আসুন প্রথমে ধরে নিই যে আপনি এর মধ্যে নমুনা নিতে চান
x + y + z = 1
0 ≤ x ≤ 1
0 ≤ y ≤ 1
0 ≤ z ≤ 1
এটি কোনও তাত্পর্যপূর্ণ হয় না, যেহেতু নমুনা পয়েন্টটি এখনও আপনার সম্ভাব্য ক্ষেত্রটিতে উচ্চ সম্ভাবনার সাথে থাকবে area
এখন আপনি একটি সরলিকাস থেকে একটি পয়েন্ট নমুনা দিয়ে বাকি । 3 ডি উদাহরণে আপনি 3 ডি তে উপলব্ধ একটি 2 ডি সিমপ্লেক্স (ত্রিভুজ) পান।
এলোমেলোভাবে কীভাবে এক পয়েন্ট বাছাই করা যায় তা এই ব্লগ পোস্টে আলোচনা করা হয়েছিল (মন্তব্যগুলি দেখুন)।
আপনার সমস্যার জন্য এটির অর্থ আপনি বিরতি ( 0 , 1 ) থেকে 1 - 1 এলোমেলো নম্বর নিয়েছেন , তারপরে আপনি এন + 1 সংখ্যার একটি তালিকা পেতে 0 এবং 1 যুক্ত করেন । আপনি তালিকাটি সাজান এবং তারপরে আপনি পর পর দুটি উপাদানগুলির মধ্যে পার্থক্য রেকর্ড করেন। এটি আপনাকে এন সংখ্যার একটি তালিকা দেয় যা মোটামুটি 1 হবে । তাছাড়া এই নমুনাটি অভিন্ন। এই ধারণাটি ডোনাল্ড বি রুবিনে পাওয়া যাবে, দ্য বায়সিয়ান বুটস্ট্র্যাপ আন। পরিসংখ্যানবিৎ। 9, 1981, 130-134।n−1(0,1)01n+1n1
উদাহরণস্বরূপ ( ) আপনার কাছে তিনটি এলোমেলো সংখ্যা রয়েছে তারপরে আপনি সাজানো ক্রমটি পাবেন এবং এটি পার্থক্য দেয় এবং নির্মাণের মাধ্যমে এই চারটি সংখ্যা 1 পর্যন্ত যোগফল।n=40.4 0.2 0.1
0 0.1 0.2 0.4 1
0.1 0.1 0.2 0.6
আরেকটি পদ্ধতির নিম্নলিখিতটি হ'ল হাইপারকিউব থেকে প্রথম নমুনা (যা আপনি ভুলে গেছেন x+y+z=1
) এবং তারপরে নমুনা বিন্দুকে স্বাভাবিক করুন। সাধারণীকরণ হ'ল হাইপারকিউব থেকে ডি - ১- সিমপ্লেক্সে প্রক্ষেপণ । এটি স্বজ্ঞাতভাবে পরিষ্কার হওয়া উচিত যে সিমপ্লেক্সের কেন্দ্রে অবস্থিত পয়েন্টগুলির বাইরের চেয়ে বেশি "প্রাক-চিত্র-পয়েন্ট" রয়েছেঘঘ- 1 । অতএব, আপনি যদি হাইপারকিউব থেকে সমানভাবে নমুনা করেন তবে এটি আপনাকে সিমপ্লেক্সে অভিন্ন নমুনা দেয়। তবে, যদি আপনি হাইপারকিউব থেকে একটি উপযুক্ত এক্সপোনেনশিয়াল ডিস্ট্রিবিউশন সহ নমুনা করেন তবে এই প্রভাবটি বাতিল হয়ে যায়। চিত্রটি আপনাকে ধারণা দেয় যে উভয় পদ্ধতি কীভাবে নমুনা দেবে। তবে, "সর্টিং" পদ্ধতিটি এর সাধারণ ফর্মের কারণে আমি পছন্দ করি। এটি প্রয়োগ করাও সহজ।