Questions tagged «random-generation»

我正在尝试在R中拟合离散时间模型，但不确定如何执行。 我读过您可以将因变量组织在不同的行中，每个时间观察行一个，并将该glm函数与logit或cloglog链接一起使用。从这个意义上讲，我有三列：ID，Event（在每个时间范围内为1或0）和Time Elapsed（自观察开始以来）以及其他协变量。 如何编写适合模型的代码？哪个因变量？我想我可以将其Event用作因变量，并将其包括Time Elapsed在协变量中。但是，会发生什么ID呢？我需要吗？ 谢谢。

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

我需要生成一个随机变量的列表，该列表受约束的约束，可以以的形式表示，其中是矩阵，如果有个条目。在我处理的所有情况下，，例如约为14,000，等于50。我不确定我将使用哪种方法进行随机采样，无论是正常采样还是均匀采样，不是明确哪种方法最适合我要解决的问题，但是我需要从均值和范围/方差相同的分布中采样所有变量。xx\bf{x}Ex=bEx=b\bf{E}x=bEE\bf{E}m×nm×nm \times n xx\bf{x}nnnn>>mn>>mn >> mnnnmmm 为了解决这个问题，我一直在做以下事情：将简化为行梯形形式，将与最后一个枢轴右侧的列对应的所有变量都设置为随机值，然后解决剩余的方阵相等性。EE\bf{E} 但是，为了解决平方矩阵相等性，我要从右侧减去已经设置的值。不幸的是，方差也增加了，所以我最近的50个值往往相差很大，这在这个问题上是令人无法接受的。 有一个更好的方法吗？我想不出一种方法来修复当前使用的方法。我用R

9 random-generation  random-matrix 

我遇到了以下模拟问题：给定一组已知实数的，在上的分布由 其中表示的正数。虽然我可以靶向这种分布认为大都市，黑斯廷斯样的，我不知道是否存在一个有效的直接取样，取大量的零个概率的优势，从降低算法的顺序至。{ - 1 ，1 } d P（X = （X 1，... ，X d））α （X 1 ω 1 + ... + X d ω d ）+（Ž ）+ ž O （2 d）O （d ）{ω1,…,ωd}{ω1,…,ωd}\{\omega_1,\ldots,\omega_d\}{−1,1}d{−1,1}d\{-1,1\}^dP(X=(x1,…,xd))∝(x1ω1+…+xdωd)+P(X=(x1,…,xd))∝(x1ω1+…+xdωd)+\mathbb{P}(X=(x_1,\ldots,x_d))\propto (x_1\omega_1+\ldots+x_d\omega_d)_+(z)+(z)+(z)_+zzzO （2d）Ø（2d）O(2^d)Ø （d）Ø（d）O(d)

9 simulation  algorithms  random-generation  computational-statistics  metropolis-hastings 

出于某种目的，我需要从“倾斜均匀”分布中生成随机数（数据）。该分布的“斜率”可能会在某个合理的间隔内变化，然后我的分布应基于该斜率从均匀变为三角形。这是我的推论： 让我们简化一下，生成数据格式为到000（蓝色，红色是均匀分布）。为了获得蓝线的概率密度函数，我只需要那条线的方程式。从而：乙BB F（x ）= t g（φ ）X + ÿ（0 ）f(x)=tg(φ)x+Y(0)f(x) = tg(\varphi)x + Y(0) 由于（图片）： Ť g ^（φ ）ÿ（0 ）= 1 / B - Y（0 ）B / 2= 1乙- 吨克（φ ）B2tg(φ)=1/B−Y(0)B/2Y(0)=1B−tg(φ)B2\begin{align} tg(\varphi) &= \frac{1/B - Y(0)}{B/2} \\[5pt] Y(0) &= \frac{1}{B} - tg(\varphi)\frac{B}{2} \end{align} 我们有： F（x ）= t g（φ ）X + …

9 r  distributions  python  random-generation  uniform 

我目前正在使用Laplace机制编写差分隐私算法。 不幸的是，我没有统计学背景，因此我不知道很多术语。因此，现在我对术语“ 拉普拉斯噪声”不休。为了使数据集微分私有，所有论文都只是讨论根据函数的Laplace分布添加Laplace噪声。 k(X)=f(X)+Y(X)k(X)=f(X)+Y(X)k(X) = f(X) + Y(X) （k是微分私有值，f是评估函数返回的值，Y是拉普拉斯噪声） 这是否意味着我根据Wikipedia https://en.wikipedia.org/wiki/Laplace_distribution的功能从Laplace分布中创建随机变量？ Y=μ−b sgn(U)ln(1−2|U|)Y=μ−b sgn(U)ln⁡⁡(1−2|U|) Y = μ − b\ \text{sgn}(U) \ln ⁡ ( 1 − 2 | U | ) 更新：我从上面的函数中绘制了多达100个随机变量，但这并没有给我拉普拉斯分布（甚至不接近）。但是我认为它应该为拉普拉斯分布建模。 UPDATE2： 这些是我的定义： （拉普拉斯机制）。给定任何函数f:N|X|→Rkf:N|X|→Rkf:N^{|X|}→R^k，拉普拉斯机制定义为：ML(x,f(⋅),ϵ)=f(x)+(Y1,...,Yk)ML(x,f(·),ϵ)=f(x)+(Y1,...,Yk)M_L(x, f(·),\epsilon)=f(x)+(Y_1,...,Y_k)，其中Y是从Lap（∆f / \ epsilon）得出的iid随机变量Lap(Δf/ϵ)Lap(∆f/ϵ)Lap(∆f/\epsilon) 以及： 要生成Y（X），通常的选择是使用均值为零且标度参数为（（f）/ε）的拉普拉斯分布

9 random-generation  laplace-distribution  differential-privacy 

我需要一种算法来采样截断的多项式分布。那是， x⃗ ∼1Zpx11…pxkkx1!…xk!x→∼1Zp1x1…pkxkx1!…xk!\vec x \sim \frac{1}{Z} \frac{p_1^{x_1} \dots p_k^{x_k}}{x_1!\dots x_k!} 其中是归一化常数，\ vec x具有k个正分量，并且\ sum x_i = n。我只考虑\ vec {x}在\ vec a \ le \ vec x \ le \ vec b范围内的值。→ X ķ Σ X 我 = Ñ → X → 一个 ≤ → X ≤ → bZZZx⃗ x→\vec xkkk∑xi=n∑xi=n\sum …

9 algorithms  multinomial  random-generation 

众所周知，计算机中的随机数生成器不会生成真正的随机数，而是会生成伪随机数。此外，某些RNG优于其他RNG，而某些RNG则比其他RNG更好。 当使用不良RNG或实施不良RNG并加以利用时，有哪些示例？ 我发现的例子是 罗恩·哈里斯（Ron Harris）在基诺（Keno）作弊 - 迈克尔·拉尔森（Michael Larsen）殴打“按运气” 使用可预测的RNG进行的早期在线扑克游戏www.cigital.com/papers/download/developer_gambling.php

9 random-generation  history 

ppp111−1−1-1det=−1det=−1\det=-1 我们可以通过将正交矩阵的的正负号更改为负号来更改它的任何一列（或更一般地，其任意奇数个列）。detdet\det 我的问题是：鉴于我们会反复生成这样的随机矩阵，如果每次我们选择只恢复特定列的符号（例如，始终为第一个或始终为最后一个），是否会在它们的统一随机性上引入一些偏差？还是我们必须随机选择列以使矩阵表示随机均匀分布的集合？

9 mathematical-statistics  matrix  random-generation  rotation  determinant 

我从来没有参加过正式的统计学课程，但是由于我的研究领域，我经常遇到一些应用了几种统计学概念的文章。 通常，我会看到对适用于给定情况的蒙特卡洛过程的描述，对于我可以从10次中收集到9次的结果，可以归结为简单的随机人口总体及其后续研究。 我的问题：在统计世界中，蒙特卡洛（Monte Carlo）是一种代码字，适用于涉及点/种群/等的随机生成的任何算法吗？

9 monte-carlo  random-generation 

我有兴趣找到一种过程来模拟与指定的中介模型一致的数据。根据测试调解模型的一般线性结构方程模型框架，该模型首先由Barron和Kenny（1986）概述，并在Judd，Yzerbyt和Muller（2013）等其他地方进行了介绍，其结果模型为调解模型YYY，介体和预测变量，并由以下三个回归方程式控制： 通过对 的间接作用或中介作用可以定义为或等效地定义为。在旧的调解测试框架下，通过测试方程式1中的，建立了调解medmed\newcommand{\med}{\rm med} \medXXXYmedY=b11+b12X+e1=b21+b22X+e2=b31+b32X+b32med+e3(1)(2)(3)(1)Y=b11+b12X+e1(2)med=b21+b22X+e2(3)Y=b31+b32X+b32med+e3\begin{align} Y &= b_{11} + b_{12}X + e_1 \tag{1} \\ \med &= b_{21} + b_{22}X + e_2 \tag{2} \\ Y &= b_{31} + b_{32}X + b_{32} \med + e_3 \tag{3} \end{align}XXXYYYmedmed\medb22b32b22b32b_{22}b_{32}b12−b32b12−b32b_{12}-b_{32}b12b12b_{12}b22b22b_{22}等式2中的。b32b32b_{32} 到目前为止，我已经尝试使用in 来模拟与各种回归系数的值一致的和值，例如以下代码：medmed\medYYYrnormR x <- rep(c(-.5, .5), 50) med <- 4 + .7 * x + …

9 r  regression  simulation  random-generation  mediation