) {
        return a;
    }
    return 1 - a;
}

在这种代码的指数被设置为2的样品直方图10000个执行与在2如上指数：

随着指数3：

而随着指数的10：

Answer 4:

同比可以使用window.crypto.getRandomValues如果可用

<div id="result"></div>

var randVal = new Uint8Array(1);

window.crypto.getRandomValues(randVal);

document.getElementById("result").textContent = randVal[0] / 255;

上的jsfiddle

（如果这是你问什么，我不知道）

或者，也许因为这

<div id="result"></div>

function poissonRandomNumber(lambda) {
    var L = Math.exp(-lambda),
        k = 0,
        p = 1;

    do {
        k = k + 1;
        p = p * Math.random();
    } while (p > L);

    return k - 1;
}

document.getElementById("result").textContent = poissonRandomNumber(100);

还上的jsfiddle

文章来源: Generate random number with a non-uniform distribution