https://xn--80aecvaldz.xn--80ahdrnmvk.xn--p1ai/w/ru/index.php?action=history&feed=atom&title=%D0%A3%D1%87%D0%B0%D1%81%D1%82%D0%BD%D0%B8%D0%BA%3ALonalone%2F%D0%93%D0%B5%D0%BD%D0%B5%D1%80%D0%B0%D1%86%D0%B8%D1%8F_%D0%B3%D0%B0%D1%83%D1%81%D1%81%D0%BE%D0%B2%D0%B0_%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%B0 2026-10-23T06:02:53Z История изменений этой страницы в вики MediaWiki 1.43.5 https://xn--80aecvaldz.xn--80ahdrnmvk.xn--p1ai/w/ru/index.php?title=%D0%A3%D1%87%D0%B0%D1%81%D1%82%D0%BD%D0%B8%D0%BA:Lonalone/%D0%93%D0%B5%D0%BD%D0%B5%D1%80%D0%B0%D1%86%D0%B8%D1%8F_%D0%B3%D0%B0%D1%83%D1%81%D1%81%D0%BE%D0%B2%D0%B0_%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%B0&diff=26621&oldid=prev 2018-10-21T05:18:10Z

<p>Новая страница: «&#039;&#039;&#039;Генерация n-мерного гауссова случайного вектора&#039;&#039;&#039; &lt;br&gt; &#039;&#039;Меньших И. М.&#039;&#039; ---- == Свойства и стр…»</p> <p><b>Новая страница</b></p><div>&#039;&#039;&#039;Генерация n-мерного гауссова случайного вектора&#039;&#039;&#039;<br /> &lt;br&gt;<br /> &#039;&#039;Меньших И. М.&#039;&#039;<br /> ----<br /> == Свойства и структура алгоритма ==<br /> <br /> === Общее описание алгоритма ===<br /> В статье приведен алгоритм генерации n-мерного гауссова случайного вектора с помощью метода линейных преобразований. Этот метод является одним из наиболее распространенных так называемых корреляционных методов, применяемых в случаях, когда при моделировании непрерывного n-мерного случайного вектора достаточно обеспечить лишь требуемые значения элементов корреляционной матрицы этого вектора (для случая нормального распределения выполнение названного требования означает выполнение достаточного условия полного статистического соответствия теоретического и моделируемого распределений) и матрицы математических ожиданий.&lt;br&gt;&lt;br&gt;<br /> Идея алгоритма заключается в линейном преобразовании случайного n-мерного вектора Y c независимыми стандартно нормально распределенными компонентами в случайный вектор X с требуемыми корреляционной матрицей и вектором математических ожиданий компонент. Вектор Y же получается с помощью приближения по ЦПТ равномерным распределением на [0,1].<br /> <br /> === Математическое описание алгоритма ===<br /> <br /> === Вычислительное ядро алгоритма ===<br /> <br /> === Макроструктура алгоритма ===<br /> <br /> === Схема реализации последовательного алгоритма ===<br /> <br /> === Последовательная сложность алгоритма ===<br /> <br /> === Информационный граф ===<br /> <br /> === Ресурс параллелизма алгоритма ===<br /> <br /> === Входные и выходные данные алгоритма ===<br /> <br /> === Свойства алгоритма ===</div>

Lonalone