Rastgele Sayı Üretimi
Rastgele sayı üretimi, hedef bir olasılık dağılımından çekilmiş gibi davranan sayı dizileri oluşturur ve Monte Carlo simülasyonu, yeniden örnekleme ve randomize algoritmaların dayandığı stokastik girdileri sağlamaktadır.
Tanım
Rastgele sayı üretimi, birim aralığındaki tekdüze bir kaynaktan başlayarak, belirli bir olasılık dağılımından bağımsız çekilişleri yaklaşık olarak temsil eden sayılar üreten algoritmaların inşası ve analizidir.
Kapsam
Bu alan, tekdüze sözde rastgele diziler üreten deterministik algoritmaları, tekdüze değişkenleri keyfi dağılımlardan örneklere dönüştüren dönüşümleri, kapalı formda tersine çevrilemeyen yoğunluklar için kabul-red şemalarını ve simülasyon tahmincilerinin verimliliğini artıran varyans azaltma araçlarını kapsamaktadır. Donanım entropi kaynakları ve kriptografik üreteçler sınır durumlar olarak belirtilmekle birlikte, odak noktası istatistiksel simülasyon için kullanılan üreteçlerdir.
Alt konular
Temel sorular
- Deterministik bir algoritma, rastgelelik ve tekdüzelik için istatistiksel testleri geçen dizileri nasıl üretebilir?
- Tekdüze bir üreteç verildiğinde, keyfi bir hedef dağılımdan örnekler nasıl elde edilir?
- Doğrudan tersine çevirme imkansız olduğunda, kabul-red örneklemesi bir yoğunluktan nasıl örnekleme yapar?
- Bir simülasyon tahmincisinin varyansı, örneklem büyüklüğü artırılmadan nasıl azaltılabilir?
Temel kuramlar
- Sözde rastgele tekdüze üretim
- Uzun periyotlu ve iyi kafes yapısına sahip bir yineleme, bağımsız tekdüze çekilişlerden istatistiksel olarak ayırt edilemeyen deterministik diziler üretmektedir; kalite, periyot uzunluğu, eşdağılım ve ampirik test bataryaları ile değerlendirilmektedir.
- Dönüşüm yöntemleri
- Olasılık integral dönüşümü ve ilgili yöntemler, tekdüze değişkenleri bir hedef dağılıma eşlemektedir: ters kümülatif dağılım fonksiyonunun uygulanması, değerlendirilebildiği her durumda kesin örnekler sağlamaktadır.
- Kabul-red örneklemesi
- Hedef yoğunluğa baskın olan, kolayca örneklenebilir bir zarftan önerilerde bulunarak ve önerileri yoğunluk oranına eşit bir olasılıkla kabul ederek, tersine çevrilemeyen yoğunluklardan kesin örnekler elde edilmektedir; bu işlemin maliyeti zarfın sıkılığına bağlıdır.
Klinik önem
Güvenilir rastgele sayı üretimi, Monte Carlo entegrasyonu, bootstrap ve permütasyon çıkarımı, Bayesci sonsal örnekleme, randomize deneyler ve bilim dallarındaki simülasyon çalışmalarının temelini oluşturmaktadır; kısa periyotlara veya kafes artefaktlarına sahip kalitesiz üreteçler, simülasyon sonuçlarını sessizce yanlı hale getirebilmektedir, bu nedenle üreteç kalitesi temel bir tekrarlanabilirlik endişesidir.
Tarihçe
Los Alamos'taki ilk Monte Carlo çalışmaları basit eşlenik ve orta kare şemalarına dayanmaktaydı; sonraki on yıllar bu şemaların kusurlarını ortaya çıkarmış ve kafes yapısı ile eşdağılımın titiz teorisini üretmiştir, bu da uzun periyotlu üreteçler ve rastgeleliği değerlendirmek için standartlaştırılmış test paketleriyle sonuçlanmıştır.
Öne çıkan isimler
- Luc Devroye
- Donald Knuth
- Pierre L'Ecuyer
- John von Neumann
İlgili konular
Temel eserler
- devroye1986
- knuth1997
Sıkça sorulan sorular
- Bilgisayar tarafından üretilen rastgele sayılar gerçekten rastgele midir?
- Çoğu sözde rastgeledir: deterministik bir algoritma, bir tohumdan (seed) tekrarlanabilir bir dizi üretmektedir. İyi tasarlanmış üreteçler çok uzun periyotlara sahiptir ve istatistiksel testleri geçmektedir, bu nedenle çıktı, simülasyon amaçları için gerçek rastgelelikten ayırt edilemezken, tohum sabitlendiğinde tam olarak tekrarlanabilir kalmaktadır.
- Ters kümülatif dağılım fonksiyonu neden bu kadar merkezi bir öneme sahiptir?
- Eğer U, (0,1) aralığında tekdüze ise, herhangi bir dağılımın ters kümülatif dağılım fonksiyonunu U'ya uygulamak, o dağılımdan bir örneklem elde edilmesini sağlar. Bu olasılık integral dönüşümü kesindir ve tersi hesaplanabildiği her durumda varsayılan yöntemdir.