タグ付けされた質問 「random-generation」

壷をI色のN個のボールC [i]で満たすモンテカルロプロセスを生成したいと思います。各色C [i]には、骨壷に配置する必要のあるボールの最小数と最大数があります。 たとえば、私はつぼに100個のボールを入れようとしていて、4つの色で満たすことができます。 赤-最小0、最大100＃NB、実際の最大は実現できません。 青-最小50、最大100 黄色-最小0、最大50 緑-最小25、最大75 可能な結果全体に均一に分散されることが保証されているNサンプルをどのように生成できますか？ ボールに最小値も最大値もない、または同じ暗黙の最小値と最大値があるというこの問題の解決策を見てきました。たとえば、少し異なる主題に関するこの議論を参照してください。 合計が1になる均一に分散された重みを生成しますか？ しかし、私はこの解決策を一般化することに問題を抱えています。

8 sampling  monte-carlo  random-generation  uniform 

[最近の質問で、Rでランダムなベクトルを生成することを検討しており、その「研究」を特定のポイントに関する独立したQ＆Aとして共有したいと思いました。] 相関してランダムなデータを生成する相関行列のコレスキー分解を用いて行うことができるここでの前記事に反映されるように、ここで及びここ。C= L LTC=LLTC = LL^{T} 私が対処したいのは、Rの異なる周辺分布から相関乱数を生成するために均一分布を使用する方法です。

8 r  correlation  sampling  random-variable  random-generation 

回帰分析の場合、データ生成プロセスを理解して、使用した方法がどのように機能するかを確認すると便利な場合があります。単純な線形回帰でこれを行うのはかなり簡単ですが、従属変数が特定の分布に従う必要がある場合は、これは当てはまりません。 単純な線形回帰を考えます。 N <- 100 x <- rnorm(N) beta <- 3 + 0.4*rnorm(N) y <- 1 + x * beta + .75*rnorm(N) 同じアプローチを使用する方法はありますがy、通常とは異なる方法があると思いますか？

8 r  regression  simulation  random-generation 

べき法則に従って分布するランダムな整数を正確に生成するための最良の方法は何ですか？（）を取得する確率はと等しく、メソッドはうまく機能するはずです。、K = 1 、2 、... PのK = K - γ / ζ （γ ）γ > 1kkkk=1,2,…k=1,2,…k=1,2,\ldotspk=k−γ/ζ(γ)pk=k−γ/ζ(γ)p_k = k^{-\gamma} / \zeta(\gamma)γ>1γ>1\gamma > 1 私は2つの素朴なアプローチを見ることができます： 計算はいくつかの大規模までよう次いで、これらの確率に応じて整数を生成する、1に"十分に近い"です。が巨大である必要があるため、が1に近い場合、これは機能しません。K maxのΣのK maxの K = 1、γ k個の最大pkpkp_kkmaxkmaxk_\text{max}∑kmaxk=1∑k=1kmax\sum_{k=1}^{k_\text{max}}γγ\gammakmaxkmaxk_\text{max} 連続するべき乗則の分布（解く方法を知っている簡単な問題）から実数を引き出し、何らかの方法で整数に丸めます。上記の方法で各整数を取得する正確な確率を分析的に計算することが可能です。拒否を使用してこれらをに修正できます（関数を評価できる場合は、これも計算できます）。（これは、ある値よりも大きいに対してよりも高い確率で整数を取得し、それよりも小さいを個別に処理する方法でため、になります。） ζ P K K Kpkpkp_kζζ\zetapkpkp_kkkkkkk 正確でもある（概算ではない）より良い方法はありますか？

8 random-generation  discrete-data  power-law 

Rで450のデータポイントを生成しようとしています。半径が異なる（1、2.8、および5の）円形バンドにそれぞれ分散した3つの異なるセット150があります。 特に、The Elements of Statistical Learningのp546の最初のグラフを再現したいと思っています。 このデータを生成する可能性があるRコードの支援に感謝します。 ありがとう！

8 r  self-study  random-generation 

私は因果的に接続されたランダム変数のセットを生成しようとしています、そしてモンテカルロアプローチでこれを始めることから始めました。 ベースラインは2次元の測定されたヒストグラムで、そこからランダムな値を引き出します。 私の具体的な例では、これらの変数は加速度と速度そのため、明らかに を保持する必要があります。v v i + 1 = v i + a i ∗ d taa\bf{a}vv\bf{v}vi + 1= v私+ a私∗ dtv私+1=v私+a私∗dtv_{i+1} = v_{i} + a_i * dt 私の現在の素朴なアプローチは： 私はいくつかのます。次に、の値に対して測定された確率に従ってランダムなを生成します。このを使用してを計算でき、手順全体がからやり直します。a 0 a v 0 a 0 v 1v0v0v_0a0a0a_0aa\bf{a}v0v0v_0a0a0a_0v1v1v_1 したがって、生成された加速度をビンで確認すると、すべて問題ありません。しかし、私は明らかにこれが周辺分布をまったく尊重していません。v vaa\bf{a}vv\bf{v}vv\bf{v} 私は基本的なモンテカルロ法にある程度精通していますが、ご想像のとおり、理論的な背景はありません。2つの変数が何らかの相関行列で接続されているだけで問題はありませんが、2つの変数間の因果関係は頭痛の種になります。 私はどこかでこの種の問題の例を見つけることができませんでした-私は間違った用語をググっているかもしれません。これを手に入れるために誰かが私にいくつかの文献/例または有望な方法を教えてもらえれば私は満足しています。 （または、私の入力では実際には不可能であることを教えてください-それは私が時々推測していることです...） 編集： この手順全体の実際の目的：2次元のヒストグラムで表される一連の測定とあります。この入力を、測定された分布を再現するランダムなとセットを生成します。v N （a 、v ）a r …

8 monte-carlo  random-generation 

現在、開発の初期段階にある小さなプロジェクトに取り組んでいます。私が理解しようとしているのは、ランダムな音楽、特にノートをどのように生成するかです。グーグルすることによって、私はなんとかしてランサムノートジェネレータとたくさんのランダムな音楽を見つけることができました。ランダムという言葉はランダム変数の定義とは何の関係もありません。そのような仕事の私にいくつかのガイダンスを与える。ここに私の素朴なアイデアのいくつか： コードのルート音を指定すると、その音の平均と偏差を含むランダムな音が生成されます。これは、現在使用しているバーの一部によって制御される場合があります。 私はすべての小節でルートノートへの参照として0を設定し、整数を生成することを好みます。これは、メロディの上下にいくつのスケールインターバルがルートから逸脱するかを意味します。しかし、このアプローチではメロディバーを一緒に結合することが難しくなる可能性があるため、別のアイデアとして、パーツ全体のキーを参照ノートとして使用し、どのバーがどのキーに対応するかに応じて確率変数の平均を変更します。 さて、ランダムノートの平均がどのようになると期待できるかについて少し説明したので、小節または音楽の乱数生成に移りましょう。必要なのは、平均が一連の整数です。自然な候補者は000 2つのポアソン分布変数の合計、そのうちの1つに− 1を掛ける− 1−1-1 二項確率変数についても同じことが言えます。 たぶん、あなたはもっと良いものを提案できますか？ リズムの生成では、小節ごとに最大数の固定ノートを設定してから、ゼロと1のシーケンスを生成します。1つは、ビートが変化していることを示します。多分私は以前にゼロがいくつあったかを条件としてゼロの確率を設定するでしょう。誰かがアイデアを持っているなら、ぜひ聞いてみたいです！

8 random-generation  musical-data-analysis 

実験中に3回評価された10人の参加者の2つのグループがあります。グループ間および3つの評価全体の違いをテストするために、group（コントロール、実験）、time（最初、2、3）、およびを使用して2x3混合設計ANOVAを実行しましたgroup x time。両方timeとgroup有意な相互作用があったほか、重大な結果group x time。 グループメンバーシップに関しても、3回の評価の違いをさらにチェックする方法をよく知りません。実際、最初は、ANOVAのオプションで、ボンフェローニの補正を使用してすべての主要な効果を比較することだけを指定しました。しかし、この方法で、グループを区別せずに、サンプル全体の時間の違いをこのように比較したことに気付きましたね。 したがって、可能な解決策を見つけるためにインターネットでたくさん検索しましたが、結果はほとんどありませんでした。私と同じようなケースは2つしか見つかりませんでしたが、解決策は逆です！ 記事では、混合設計の後、著者らは被験者ごとに1つずつ、2回の反復測定ANOVAを事後的に実行しました。このようにして、2つのグループは修正なしで個別に分析されます。 インターネットのガイドでは、混合ANOVAの実行中に、SPSS構文のCOMPARE(time) ADJ(BONFERRONI)直後にを手動で追加すると述べています/EMMEANS=TABLES(newgroup*time)。このように、3つの時間はグループごとに個別に比較されます。ボンフェローニ補正を使用すると、私は正しいのでしょうか。 どう思いますか？どちらが正しい方法でしょうか？

8 anova  mixed-model  spss  post-hoc  bonferroni  time-series  unevenly-spaced-time-series  classification  normal-distribution  discriminant-analysis  probability  normal-distribution  estimation  sampling  classification  svm  terminology  pivot-table  random-generation  self-study  estimation  sampling  estimation  categorical-data  maximum-likelihood  excel  least-squares  instrumental-variables  2sls  total-least-squares  correlation  self-study  variance  unbiased-estimator  bayesian  mixed-model  ancova  statistical-significance  references  p-value  fishers-exact  probability  monte-carlo  particle-filter  logistic  predictive-models  modeling  interaction  survey  hypothesis-testing  multiple-regression  regression  variance  data-transformation  residuals  minitab  r  time-series  forecasting  arima  garch  correlation  estimation  least-squares  bias  pca  predictive-models  genetics  sem  partial-least-squares  nonparametric  ordinal-data  wilcoxon-mann-whitney  bonferroni  wilcoxon-signed-rank  traminer  regression  econometrics  standard-error  robust  misspecification  r  probability  logistic  generalized-linear-model  r-squared  effect-size  gee  ordered-logit  bayesian  classification  svm  kernel-trick  nonlinear  bayesian  pca  dimensionality-reduction  eigenvalues  probability  distributions  mathematical-statistics  estimation  nonparametric  kernel-smoothing  expected-value  filter  mse  time-series  correlation  data-visualization  clustering  estimation  predictive-models  recommender-system  sparse  hypothesis-testing  data-transformation  parametric  probability  summations  correlation  pearson-r  spearman-rho  bayesian  replicability  dimensionality-reduction  discriminant-analysis  outliers  weka 

ざっと見ヘルプページあなたは7つのあらかじめ定義された発電機（の中から選ぶことができRショーの乱数生成器のWichmann-Hill、Marsaglia-Multicarry、Super-Duper、Mersenne-Twister、Knuth-TAOCP-2002、Knuth-TAOCP、L'Ecuyer-CMRG）。 ?Random デフォルトはMersenne-Twisterで、非常に良いようです。では、なぜ別のものを使用する必要があるのでしょうか。

8 r  random-generation 

こんにちは仲間の数クラッカー バイナリ分類モデルによって生成されたかのように、（クラスラベルと共に）n個のランダムスコアを生成したいと思います。詳細には、次のプロパティが必要です。 すべてのスコアは0から1の間です すべてのスコアは、値が「0」または「1」のバイナリラベルに関連付けられています（後半は陽性クラス） スコアの全体的な精度は、たとえば0.1（<-ジェネレータのパラメータ）である必要があります ラベル「1」のスコアの比率は、上部セクション全体の精度より高く、下部セクションでは低くする必要があります（<-「モデル品質」もジェネレーターのパラメーターである必要があります） スコアは、結果のroc曲線が滑らかになるようにしてください（たとえば、ラベル「1」のスコアの束が上部にあり、ラベル「1」の残りのスコアが下部にあるなどリスト）。 これにどのように取り組むかについて誰かが考えを持っていますか？多分roc-curveの生成を介して、その治療法からポイントを生成しますか？前もって感謝します！

8 machine-learning  classification  roc  random-generation 

これは、調査中のフィールドを介した変数の空間依存性の記述子としてバリオグラムを計算するために、座標のセット（たとえば、2Dとして{x,y}）と少なくとも関連する変数（たとえば、v）を持つ簡単なアプローチです。 v 質問は私に現れました： バリオグラムを持つデータセットの実現をどのように生成するか？（逆移動！） つまり、少なくとも1つのバリオグラムが利用可能ですが、データセットも他の説明も利用できず、そのようなバリオグラムを持つ可能性のある元の（不明な）データセットの実現を生成することが目標です。 そのような実現がある確率はどれくらいですか？ 更新/コメント：variogram上記の文脈 から、私は経験的バリオグラムを意味します。バリオグラムモデルのフィッティングは、少なくともこの質問では問題ではないと思います。また、バリオグラムはペア（h、ガンマ）としても利用できます。

8 spatial  random-generation  variogram 

生成する方法 んnn それらの合計が事前に指定された間隔内に収まるように、同一に分布しているが独立していない通常の乱数 [ a 、b ][a,b][a,b] 確率で ppp？ （この質問は、事前に指定されたポイントで終わるランダムウォークを生成することによって動機付けられます。結局、ランダムプロセスはそれほどランダムではありません（決定論的）。最終的に間隔全体を要求します。） 編集：特異ガウス分布からのサンプルの生成は、重複として提案されています。これは、正定共分散行列を使用して正規分布乱数を生成するの重複として閉じられます。これらの両方が役立つことに同意します。ただし、現在の質問（より具体的には、回答）のポイントは、まず多変量正規分布を使用して質問に対処できることを理解し、次に、どのような共分散行列が機能するかを理解することです。その共分散のある分布からサンプリングする方法は、リンクされたスレッドが役立つ3番目のステップです。

7 normal-distribution  random-generation  sum 

私は、逆累積分布関数が閉じた形で存在しない特定の分布に取り組んでいます。分布の累積分布関数は、 F(x;d,m,p,α,β)=1−(1+xm)−dexp(−βxα)1−p(1+xm)−dexp(−βxα)F(x;d,m,p,α,β)=1−(1+xm)−dexp⁡(−βxα)1−p(1+xm)−dexp⁡(−βxα)F(x; d, m, p, \alpha, \beta) = \frac{1-(1+x^m)^{-d} \exp(-\beta x^\alpha)}{1-p(1+x^m)^{-d} \exp(-\beta x^\alpha)} 正に m 、d、α 、βm,d,α,βm, d, \alpha, \beta そして 0 < p < 10<p<10\lt p \lt 1。 私の問題は、Rパッケージが初めてで、を使用して配布からランダムサンプルを生成する必要があることですR。

7 r  distributions  random-generation