| http://dbpedia.org/ontology/abstract
|
Вибірка псевдовипадкових чисел — це практи … Вибірка псевдовипадкових чисел — це практика генерації псевдовипадкових чисел, розподілених відповідно до заданого імовірнісного розподілу. Одним з підходів до розв'язання цієї задачі полягає в представленні випадкової величини , яка моделюється, у вигляді деякої функції від найпростіших випадкових величин . Як правило це рівномірно розподілені на відрізку [0,1). Тому задача зводиться до двох наступних:
* моделювання незалежних , рівномірно розподілених на [0,1).
* знаходження потрібної функції . Перша проблема є проблемою генерації випадкових чисел.ма є проблемою генерації випадкових чисел.
, Выборка псевдослучайных чисел — это практи … Выборка псевдослучайных чисел — это практика генерации псевдослучайных чисел, распределенных согласно заданному вероятностному распределению. Базируется на численных методах. Методы выборки, основанные на неравномерном распределении, обычно используют способность генератора псевдослучайных чисел порождать числа X, которые распределены равномерно. Затем применяется вычислительный алгоритм, который в результате манипуляций со случайной величиной X возвращает случайную величину Y, значения которой удовлетворяют заданному распределению.рой удовлетворяют заданному распределению.
, Non-uniform random variate generation or p … Non-uniform random variate generation or pseudo-random number sampling is the numerical practice of generating pseudo-random numbers (PRN) that follow a given probability distribution.Methods are typically based on the availability of a uniformly distributed PRN generator. Computational algorithms are then used to manipulate a single random variate, X, or often several such variates, into a new random variate Y such that these values have the required distribution.The first methods were developed for Monte-Carlo simulations in the Manhattan project, published by John von Neumann in the early 1950s.ed by John von Neumann in the early 1950s.
|
| http://dbpedia.org/ontology/wikiPageExternalLink
|
http://search.proquest.com/openview/84d724fc612fbfb1b7c6b7976198e5ff/1%3Fpq-origsite=gscholar&cbl=30748 +
, https://books.google.com/books%3Fid=tiTyCAAAQBAJ&printsec=frontcover%23v=onepage&q&f=false +
, https://books.google.com/books%3Fid=dogHCAAAQBAJ&printsec=frontcover%23v=onepage&q&f=false +
|
| http://dbpedia.org/ontology/wikiPageID
|
31693124
|
| http://dbpedia.org/ontology/wikiPageLength
|
6752
|
| http://dbpedia.org/ontology/wikiPageRevisionID
|
1105003324
|
| http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/Statistical_independence +
, http://dbpedia.org/resource/Category:Pseudorandom_number_generators +
, http://dbpedia.org/resource/Pseudo-random_number +
, http://dbpedia.org/resource/Markov_chain +
, http://dbpedia.org/resource/Gumbel_distribution +
, http://dbpedia.org/resource/Slice_sampling +
, http://dbpedia.org/resource/Multinomial_distribution +
, http://dbpedia.org/resource/Alias_method +
, http://dbpedia.org/resource/Inverse_transform_sampling +
, http://dbpedia.org/resource/Rejection_sampling +
, http://dbpedia.org/resource/Probability_mass_function +
, http://dbpedia.org/resource/Exponential_distribution +
, http://dbpedia.org/resource/Cumulative_distribution_function +
, http://dbpedia.org/resource/Random_variate +
, http://dbpedia.org/resource/Manhattan_project +
, http://dbpedia.org/resource/Binary_search +
, http://dbpedia.org/resource/Particle_filter +
, http://dbpedia.org/resource/Ziggurat_algorithm +
, http://dbpedia.org/resource/Markov_chain_Monte_Carlo +
, http://dbpedia.org/resource/John_von_Neumann +
, http://dbpedia.org/resource/Monte-Carlo_method +
, http://dbpedia.org/resource/The_Art_of_Computer_Programming +
, http://dbpedia.org/resource/Correlated +
, http://dbpedia.org/resource/Mixture_model +
, http://dbpedia.org/resource/Normal_distribution +
, http://dbpedia.org/resource/Linear_search +
, http://dbpedia.org/resource/Pareto_distribution +
, http://dbpedia.org/resource/Numerical_analysis +
, http://dbpedia.org/resource/Beta_distribution +
, http://dbpedia.org/resource/Indexed_search +
, http://dbpedia.org/resource/Gamma_distribution +
, http://dbpedia.org/resource/Metropolis%E2%80%93Hastings_algorithm +
, http://dbpedia.org/resource/Convolution_random_number_generator +
, http://dbpedia.org/resource/Probability_distribution +
, http://dbpedia.org/resource/Box%E2%80%93Muller_transform +
, http://dbpedia.org/resource/Category:Non-uniform_random_numbers +
, http://dbpedia.org/resource/Dirichlet_distribution +
, http://dbpedia.org/resource/GNU_Scientific_Library +
, http://dbpedia.org/resource/Poisson_distribution +
, http://dbpedia.org/resource/Marsaglia_polar_method +
, http://dbpedia.org/resource/Laplace_distribution +
, http://dbpedia.org/resource/Pseudo-random_number_generator +
, http://dbpedia.org/resource/Uniform_distribution_%28continuous%29 +
, http://dbpedia.org/resource/Reversible-jump_Markov_chain_Monte_Carlo +
, http://dbpedia.org/resource/Gibbs_sampling +
, http://dbpedia.org/resource/Ratio_of_uniforms +
, http://dbpedia.org/resource/Donald_Knuth +
, http://dbpedia.org/resource/Discrete_probability_distribution +
|
| http://dbpedia.org/property/wikiPageUsesTemplate
|
http://dbpedia.org/resource/Template:Use_American_English +
, http://dbpedia.org/resource/Template:Short_description +
, http://dbpedia.org/resource/Template:Reflist +
, http://dbpedia.org/resource/Template:Citation_needed +
|
| http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Pseudorandom_number_generators +
, http://dbpedia.org/resource/Category:Non-uniform_random_numbers +
|
| http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Non-uniform_random_variate_generation?oldid=1105003324&ns=0 +
|
| http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Non-uniform_random_variate_generation +
|
| owl:sameAs |
http://www.wikidata.org/entity/Q7254441 +
, http://ru.dbpedia.org/resource/%D0%92%D1%8B%D0%B1%D0%BE%D1%80%D0%BA%D0%B0_%D0%BF%D1%81%D0%B5%D0%B2%D0%B4%D0%BE%D1%81%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D1%8B%D1%85_%D1%87%D0%B8%D1%81%D0%B5%D0%BB +
, http://uk.dbpedia.org/resource/%D0%92%D0%B8%D0%B1%D1%96%D1%80%D0%BA%D0%B0_%D0%BF%D1%81%D0%B5%D0%B2%D0%B4%D0%BE%D0%B2%D0%B8%D0%BF%D0%B0%D0%B4%D0%BA%D0%BE%D0%B2%D0%B8%D1%85_%D1%87%D0%B8%D1%81%D0%B5%D0%BB +
, https://global.dbpedia.org/id/4tZnw +
, http://dbpedia.org/resource/Non-uniform_random_variate_generation +
|
| rdfs:comment |
Non-uniform random variate generation or p … Non-uniform random variate generation or pseudo-random number sampling is the numerical practice of generating pseudo-random numbers (PRN) that follow a given probability distribution.Methods are typically based on the availability of a uniformly distributed PRN generator. Computational algorithms are then used to manipulate a single random variate, X, or often several such variates, into a new random variate Y such that these values have the required distribution.The first methods were developed for Monte-Carlo simulations in the Manhattan project, published by John von Neumann in the early 1950s.ed by John von Neumann in the early 1950s.
, Выборка псевдослучайных чисел — это практи … Выборка псевдослучайных чисел — это практика генерации псевдослучайных чисел, распределенных согласно заданному вероятностному распределению. Базируется на численных методах. Методы выборки, основанные на неравномерном распределении, обычно используют способность генератора псевдослучайных чисел порождать числа X, которые распределены равномерно. Затем применяется вычислительный алгоритм, который в результате манипуляций со случайной величиной X возвращает случайную величину Y, значения которой удовлетворяют заданному распределению.рой удовлетворяют заданному распределению.
, Вибірка псевдовипадкових чисел — це практи … Вибірка псевдовипадкових чисел — це практика генерації псевдовипадкових чисел, розподілених відповідно до заданого імовірнісного розподілу. Одним з підходів до розв'язання цієї задачі полягає в представленні випадкової величини , яка моделюється, у вигляді деякої функції від найпростіших випадкових величин . Як правило це рівномірно розподілені на відрізку [0,1). Тому задача зводиться до двох наступних:
* моделювання незалежних , рівномірно розподілених на [0,1).
* знаходження потрібної функції . Перша проблема є проблемою генерації випадкових чисел.ма є проблемою генерації випадкових чисел.
|
| rdfs:label |
Non-uniform random variate generation
, Вибірка псевдовипадкових чисел
, Выборка псевдослучайных чисел
|
