Создайте случайное число с max, min и mean (average) в Java

Ответ 1

Java Random, вероятно, не будет работать, потому что он дает только нормальные (гауссовские) дистрибутивы.

То, что вы, вероятно, ищете, - это f-дистрибутив (см. ниже). Возможно, вы можете использовать библиотеку distlib здесь и выбрать f distribution. Вы можете использовать метод random для получения вашего случайного числа.

Ответ 2

Скажите X - ваша целевая переменная, позволяющая нормализовать диапазон, выполнив Y=(X-200)/(20000-200). Итак, теперь вам нужна какая-то случайная переменная Y, которая принимает значения в [0,1] со средним значением (500-200)/(20000-200)=1/66.

У вас много вариантов, самый естественный мне кажется бета-дистрибутив, Y ~ Beta(a,b) с a/(a+b) = 1/66 - у вас есть дополнительную степень свободы, которую вы можете выбрать либо для соответствия последнему требованию квартили.

После этого вы просто возвращаете X как Y*(20000-200)+200

Чтобы сгенерировать бета-случайную переменную, вы можете использовать Apache Commons или посмотреть здесь.

Ответ 3

Это не может быть ответ, который вы ищете, но конкретный случай с 3 равномерными распределениями:

(Игнорируйте числа слева, но они будут масштабироваться!)

public int generate() {
  if(random(0, 65) == 0) {
    // 50-100 percentile

    if(random(1, 13) > 3) {
      // 50-75 percentile
      return random(500, 5000);
    } else {
      // 75-100 percentile
      return random(5000, 20000);
    }

  } else {
    // 0-50 percentile
    return random(200, 500);
  }
}

Как я получил числа

Во-первых, площадь под кривой равна 200-500 и 500-20000. Это означает, что отношение высоты 300 * leftHeight == 19500 * rightHeight делает leftHeight == 65 * rightHeight

Это дает нам шанс на выбор 1/66, а шанс 65/66 выбрать левый.

Затем я сделал тот же расчет для 75-го процентиля, за исключением того, что отношение было 500-5000 chance == 5000-20000 chance * 10 / 3. Опять же, это означает, что у нас есть шанс 10/13 находиться в 50-75 процентилях, а шанс 3/13 - 75-100.

Kudos to @Stas - я использую его функцию "inclusive random".

И да, я понимаю, что мои цифры ошибочны, поскольку этот метод работает с дискретными числами, и мои вычисления были непрерывными. Было бы хорошо, если бы кто-то мог исправить мои пограничные случаи.

Ответ 4

У вас может быть функция f, работающая с [0; 1], например

Integral(f(x)dx) on [0;1] = 500
f(0) = 200
f(0.75) = 5000
f(1) = 20000

Я предполагаю, что функция вида

f(x) = a*exp(x) + b*x + c

может быть решением, вам просто нужно решить соответствующую систему.

Затем вы делаете f(uniform_random(0,1)) и там вы!

Ответ 5

Распределение PERT (или распространение бета-PERT) рассчитано на минимальный и максимальный и оценочный режимы. Это "сглаженная" версия треугольного распределения, и генерация случайного числа из этого распределения может быть реализована следующим образом:

startpt + (endpt - startpt) * 
     BetaDist(1.0 + (midpt - startpt) * shape / (endpt - startpt), 
          1.0 + (endpt - midpt) * shape / (endpt - startpt))

где —

• startpt является минимальным,
• midpt - это режим (не обязательно средний или средний),
• endpt - максимум,
• shape - это число 0 или больше, но обычно 4 и
• BetaDist(X, Y) возвращает случайное число из бета-распределения с параметрами X и Y.

Учитывая известное среднее (mean), midpt можно вычислить:

3 * mean / 2 - (startpt + endpt) / 4