The Exact-Approximation Method for Generating Random Variables in a Computer
计算机随机变量生成的精确近似方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用随机数生成算法，未提供归入所列计量应用细分的依据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
计算机随机变量生成的精确近似方法
- 研究问题
- 如何利用分布反函数的近似提高随机变量生成速度，同时通过校正保持目标分布的精确性而非仅近似抽样？
- 方法与思路
- 作者选取合适的分布反函数近似，通过调整近似函数的输入使生成方法精确，并说明基本方法、扩展和四个例子。
- 材料陈述的贡献
- 摘要称该构造可实现精确且快速的随机变量生成，其中 gamma 和 t 随机变量的示例具有更快生成的潜力。
- 阅读关注点
- 核对输入调整如何保证精确性、近似函数的要求，以及速度比较所用实现、参数范围和计算成本的计量方式。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；速度优势只是摘要所述潜力，比较对象属于论文当时背景，不能推断当前性能。
原文摘要
A suitably chosen approximation to the inverse of a probability distribution can lead to exact and very fast methods for generating random variables, if the approximation is made exact by adjusting the argument of the approximating function. This article describes the basic method and extensions of it. It gives four examples, of which two are methods for generating gamma- and t-variates that, while meant to illustrate the basic method, show promise of being faster than the best current methods.