用于在Ruby中生成高斯（正态分布）随机数的代码
什么是在ruby中生成正态分布随机数的代码？
（注意：我回答了我自己的问题，但我会等几天才接受，看看是否有人有更好的答案。）
编辑：
搜索到这一点，我查看了两个搜索产生的SO上的所有页面：
+“正态分布”ruby
和
+高斯+随机ruby
Python的random.gauss（）和Boost的normal_distribution都使用Box-Muller变换 ，所以对Ruby也应该足够好。
def gaussian(mean, stddev, rand) theta = 2 * Math::PI * rand.call rho = Math.sqrt(-2 * Math.log(1 - rand.call)) scale = stddev * rho x = mean + scale * Math.cos(theta) y = mean + scale * Math.sin(theta) return x, y end 该方法可以包含在一个逐个返回样本的类中。
class RandomGaussian def initialize(mean, stddev, rand_helper = lambda { Kernel.rand }) @rand_helper = rand_helper @mean = mean @stddev = stddev @valid = false @next = 0 end def rand if @valid then @valid = false return @next else @valid = true x, y = self.class.gaussian(@mean, @stddev, @rand_helper) @next = y return x end end private def self.gaussian(mean, stddev, rand) theta = 2 * Math::PI * rand.call rho = Math.sqrt(-2 * Math.log(1 - rand.call)) scale = stddev * rho x = mean + scale * Math.cos(theta) y = mean + scale * Math.sin(theta) return x, y end end
（CC0）
在法律允许的范围内， antonakos已放弃RandomGaussian Ruby类的所有版权及相关或相邻权利。 这项工作发表于：丹麦。
许可声明并不意味着我关心此代码。 相反，我不使用代码，我没有测试它，我不用Ruby编程。
原始问题要求代码，但作者的后续评论意味着对使用现有库感兴趣。 我对此感兴趣，我的搜索出现了这两个ruby：
gsl – “GNU Scientific Library的Ruby接口”（要求您安装GSL）。 正态分布随机数的调用序列，均值= 0，给定标准差为
rng = GSL::Rng.alloc rng.gaussian(sd) # a single random sample rng.gaussian(sd, 100) # 100 random samples
rubystats – “来自PHPMath的统计库的一个端口”（纯ruby）。 具有给定均值和标准差的正态分布随机数的调用序列是
gen = Rubystats::NormalDistribution.new(mean, sd) gen.rng # a single random sample gen.rng(100) # 100 random samples
@ antonakos答案+1。 这是我一直在使用的Box-Muller的实现; 它本质上是相同但稍微紧凑的代码：
class RandomGaussian def initialize(mean = 0.0, sd = 1.0, rng = lambda { Kernel.rand }) @mean, @sd, @rng = mean, sd, rng @compute_next_pair = false end def rand if (@compute_next_pair = !@compute_next_pair) # Compute a pair of random values with normal distribution. # See http://en.wikipedia.org/wiki/Box-Muller_transform theta = 2 * Math::PI * @rng.call scale = @sd * Math.sqrt(-2 * Math.log(1 - @rng.call)) @g1 = @mean + scale * Math.sin(theta) @g0 = @mean + scale * Math.cos(theta) else @g1 end end end
当然，如果你真的关心速度，你应该实现Ziggurat算法 :)。
另一个选项，这个使用分发gem，由一个SciRuby研究员编写。
我认为它使用起来有点简单。
require 'distribution' normal = Distribution::Normal.rng(1) norm_distribution = 1_000.times.map {normal.call}