Unity与高斯分布——Part2：生成服从高斯分布的数_unity 高斯分布随机

原文链接：https://www.alanzucconi.com/2015/09/16/how-to-sample-from-a-gaussian-distribution/

---

• 第一步：从平均分布到高斯分布

假设有两个独立随机变量X, Y服从高斯分布：

若在二维平面上采样横纵坐标分别为(X, Y)的点，得到的图为：

点(X, Y)在该平面上的联合概率密度函数为：

将平面直角坐标系转换为极坐标系：

则点的横纵坐标可记做：

则联合概率密度函数可写作：

这又可以看成是两个独立的概率分布的联合：

这里的已经服从均匀分布了，回忆一下质数分布的定义：

发现R也服从均匀分布：

这样，两个变量就都服从均匀分布了，因此高斯分布可以用两个均匀分布来生成。

 

• 第二步

现在反推第一步的流程，得到生成高斯分布的算法：

（1）生成两个服从U[0, 1]均匀分布的变量

（2）由这两个变量生成R和：，

（3）将从极坐标系转换成笛卡尔坐标系

这就是 Box-Muller transform。下图显示了在单位正方形里用Box-Muller transform将均匀分布的点映射成高斯分布的方式。

 

• 第三步：Marsaglia polar method

Box-Muller transform的问题是：它本身使用了复杂的三角函数，这很影响运算速度。为解决该问题，Marsaglia polar method出现了。它是由一个服从二维（-1，1）的均匀分布的点中产生的。这个点必须在单位圆中出现，且不能是原点（0，0）。如果不满足上述条件，则选择下一个点。代码如下：

public static float NextGaussian() {
    float v1, v2, s;
    do {
        v1 = 2.0f * Random.Range(0f,1f) - 1.0f;
        v2 = 2.0f * Random.Range(0f,1f) - 1.0f;
        s = v1 * v1 + v2 * v2;
    } while (s >= 1.0f || s == 0f);
 
    s = Mathf.Sqrt((-2.0f * Mathf.Log(s)) / s);
 
    return v1 * s;
}

该方法中大约21%的点会被排除。

 

• 第四步：映射到任意高斯曲线

第三步中的算法提供了一种从中采样的方法。我们可以用如下方法将其转换为任意的正态分布：

public static float NextGaussian(float mean, float standard_deviation)
{
    return mean + NextGaussian() * standard_deviation;
}

还有一个问题是，高斯分布可能会产生偏离均值很远的极值，这不是我们想要的结果。如何生成有着最值限制的，服从高斯分布的随机函数呢？代码如下所示：

public static float NextGaussian (float mean, float standard_deviation, float min, float max) {
	float x;
	do {
		x = NextGaussian(mean, standard_deviation);
	} while (x < min || x > max);
	retun x;
}