用c语言 产生服从均匀分布, 瑞利分布，莱斯分布，高斯分布的随机数
一,各个分布对应的基本含义:
- 1. 均匀分布或称，顾名思义，均匀的，不偏差的。植物种群的个体是等距分布，或个体之间保持一定的均匀的间距。
- 2. 高斯分布, 即正态分布（Normal distribution），也称“常态分布”，又名（Gaussian distribution），最早由A.棣莫弗在求的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。[1] 是一个在、物理及工程等领域都非常重要的分布，在统计学的许多方面有着重大的影响力。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为。若X服从一个为μ、为σ^2的正态分布，记为N(μ，σ^2)。其为正态分布的μ决定了其位置，其σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是。
- 3. 瑞利分布（Rayleigh Distribution）:当一个随机二维向量的两个分量呈独立的、有着相同的方差的正态分布时，这个向量的模呈瑞利分布.
- 4. 莱斯分布（Rice distribution或Rician distribution）是一种连续概率分布，以美国科学家斯蒂芬·莱斯（en:Stephen O. Rice）的名字命名。 正弦波加窄带高斯过程的包络概率密度函数分布称为莱斯（Rice）密度函数，也称广义瑞利分布。
二, 各个分布对应的随机变量产生的算法,
1 # include "stdio.h" 2 # include "math.h" 3 # include "stdlib.h" 4 # include "math.h" 5 # include "dos.h" 6 # define MAX_N 3000 /*这个值为N可以定义的最大长度*/ 7 # define N 100 /*产生随机序列的点数，注意不要大于MAX_N*/ 8 9 /*1.产生均匀分布的随机变量*/ 10 void randa(float *x,int num); 11 12 /*2.产生瑞利分布的随机变量*/ 13 void randr(float *x,int num); 14 15 /*3.产生标准高斯分布的随机变量*/ 16 void randn(float *x,int num); 17 18 /*4.产生莱斯分布的随机变量*/ 19 void randl(float *x, float a, float b, int num); 20 21 void fshow(char *name,float *x,int num); 22 23 /***************************************/ 24 int main() 25 { 26 27 float x[N]; 28 int i; 29 30 // randa(&x,N); //均匀分布 31 // randr(&x,N); //瑞利分布 32 // randl(&x,10,10,N); //莱斯分布 33 randn(&x,N); //高斯分布 34 35 /*此时x[N]表示要生成N个服从xx分布的的数组*/ 36 37 38 fshow("x",&x,N); /*显示该序列*/ 39 40 getch(); return 0; 41 42 } 43 /***************函数定义************************/ 44 45 /*产生服从均匀分布的随机变量*/ 46 void randa(float *x,int num) 47 { 48 int i; 49 struct time stime; 50 unsigned seed; 51 gettime(&stime); 52 seed=stime.ti_hund*stime.ti_min*stime.ti_hour; 53 srand(seed); 54 for(i=0;i 0) printf(" %f ",x[i]);138 else printf("%f ",x[i]);139 }140 }
其他分布的详细介绍, 请戳这里:
国外知名网站给出的各种分布的曲线图(后台程序驱动):
---OVER---
附录: Cauchy 分布 随机数生成代码:
1 import math 2 import random 3 4 def cauchy(location, scale): 5 6 # Start with a uniform random sample from the open interval (0, 1). 7 # But random() returns a sample from the half-open interval [0, 1). 8 # In the unlikely event that random() returns 0, try again. 9 10 p = 0.011 while p == 0.0:12 p = random.random()13 14 return location + scale*math.tan(math.pi*(p - 0.5))