random_continuous.c 文件参考

#include <math.h>
#include "random_internal.h"

random_continuous.c 的引用(Include)关系图:

浏览该文件的源代码.

函数
lmmc_status_t	lmmc_rng_gamma (lmmc_rng_t *rng, lmmc_real_t shape, lmmc_real_t scale, lmmc_real_t *out)
	生成 Gamma 分布样本 \(\mathrm{Gamma}(\alpha, \beta)\) 。
lmmc_status_t	lmmc_rng_beta (lmmc_rng_t *rng, lmmc_real_t alpha, lmmc_real_t beta_param, lmmc_real_t *out)
	生成 Beta 分布样本 Beta(alpha, beta)。
lmmc_status_t	lmmc_rng_chi_squared (lmmc_rng_t *rng, lmmc_real_t df, lmmc_real_t *out)
	生成卡方分布样本 Chi-squared(df)。
lmmc_status_t	lmmc_rng_student_t (lmmc_rng_t *rng, lmmc_real_t df, lmmc_real_t *out)
	生成 Student-t 分布样本 t(df)。
lmmc_status_t	lmmc_rng_f (lmmc_rng_t *rng, lmmc_real_t df1, lmmc_real_t df2, lmmc_real_t *out)
	生成 F 分布样本 F(df1, df2)。

函数说明

lmmc_rng_gamma()

lmmc_status_t lmmc_rng_gamma	(	lmmc_rng_t *	rng,
		lmmc_real_t	shape,
		lmmc_real_t	scale,
		lmmc_real_t *	out )

生成 Gamma 分布样本 \(\mathrm{Gamma}(\alpha, \beta)\) 。

使用 Marsaglia-Tsang 方法（shape >= 1），shape < 1 时使用 \(X = Y \cdot U^{1/\alpha}\) 变换法（Y ~ Gamma(1+α, β)）。

参数

[in]	rng	已初始化的 RNG。
[in]	shape	形状参数 \(\alpha\) （> 0）。
[in]	scale	尺度参数 \(\beta\) （> 0）。
[out]	out	输出样本值。

返回

LMMC_STATUS_OK 成功； LMMC_STATUS_INVALID_ARGUMENT 若参数非有限、shape <= 0、 scale <= 0 或指针为 NULL。

副作用

• 就地修改 rng 的内部状态（消耗多个随机数，次数不确定）。
• 不分配堆内存。

shape < 1 时采用采样恒等式 Gamma(shape) = Gamma(shape+1) * U^(1/shape)。

shape >= 1 时使用 Marsaglia-Tsang 法。

以挤压界快速判定接受。

按完整接受条件判定候选值。

在文件 random_continuous.c 第 4 行定义.

引用了 lmmc_rng_gamma(), lmmc_rng_standard_normal(), LMMC_STATUS_INVALID_ARGUMENT, LMMC_STATUS_OK , 以及 lmmc_rng_t::state.

被这些函数引用 lmmc_rng_chi_squared() , 以及 lmmc_rng_gamma().

函数调用图:

这是这个函数的调用关系图:

lmmc_rng_beta()

lmmc_status_t lmmc_rng_beta	(	lmmc_rng_t *	rng,
		lmmc_real_t	alpha,
		lmmc_real_t	beta_param,
		lmmc_real_t *	out )

生成 Beta 分布样本 Beta(alpha, beta)。

参数

[in]	rng	已初始化的 RNG。
[in]	alpha	参数 alpha（> 0）。
[in]	beta_param	参数 beta（> 0）。
[out]	out	[0,1] 内的有限样本，仅成功时写入。 对数 Gamma 比例支持极小形状参数；舍入或下溢可产生端点 0/1。

返回

LMMC_STATUS_OK 表示成功；LMMC_STATUS_INVALID_ARGUMENT 表示空指针 或非有限、非正形状参数，此时 RNG 保持原状态； LMMC_STATUS_NUMERICAL_FAILURE 表示中间数值无效； LMMC_STATUS_CONVERGENCE_FAILED 表示排除均匀随机数零端点的尝试次数耗尽。

注解

采样失败时 RNG 状态可能已推进。

在文件 random_continuous.c 第 117 行定义.

引用了 lmmc_rng_beta(), LMMC_STATUS_INVALID_ARGUMENT , 以及 LMMC_STATUS_OK.

被这些函数引用 lmmc_rng_beta().

函数调用图:

这是这个函数的调用关系图:

lmmc_rng_chi_squared()

lmmc_status_t lmmc_rng_chi_squared	(	lmmc_rng_t *	rng,
		lmmc_real_t	df,
		lmmc_real_t *	out )

生成卡方分布样本 Chi-squared(df)。

参数

[in]	rng	已初始化的 RNG。
[in]	df	自由度（> 0）。
[out]	out	有限且非负的样本，仅成功时写入；极小正自由度可舍入为零。

返回

LMMC_STATUS_OK 成功；无效参数返回 LMMC_STATUS_INVALID_ARGUMENT； 其余采样失败返回相应数值状态。

在文件 random_continuous.c 第 147 行定义.

引用了 lmmc_rng_chi_squared(), lmmc_rng_gamma(), LMMC_STATUS_INVALID_ARGUMENT, LMMC_STATUS_OK , 以及 lmmc_rng_t::state.

被这些函数引用 lmmc_rng_chi_squared(), lmmc_rng_f() , 以及 lmmc_rng_student_t().

函数调用图:

这是这个函数的调用关系图:

lmmc_rng_student_t()

lmmc_status_t lmmc_rng_student_t	(	lmmc_rng_t *	rng,
		lmmc_real_t	df,
		lmmc_real_t *	out )

生成 Student-t 分布样本 t(df)。

参数

[in]	rng	已初始化的 RNG。
[in]	df	自由度（> 0）。
[out]	out	有限样本，仅成功时写入。

返回

LMMC_STATUS_OK 成功；无效参数返回 LMMC_STATUS_INVALID_ARGUMENT； 样本分母下溢或结果不可表示时返回 LMMC_STATUS_NUMERICAL_FAILURE。

在文件 random_continuous.c 第 177 行定义.

引用了 lmmc_rng_chi_squared(), lmmc_rng_standard_normal(), lmmc_rng_student_t(), LMMC_STATUS_INVALID_ARGUMENT, LMMC_STATUS_NUMERICAL_FAILURE, LMMC_STATUS_OK , 以及 lmmc_rng_t::state.

被这些函数引用 lmmc_rng_student_t().

函数调用图:

这是这个函数的调用关系图:

lmmc_rng_f()

lmmc_status_t lmmc_rng_f	(	lmmc_rng_t *	rng,
		lmmc_real_t	df1,
		lmmc_real_t	df2,
		lmmc_real_t *	out )

生成 F 分布样本 F(df1, df2)。

参数

[in]	rng	已初始化的 RNG。
[in]	df1	分子自由度（> 0）。
[in]	df2	分母自由度（> 0）。
[out]	out	有限且非负的样本，仅成功时写入。

返回

LMMC_STATUS_OK 成功；无效参数返回 LMMC_STATUS_INVALID_ARGUMENT； 样本分母下溢或结果不可表示时返回 LMMC_STATUS_NUMERICAL_FAILURE。

在文件 random_continuous.c 第 211 行定义.

引用了 lmmc_rng_chi_squared(), lmmc_rng_f(), LMMC_STATUS_INVALID_ARGUMENT, LMMC_STATUS_NUMERICAL_FAILURE , 以及 LMMC_STATUS_OK.

被这些函数引用 lmmc_rng_f().

函数调用图:

这是这个函数的调用关系图: