Als «random-generation» getaggte Fragen

Der Vorgang des Erzeugens einer Folge von Zahlen oder Symbolen zufällig oder (fast immer) pseudozufällig; dh ohne Vorhersagbarkeit oder Muster.

4
Wie kann eine zufällige Korrelationsmatrix erzeugt werden, die ungefähr normalverteilte nicht diagonale Einträge mit gegebener Standardabweichung aufweist?
Ich möchte eine zufällige Korrelationsmatrix erzeugen, so dass die Verteilung ihrer nicht diagonalen Elemente ungefähr aussieht normal . Wie kann ich es tun? Die Motivation ist dies. Für einen Satz von Zeitreihendaten sieht die Korrelationsverteilung oft ziemlich normal aus. Ich möchte viele "normale" Korrelationsmatrizen generieren, um die allgemeine Situation darzustellen …
2
So simulieren Sie zensierte Daten
Ich frage mich, wie ich eine Stichprobe von n Weibull-Verteilungslebensdauern simulieren kann, die rechtszensierte Beobachtungen vom Typ I enthalten. Zum Beispiel haben wir n = 3, Form = 3, Skala = 1 und die Zensurrate = 0,15 und die Zensurzeit = 0,88. Ich weiß, wie man eine Weibull-Stichprobe erzeugt, aber …
4
Ist das richtig ? (Erzeugen eines abgeschnittenen norm-multivariaten Gaußschen)
Wenn X∈Rn, X∼N(0–,σ2I)X∈Rn, X∼N(0_,σ2I)X\in\mathbb{R}^n,~X\sim \mathcal{N}(\underline{0},\sigma^2\mathbf{I}) dh fX(x)=1(2πσ2)n/2exp(−||x||22σ2)fX(x)=1(2πσ2)n/2exp⁡(−||x||22σ2) f_X(x) = \frac{1}{{(2\pi\sigma^2)}^{n/2}} \exp\left(-\frac{||x||^2}{2\sigma^2}\right) Ich möchte eine analoge Version einer abgeschnittenen Normalverteilung in einem multivariaten Fall. Genauer gesagt möchte ich ein normbeschränktes (auf einen Wert ≥a≥a\geq a ) multivariates Gaußsches YYY st erzeugen . f X ( y ) , wenn | | …
1
Warum haben Anova () und drop1 () unterschiedliche Antworten für GLMMs geliefert?
Ich habe ein GLMM der Form: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Wenn ich benutze drop1(model, test="Chi"), erhalte ich andere Ergebnisse als wenn ich Anova(model, type="III")aus dem Autopaket oder benutze summary(model). Diese beiden letzteren geben die gleichen Antworten. Unter Verwendung einer Reihe …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
1
Log-Cauchy-Zufallszahlengenerierung
Ich muss Zufallszahlen aus einer logarithmischen Verteilung mit der folgenden Dichte ziehen: Kann mir jemand helfen oder mich auf ein Buch / Papier verweisen, das mir zeigen könnte, wie?f( x ; μ , σ) = 1x πσ[ 1 + ( l n ( x ) - μσ)2]].f(x;μ,σ)=1xπσ[1+(ln(x)−μσ)2].f(x;\mu,\sigma)=\frac{1}{x\pi\sigma\left[1+\left(\frac{ln(x)-\mu}{\sigma}\right)^2\right]}.
1
Zufallsvektoren mit Einschränkungen erzeugen
Ich muss Zufallsvektoren von reellen Zahlen a_i erstellen, die die folgenden Bedingungen erfüllen: abs(a_i) < c_i; sum(a_i)< A; # sum of elements smaller than A sum(b_i * a_i) < B; # weighted sum is smaller than B aT*A*a < D # quadratic multiplication with A smaller than D where c_i, …
2
RNG, R, mclapply und Cluster von Computern
Ich führe eine Simulation auf R und einem Computercluster aus und habe das folgende Problem. Auf jedem der X Computer, die ich ausführe: fxT2 <- function(i) runif(10) nessay <- 100 c(mclapply(1:nessay, fxT2), recursive=TRUE) Es gibt 32 Computer mit jeweils 16 Kernen. Etwa 2% der Zufallszahlen sind jedoch identisch. Welche Strategien …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.