Участник:Lonalone/Генерация гауссовского вектора методом линейных преобразований: различия между версиями
Lonalone (обсуждение | вклад) |
Lonalone (обсуждение | вклад) |
||
| Строка 4: | Строка 4: | ||
=== Общее описание алгоритма === | === Общее описание алгоритма === | ||
В статье приведен алгоритм генерации n-мерного случайного вектора, распределенного по нормальному закону, 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)<ref name="VVVVVV"> https://ru.wikipedia.org/wiki/ | В статье приведен алгоритм генерации n-мерного случайного вектора, распределенного по нормальному закону, 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)<ref name="VVVVVV"> https://ru.wikipedia.org/wiki/Многомерное нормальное распределение</ref> и вектора математических ожиданий компонент.<br><br> | ||
Идея алгоритма заключается в линейном преобразовании случайного n-мерного вектора Y c независимыми распределенными по стандартному нормальному закону 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]. | Идея алгоритма заключается в линейном преобразовании случайного n-мерного вектора Y c независимыми распределенными по стандартному нормальному закону 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]. | ||
Версия от 17:18, 22 октября 2018
Автор описания: Меньших И. М.
Свойства и структура алгоритма
Общее описание алгоритма
В статье приведен алгоритм генерации n-мерного случайного вектора, распределенного по нормальному закону, 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)[1] и вектора математических ожиданий компонент.
Идея алгоритма заключается в линейном преобразовании случайного n-мерного вектора Y c независимыми распределенными по стандартному нормальному закону 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].
Математическое описание алгоритма
Вычислительное ядро алгоритма
Макроструктура алгоритма
Схема реализации последовательного алгоритма
Последовательная сложность алгоритма
Информационный граф
Ресурс параллелизма алгоритма
Входные и выходные данные алгоритма
Свойства алгоритма
Программная реализация алгоритма
Особенности реализации последовательного алгоритма
Локальность данных и вычислений
Возможные способы и особенности параллельной реализации алгоритма
Масштабируемость алгоритма и его реализации
Динамические характеристики и эффективность реализации алгоритма
Выводы для классов архитектур
Существующие реализации алгоритма
Литература
- ↑ https://ru.wikipedia.org/wiki/Многомерное нормальное распределение