Участник:Lonalone/Генерация гауссовского вектора методом линейных преобразований

Материал из Алговики
Перейти к навигации Перейти к поиску

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[1]. 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)[2] 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

  1. ↑ Балдин К.В., Уткин В.Б. Информационные системы в экономике. - М.: 2008. — 395 с.
  2. ↑ https://ru.wikipedia.org/wiki/Многомерное_нормальное_распределение