이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.

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

Representing Sampling Distributions Using Markov Chain Samplers

Markov chain samplers can generate numbers from a sampling distribution that is difficult to represent directly.

Bayesian Linear Regression Using Hamiltonian Monte Carlo

Learn how to use the Hamiltonian Monte Carlo sampler.

Generating Data Using Flexible Families of Distributions

The Pearson and Johnson systems are flexible parametric families of distributions that provide good matches for a wide range of data shapes.

Random Number Generation

Statistics and Machine Learning Toolbox supports the generation of random numbers from various distributions.

Generating Pseudorandom Numbers

Pseudorandom numbers are generated by deterministic algorithms.

Generating Quasi-Random Numbers

Quasi-random number generators (QRNGs) produce highly uniform samples of the unit hypercube.