Код для генерации случайных чисел Гаусса (нормально распределенных) в Ruby

Ответ 1

Python random.gauss() и Boost normal_distribution оба используют Box-Muller transform, так что это тоже должно быть достаточно для Ruby.

def gaussian(mean, stddev, rand)
  theta = 2 * Math::PI * rand.call
  rho = Math.sqrt(-2 * Math.log(1 - rand.call))
  scale = stddev * rho
  x = mean + scale * Math.cos(theta)
  y = mean + scale * Math.sin(theta)
  return x, y
end

Метод может быть завернут в класс, который возвращает образцы по одному.

class RandomGaussian
  def initialize(mean, stddev, rand_helper = lambda { Kernel.rand })
    @rand_helper = rand_helper
    @mean = mean
    @stddev = stddev
    @valid = false
    @next = 0
  end

  def rand
    if @valid then
      @valid = false
      return @next
    else
      @valid = true
      x, y = self.class.gaussian(@mean, @stddev, @rand_helper)
      @next = y
      return x
    end
  end

  private
  def self.gaussian(mean, stddev, rand)
    theta = 2 * Math::PI * rand.call
    rho = Math.sqrt(-2 * Math.log(1 - rand.call))
    scale = stddev * rho
    x = mean + scale * Math.cos(theta)
    y = mean + scale * Math.sin(theta)
    return x, y
  end
end

(CC0)

Насколько это возможно по закону, antonakos отказался от всех авторских и смежных или смежных прав класса RandomGaussian Ruby. Эта работа опубликована: Дания.

Заявление о лицензии не означает, что я забочусь об этом коде. Напротив, я не использую код, я его не тестировал, и я не программирую в Ruby.

Ответ 2

Оригинальный вопрос, заданный для кода, но комментарий к комментарию автора подразумевает интерес к использованию существующих библиотек. Меня интересовало то же самое, и мои поиски показали эти два рубиновых камня:

gsl - "Интерфейс Ruby для научной библиотеки GNU" (вам необходимо установить GSL). Вызывающая последовательность для нормально распределенных случайных чисел со средним значением = 0 и заданным стандартным отклонением составляет

 rng = GSL::Rng.alloc
 rng.gaussian(sd)      # a single random sample
 rng.gaussian(sd, 100) # 100 random samples

rubystats - "порт библиотек статистики из PHPMath" (чистый рубин). Вызывающая последовательность для нормально распределенных случайных чисел с заданным средним и стандартным отклонением

 gen = Rubystats::NormalDistribution.new(mean, sd)
 gen.rng               # a single random sample
 gen.rng(100)          # 100 random samples

Ответ 3

+1 на ответ @antonakos. Здесь реализация Box-Muller, которую я использовал; это существенно идентичный, но немного более жесткий код:

class RandomGaussian
  def initialize(mean = 0.0, sd = 1.0, rng = lambda { Kernel.rand })
    @mean, @sd, @rng = mean, sd, rng
    @compute_next_pair = false
  end

  def rand
    if (@compute_next_pair = [email protected]_next_pair)
      # Compute a pair of random values with normal distribution.
      # See http://en.wikipedia.org/wiki/Box-Muller_transform
      theta = 2 * Math::PI * @rng.call
      scale = @sd * Math.sqrt(-2 * Math.log(1 - @rng.call))
      @g1 = @mean + scale * Math.sin(theta)
      @g0 = @mean + scale * Math.cos(theta)
    else
      @g1
    end
  end
end

Конечно, если вы действительно заботитесь о скорости, вы должны реализовать Алгоритм Зиггурата:).

Ответ 4

Другой вариант, который используется с помощью distribution, написанного одним из стипендиатов SciRuby.

Это немного проще использовать, я думаю.

require 'distribution'
normal = Distribution::Normal.rng(1)
norm_distribution = 1_000.times.map {normal.call}