uniform_method::standard
uniform_method::accurate
|
uniform
|
標準メソッド。現在、これらの関数には 1 つのメソッドしかありません。uniform_method::accurate は追加の s および d データタイプをチェックします。integer データタイプの場合、d を BRNG データタイプとして使用します (s BRNG データタイプは GPU 上のuniform_method::standard メソッドで使用されます)。 |
gaussian_method::box_muller
|
gaussian
|
次の式に従って、均一に分布する数値 u1 と u2 のペアから正規分布する乱数 x を生成します。 \(x = \sqrt {-2 \ln u_1} \sin {2 \pi u_2}\) |
gaussian_method::box_muller2
|
gaussian
|
次の式に従って、均一に分布する数値 u1 と u2 のペアから正規分布する乱数 x1 と x2 を生成します: \(x_1 = \sqrt{-2 \ln u_1} \sin {2 \pi u_2}\) \(x_2 = \sqrt{-2 \ln u_1} \cos {2 \pi u_2}\)
対数正規分布: 生成された正規分布の乱数 x1 と x2 は対数正規分布に変換されます。 |
gaussian_method::icdf geometric_method::icdf
|
gaussian
geometric
|
逆累積分布関数 (ICDF) 法。 |
exponential_method::icdf exponential_method::icdf_accurate
|
exponential
|
逆累積分布関数 (ICDF) 法。 |
weibull_method::icdf
weibull_method::icdf_accurate
|
weibull
|
逆累積分布関数 (ICDF) 法。 |
cauchy_method::icdf
|
cauchy
|
逆累積分布関数 (ICDF) 法。 |
rayleigh_method::icdf
rayleigh_method::icdf_accurate
|
rayleigh
|
逆累積分布関数 (ICDF) 法。 |
lognormal_method::icdf lognormal_method::icdf_accurate
|
lognormal
|
逆累積分布関数 (ICDF) 法。 |
lognormal_method::box_muller2 lognormal_method::box_muller2_accurate
|
lognormal
|
正規分布の乱数 x1 と x2 は、次の式に従って均一に分布する数値 u1 と u2 のペアを通じて生成されます: \(x_1 = -2 \ln u_1 \sin {2 \pi u_2}\) \(x_2 = -2 \ln u_1 \cos {2 \pi u_2}\)
次に、x1 と x2 は対数正規分布に変換されます。 |
gumbel_method::icdf
|
gumbel
|
逆累積分布関数 (ICDF) 法。 |
bernoulli_method::icdf
|
bernoulli
|
逆累積分布関数 (ICDF) 法。 |
gamma_method::marsaglia gamma_method::marsaglia_accurate
|
gamma
|
α > 1 の場合、ガンマ分布乱数は、適切にスケールされた正規乱数の立方として生成されます。0.6 ≤α < 1 の場合、ガンマ分布乱数は、ワイブル分布からの棄却を使用して生成されます。α < 0.6 の場合、ガンマ分布乱数は、指数分布の変換を使用して取得されます。α = 1 の場合、ガンマ分布は指数分布に縮小されます。
|
beta_method::cja
beta_method::cja_accurate
|
beta
|
チェン・ジョンク・アトキンソン法。min(p, q) > 1 の場合、Cheng 法が使用されます。min(p, q) < 1 の場合、Johnk 法が使用されます。q + K·p2+ C≤ 0 (K = 0.852..., C=-0.956...) の場合、それ以外の場合は Atkinson スイッチング アルゴリズムが使用されます。max(p, q) < 1 の場合、Johnk 法が使用されます。min(p, q) < 1, max(p, q)> 1 の場合、Atkinson スイッチング アルゴリズムが使用されます (CJA は Cheng、Johnk、Atkinson の略)。p = 1 または q = 1 の場合、逆累積分布関数法が使用されます。p = 1 および q = 1 の場合、ベータ分布は均一分布に縮小されます。 |
chi_square_method::gamma_based
|
chi_square
|
(最も一般的): ν ≥ 17 または ν が奇数で 5 ≤ ν ≤ 15 の場合、カイ二乗分布は次のパラメーターを持つガンマ分布に簡約されます: 形状 α = ν / 2 、オフセット a = 0、スケール係数 β = 2。ガンマ分布の乱数が生成されます。 |
gaussian_mv_method::box_muller gaussian_mv_method::box_muller2 gaussian_mv_method::icdf
|
gaussian_mv
|
多変量ガウス分布に対する BoxMuller 法。多変量ガウス分布に対する BoxMuller_2 法。逆累積分布関数 (ICDF) 法。 |
binomial_method::btpe
|
binomial
|
4つの領域に分解した ntrial·min(p, 1p) ≥ 30 の受け入れ/拒否法:
2 つの平行四辺形
三角形
左指数関数の末尾
右指数関数の末尾
|
poisson_method::ptpe
|
poisson
|
4つの領域に分解した λ≥ 27 の受け入れ/拒否法:
2 つの平行四辺形
三角形
左指数関数の末尾
右指数関数の末尾
|
poisson_method::gaussian_icdf_based poisson_v_method::gaussian_icdf_based
|
poisson poisson_v
|
λ≥ 1 の場合、ガウス逆 CDF によるポアソン逆 CDF 近似に基づく方法。λ < 1 の場合、テーブル・ルックアップ法が使用されます。
|
hypergeometric_method::h2pe
|
hypergeometric
|
3 つの領域に分解した大規模分布モードの受け入れ/拒否法:
長方形
左指数関数の末尾
右指数関数の末尾
|
negative_binomial_method::nbar
|
negative_binomial
|
承認/拒否法: \(\frac{(a-1) \cdot (1-p)}{p} \geq 100\) を 5 つの領域に分解します。
長方形
(２) 台形
左指数関数の末尾
右指数関数の末尾
|
multinomial_method::poisson_icdf_based
|
multinomial
|
パラメーター m、k、および確率ベクトル p を持つ多項分布。多項分布の乱数はポアソン近似法によって生成されます。 |
