Question

是否有可能在区间[0,1]中生成均匀分布的BigFloat类型的随机数？

我的意思是，由于rand(BigFloat)不可用，我们似乎必须使用BigFloat(rand())作为结尾。然而，这对我来说并不令人满意，因为我们正在生成随机Float64数字，这些数字基本上被转换为BigFloats＆＃34;添加＆＃34;一串零，但实质上它们是Float64个随机数。它是否正确？如果是，是否有任何特殊的库来生成任意精度的随机数？

Answer 1

对于未来的读者（使用Julia 0.7+），您可以使用julia> rand(BigFloat) 5.381468355278042619008060591939155580805097923053455073547599255767645416051576e-01 julia> rand(BigFloat) 6.678413824545014328186230919629061895976571434256056298415613736582692882364622e-01 julia> rand(BigFloat) 1.388732949711447354224342960598222355426512649106497530016925083999303683268617e-01执行此操作。截至https://github.com/JuliaLang/julia/pull/22720 （您当然可以将该代码移植到0.6，并在MIT许可下使用它。）

现在正在开发0.7-dev：

{{1}}

Answer 2

这种方法是否合适：

randbigfloat(n) = 
  ( e = rand(0:n) ; 
    parse(BigFloat, join([rand('0':'9', e)...,'.',rand('0':'9', n-e)...])) )

使用方法：

julia> randbigfloat(10)
3.09424947699999999999999999999999999999999999999999999999999999999999999999999e+05

julia> randbigfloat(10)
7.146482599999999999999999999999999999999999999999999999999999999999999999999975

它可能不是最有效的方法。

Answer 3

这个答案类似于@Dan Getz's 但我更确切地说它是统一的（说实话，我没有做过检查或绘图或任何东西的测试）。 @ Dan可能是，我只是不确定。这个答案还考虑了可以调整的BigFloat的精度等级。（与直觉相反，也许某些BigFloat的精度可能低于普通Float64等。

Base.rand(::Type{BigFloat}) =  get(tryparse(BigFloat, "0." .* join(rand(['0','1'], precision(BigFloat))), 2))

示例：

julia> rand(BigFloat)
5.775971375531676786209502831045802088939348666270278366043732289527176430673822e-02

julia> rand(BigFloat)
3.061194516436133765062723761241255852372302334681778915000436918803432772307184e-01

julia> rand(BigFloat)
     1.39772524343615633719535808470123032232713877796596771875414945796651457395665e-01

Notion是BigFloat具有已知的精度，因此我们应该生成那么多随机位。当我们在[0,1]之间生成时，我们知道base-2表示是0.。所以我们在base-2中生成字符串并在base 2中解析它。

随机BigFloats朱莉娅

3 个答案: