- Tytuł:
-
Porównanie generatorów liczb pseudolosowych
Comparison of normal random number generators - Autorzy:
- Sulewski, Piotr
- Powiązania:
- https://bibliotekanauki.pl/articles/962662.pdf
- Data publikacji:
- 2019
- Wydawca:
- Główny Urząd Statystyczny
- Tematy:
-
rozkład normalny
generator liczb pseudolosowych
symulacje Mon-te Carlo
normal distribution
pseudo-random number generator
monte carlo simulation - Opis:
-
Losowanie prób w badaniach statystycznych i w obliczeniach numerycznych, jak również symulacyjne badanie modeli probabilistycznych właściwie we
wszystkich dziedzinach wiedzy wymagają wyposażenia komputera w generatory liczb
pseudolosowych. Głównym celem pracy jest porównanie generatorów liczb pseudolosowych normalnych na podstawie ich analizy dokonanej za pomocą różnego rodzaju kryteriów. Zbadano właściwości 12 generatorów liczb pseudolosowych o rozkładzie normalnym. Zaproponowano rozszerzenie rodziny generatorów o dwa tzw. generatory aplikacyjne oraz przyjęcie nowego podejścia do sprawdzania jakości generatorów. Przedstawiono
narzędzie przygotowane w języku C++ oraz w języku Visual Basic for Application (VBA)
do prowadzenia samodzielnych badań z użyciem generatorów. Symulacje Monte Carlo
przeprowadzono w języku C++, a obliczenia wykonano w edytorze VBA przy użyciu arkusza kalkulacyjnego Microsoft Excel 2016. Analiza uzyskanych wyników wskazuje, że
najlepsze właściwości mają generatory: MP Monty Pythona, R, Biegun oraz Ziggurat.
Najmniej użyteczne okazują się generatory: BM Boxa-Mullera, Wallace’a, Iloraz oraz
Excel.
The sampling in statistical surveys and numerical calculations as well as simulation testing of probabilistic models in virtually all fields of knowledge require a computer endowed with pseudorandom numbers generators. The main goal of the study is to compare the normal random number generators using various criteria. The properties of 12 random number generators for a normal distribution were investigated. Then, the family of generators was extended by two so-called application generators and a new approach for checking the quality of generators was adopted. A ready-made tool prepared in C++ and in Visual Basic for Application (VBA) for conducting self-contained research using generators was presented. All Monte Carlo simulations were carried out in C++, while the calculations were performed in the VBA editor using the Microsoft Excel 2016 spreadsheet. The analysis of the obtained results shows that the generators with best properties are: MP Monty Python, R, Biegun and Ziggurat. The worst generators, are: BM Box-Muller, Wallace, Iloraz and Excel. - Źródło:
-
Wiadomości Statystyczne. The Polish Statistician; 2019, 64, 7; 5-31
0043-518X - Pojawia się w:
- Wiadomości Statystyczne. The Polish Statistician
- Dostawca treści:
- Biblioteka Nauki
Artykuł