Main Content

의사 난수(Pseudorandom Number)와 준난수(Quasirandom Number) 생성

의사 난수 표본 데이터와 준난수 표본 데이터 생성

어떤 경우에는 일반적인 난수 생성 방법이 원하는 표본을 생성하는 데 적합하지 않습니다. Statistics and Machine Learning Toolbox™는 의사 난수와 준난수를 생성하는 데 사용할 수 있는 여러 대체 방법을 제공합니다. 준난수(저불일치 수열이라고도 함)는 집합에 있는 기존 숫자로부터 가능한 한 멀리 떨어져 있는 연속된 숫자를 생성합니다. 이 접근 방식은 군집화를 방지하고 수렴 속도를 높일 수 있지만, 준난수는 일반적으로 너무 균일하여 임의성 검정을 통과할 수 없습니다. 의사 난수는 준난수보다 균일성이 떨어지며 더 큰 임의성이 필요한 분야에 더 적합할 수 있습니다. 슬라이스 표집기, 해밀턴 몬테카를로 표집기(Hamiltonian Monte Carlo Sampler) 또는 메트로폴리스-해스팅스 마르코프 연쇄 표집기(Metropolis-Hastings Markov Chain Sampler)를 사용하여 통계 분포에서 도출하는 방식으로 의사 난수 표본을 생성합니다.

사용 가능한 모수적 확률 분포가 데이터를 적절히 기술하지 않는 경우 유연한 분포군을 대신 사용할 수 있습니다. 피어슨(Pearson) 및 존슨(Johnson)의 유연한 분포군은 표본 데이터의 위치, 척도(스케일), 왜도, 첨도를 기반으로 하여 모델을 피팅합니다. 분포를 데이터에 피팅하고 나면 해당 분포에서 의사 난수를 생성할 수 있습니다.

함수

모두 확장

slicesampleSlice sampler
mhsampleMetropolis-Hastings sample
hmcSamplerHamiltonian Monte Carlo (HMC) sampler
pearsrndPearson system random numbers
johnsrndJohnson system random numbers

클래스

모두 확장

haltonsetHalton quasirandom point set
qrandstreamConstruct quasi-random number stream
sobolsetSobol quasirandom point set
HamiltonianSamplerHamiltonian Monte Carlo (HMC) sampler

도움말 항목