使用Log-logistic和Burr分佈生成隨機數

我試圖從真實數據生成分佈。我使用R包tdistrplus來獲取分佈的參數。 R包中的分佈是：帕累託，對數正態，對數邏輯和伯爾。但是，我無法在NetLogo中找到這些發行版。我需要爲他們寫一個函數。我已經找到帕累託和對數正態分佈在其他論壇：使用Log-logistic和Burr分佈生成隨機數

;; Pareto distribution (Pareto from R package: tdistrplus) 
to-report random-pareto [alpha mm] 
report mm/(random-float 1^(1/alpha)) 
end 

;; lognormal distribution (lnorm from R package: tdistrplus) 
to-report log-normal [mu sigma] 
let beta ln (1 + ((sigma^2)/(mu^2))) 
let x exp (random-normal (ln (mu) – (beta/2)) sqrt beta) 
report x 
end

但是，我無法找到日誌，物流和毛刺發行完成的功能或隨機數的表達，只有概率密度函數從中我不知道該如何表達X（Matchad找不到解決方案，或者我錯誤地使用它）。

我會很感激任何建議（使我的博士論文需要基於真實數據進行仿真）。

先進的謝謝

來源

2017-08-09 Valentas Gruzauskas

你想要什麼？從R中的這些分佈生成隨機數據？ –

我想通過使用適合實際數據的分佈來模擬需求變化，從而在NetLogo中對供應鏈進行建模。在R中，我已經使用package tdistrplus來獲取Burr和log-logistics分佈的係數。我想在NetLogo中輸入這些係數來模擬我的真實數據。但是，我不知道Burr和Log-logistics在Netlogo中生成隨機數據的功能，它們是內置的R。輸出R：毛刺（shape1 = 0.9283009，shape2 = 2.3864253，rate = 1.0484444） log-logistics（2.3224812 = 0.559 4916，scale = 0.9898947） –

使用Burr和log-logistics分佈在NetLogo中生成隨機數據 –

Wrt log-logistics，逆CDF方法應該可以正常工作。從wiki

to-report random-loglogistics [alpha beta] 
    let r random-float 1 
    let q r/(1-r) 
    let x alpha exp (ln (q)/beta) 
    report x 
end

我趕緊看着毛刺的採樣以下約定 - 可能通過逆CDF以及完成。繼wiki

to-report random-burr [c k] 
    let r random-float 1 
    let q exp (- ln(r)/k) - 1 
    let x exp (ln(q)/c) 
    report x 
end

UPDATE

我的NetLogo曾經使用很久以前的事，所以我們只寫一些公式，你可以重寫代碼。

登錄物流

CDF（X | α，β）=（X/α）^β /（1 +（X/α）^β）

逆CDF裝置樣品x使用

x = CDF ^-1（r），其中r是隨機均勻U（0,1）

因此，（X/α）^β = Q = R /（1-R），以及 X = α q ^1/β

伯爾

CDF（X | C，K）= 1 - （1 + X ^Ç）^-k

逆CDF意味着使用樣品x

X = CDF ^-1（r），其中r是隨機的一致的U （0,1）

（1 + X ^ç）^-k = R

（1 + X ^ç）=（1/R）^的1/k

X =（（1/R）^的1/k - 1）^1/C

請檢查我的數學，並在代碼所有這些權力通過exp和ln表示。約定根據維基百科

來源

2017-08-09 15:30:51

非常感謝您的幫助:) –

我只是有一個問題。隨機浮動需要一個輸入，一個數字。我應該怎樣設置它？我認爲這很重要，因爲有時我會在毛刺分佈中發現錯誤，指出「不能取-0.008的對數。」 –

@ValentasGruzauskas對不起，曾經使用NetLogo一次。應該是'隨機浮動1'。 –

使用Log-logistic和Burr分佈生成隨機數

回答

相關問題