srou.new(Runuran)
srou.new()所属R语言包：Runuran
UNU.RAN generator based on Simple Ratio-Of-Uniforms Method (SROU)
UNU.RAN发电机的基础上简单的比率制服的方法（SROU）
译者：生物统计家园网 机器人LoveR
描述----------Description----------
UNU.RAN random variate generator for continuous distributions with given probability density function (PDF). It is based on the Simple Ratio-Of-Uniforms Method ("SROU").
UNU.RAN给定的概率密度函数（PDF）的连续分布的随机变量发生器。它是基于在简单的其中-制服比率方法（SROU）。
[Universal] – Rejection Method.
[通用] - 抑制方法。
用法----------Usage----------
srou.new(pdf, lb, ub, mode, area, islog=FALSE, r=1, ...)
sroud.new(distr, r=1)
参数----------Arguments----------
参数：pdf
probability density function. (R function)
概率密度函数。 （R功能）
参数：lb
lower bound of domain; use -Inf if unbounded from left. (numeric)
域的下界使用-Inf如果左无界。 （数字）
参数：ub
upper bound of domain; use Inf if unbounded from right. (numeric)
上界域;使用Inf，如果无界右。 （数字）
参数：mode
location of the mode. (numeric)
模式的位置。 （数字）
参数：area
area below pdf. (numeric)
面积低于pdf。 （数字）
参数：islog
whether pdf is given as log-density (the dpdf must then be the derivative of the log-density). (boolean)
是否pdf给出作为记录密度（dpdf的然后必须的记录密度的衍生物）。 （布尔）
参数：...
(optional) arguments for pdf.
（可选）参数pdf。
参数：distr
distribution object. (S4 object of class "unuran.cont")
发行对象。 （S4类的对象"unuran.cont"）
参数：r
adjust algorithm to heavy-tailed distribution. (numeric)
调整算法来重尾分布。 （数字）
Details
详细信息----------Details----------
This function creates a unuran object based on "SROU" (Simple Ratio-Of-Uniforms Method). It can be used to draw samples of a continuous random variate with given probability density function using ur.
这个函数创建一个unuran对象“SROU”（简单的比率制服方法）的基础上。它可以用来抽取样本的连续随机变量的概率密度函数使用ur。
The density pdf must be positive but need not be normalized (i.e., it can be any multiple of a density function). It must be T_c-concave for c = -r/(r+1); this includes all log-concave distributions.
密度pdf必须是正的，但不必进行归一（即，它可以是任何的密度函数的倍数）。它必须是T_c凹c = -r/(r+1)，这包括所有的log凹分布。
The (exact) location of the mode and the area below the pdf are essential.
的位置（精确）以下的mode和区域的pdf是必不可少的。
Alternatively, one can use function sroud.new where the object distr of class "unuran.cont" must contain all required information about the distribution.
另外，我们可以使用函数sroud.new对象distr类"unuran.cont"的分布必须包含所有需要的信息。
The acceptance probability decreases with increasing parameter r. Thus it should be as small as possible. On the other hand it must be sufficiently large for heavy tailed distributions. If possible, use the default r=1.
接受概率减小，增加参数r。因此它应该是尽可能小。另一方面，它必须有足够大的重尾分布。如果可能的话，使用默认的r=1。
Compared to tdr.new it has much slower marginal generation times but has a faster setup and is numerically more robust. Moreover, It also works for unimodal distributions with tails that are heavier than those of the Cauchy distribution.
相比tdr.new慢得多的边际代次，但有一个更快的设置，并在数值上更强大的。此外，它也适用于重比柯西分布的单峰分布的尾巴。
值----------Value----------
An object of class "unuran".
对象的类"unuran"。
（作者）----------Author(s)----------
Josef Leydold and Wolfgang H\"ormann
<a href="mailto:unuran@statmath.wu.ac.at">unuran@statmath.wu.ac.at</a>.
参考文献----------References----------
Automatic Nonuniform Random Variate Generation. Springer-Verlag, Berlin Heidelberg. Sections 6.3 and 6.4.
参见----------See Also----------
ur, unuran.cont, unuran.new, unuran.
ur，unuran.cont，unuran.new，unuran。
实例----------Examples----------
## Create a sample of size 100 for a Gaussian distribution.[＃创建一个样本大小为100的高斯分布。]
pdf <- function (x) { exp(-0.5*x^2) }
gen <- srou.new(pdf=pdf, lb=-Inf, ub=Inf, mode=0, area=2.506628275)
x <- ur(gen,100)
## Create a sample of size 100 for a Gaussian distribution.[＃创建一个样本大小为100的高斯分布。]
## Use 'dnorm'.[＃使用dnorm“。]
gen <- srou.new(pdf=dnorm, lb=-Inf, ub=Inf, mode=0, area=1)
x <- ur(gen,100)
## Alternative approach[＃另一种方法]
distr <- udnorm()
gen <- sroud.new(distr)
x <- ur(gen,100)
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-9-28 23:47:15
