×

广义高斯分布的模拟。 (英语) Zbl 1431.62017年

摘要:本文介绍了模拟广义高斯分布的广义极性方法。在几何测度表示的基础上,将用于模拟高斯分布的著名Box-Muller方法和Marsaglia-Bray拒绝极性方法推广到模拟广义高斯分布,它比高斯分布更适合于数据,并且已经应用于现代科学的各个领域。为了证明广义极坐标方法的正确性,我们给出了随机表示,并证明了它们的充分性,我们比较了六种模拟技术的拟合优度和复杂性。竞争方法包括采用的通用方法和另一种特殊方法。此外,我们证明了所有自适应方法的随机表示。

MSC公司:

62-08 统计问题的计算方法
62E15型 统计学中的精确分布理论
65二氧化碳 蒙特卡罗方法
65立方厘米 数值分析中的随机数生成
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Subbotin M.T.,材料标准31,第296页–(1923年)
[2] Box G.E.P.,《统计分析中的贝叶斯推断》(1973)·Zbl 0271.62044号
[3] Johnson N.L.,连续单变量分布1,2。编辑(1994)·兹伯利0811.62001
[4] Moszyñska M.,科学研究。数学。匈牙利(2011)
[5] DOI:10.1016/j.crma.2009.12.010·Zbl 1182.62015年 ·doi:10.1016/j.crma.2009.12.010
[6] 内政部:10.1080/00949650802290912·Zbl 1178.62010号 ·doi:10.1080/00949650802290912
[7] DOI:10.1016/j.sigpro.2009.07.015·Zbl 1177.94070号 ·doi:10.1016/j.sigpro.2009.07.015
[8] DOI:10.1214/aoms/1177706645·Zbl 0085.13720号 ·doi:10.1214/aoms/1177706645
[9] 内政部:10.1137/100603·Zbl 0125.08001号 ·数字对象标识代码:10.1137/100603
[10] Neumann J.v.,Monte Carlo方法第36页–(1951年)
[11] 内政部:10.1016/j.jmaa.2007.03.047·Zbl 1143.60017号 ·doi:10.1016/j.jmaa.2007.03.047
[12] 内政部:10.1007/s10986-009-9030-3·Zbl 1177.60019号 ·doi:10.1007/s10986-009-9030-3
[13] 内政部:10.1002/9780470316511·doi:10.1002/9780470316511
[14] 内政部:10.1007/BF02613706·兹伯利0117.13203 ·doi:10.1007/BF02613706
[15] Devroye L.,非均匀随机变分生成(1986)·Zbl 0593.65005号 ·doi:10.1007/978-1-4613-8643-8
[16] Hörmann W.,自动非均匀随机变分生成(2004)·Zbl 1038.65002号 ·doi:10.1007/978-3-662-05946-3
[17] Marsaglia G.,J.统计。柔和。第5页1–(2000)·doi:10.18637/jss.v005.i08
[18] 内政部:10.1145/292395.292453·兹比尔0930.65002 ·数字对象标识代码:10.1145/292395.292453
[19] 内政部:10.1137/0905026·Zbl 0573.65116号 ·doi:10.1137/0905026
[20] Brent R.,《无导数最小化算法》(1973)·Zbl 0245.65032号
[21] Sachs L.,Angewandte Statistik(2009)
[22] Becker R.A.,《新S语言》(1988)
[23] Ahrens J.H.,格雷泽数学。Ber.公司。319第1页–(1993)
[24] 内政部:10.1007/BF02238128·Zbl 0821.65100号 ·doi:10.1007/BF02238128
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。