Question

存在具有有限状态的给定分布p，并且分布是p = {p_1，p_2，...，p_n}。每个p_i表示状态i发生的概率。

根据这种分布，我倾向于采样，或者预测下一个状态将是什么。据我所知，这个问题可以通过轮盘方法实现。轮盘赌方法的代码如下：

int Sample(int * p, int n){
    for(int i = 1; i < n; i++){
        p[i] += p[i - 1];//Accumulate probability
    }
    double ran_val = (double) rand() / RAND_MAX;//Generate random number between [0,1]
    int index = 0;
    for(; index < n; index++){
        if(ran_val < p[index]){
            break;
        }
    }
    return index;
}

我们首先累加从第二行到最后一行的概率，然后在[0,1]之间随机加一个val（我们假设$ \ sum {p_i} = 1 $）。在下一步中，我们检查val落入哪个区间，并返回相应的区间索引（或状态编号）。

例如，对于4个状态1,2,3,4，给定分布为{0.1,0.2,0.3,0.4}。累积后，它达到{ 0.1 ，0.1 + 0.2 = 0.3 ，0.3 + 0.3 = 0.6 ，0.6 + 0.4 = 1.0 }。一旦我们随机一个val，比如0.5。程序将检查间隔[0,0.1]，然后检查[0.1,0.3）和[0.3,0.6]等等，以确定将落入哪个val。在这种情况下，状态3将是答案。

据我所知，这种方法是最好的实施策略。上面的代码实现了数组p的两个循环遍历（当然它只能在一轮内简化）。但是，有没有其他方法可以完成比上述更好的随机样本任务，可能更少的时间复杂度或更多的可解释性？如果您有想法，可以提供一些参考或链接吗？

任何更好的随机样本生成具有给定分布的策略？

0 个答案: