如何在特定distribution下产生样本点？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

如题
比如说我想要产生一个样本，包含若干数据（10000个或是更多），并且这些数据是服从Gamma Distribution的。
如何实现这样的工作呢？
IML是不是有此类功能呢？

先在这里谢谢给位前辈的指点。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：distribution Istr BUT Dis UTI 样本 distribution

saiyasaibing 发表于 2010-9-28 01:43
如题
比如说我想要产生一个样本，包含若干数据（10000个或是更多），并且这些数据是服从Gamma Distribution的。
如何实现这样的工作呢？
IML是不是有此类功能呢？

先在这里谢谢给位前辈的指点。

See below.
IML是不是有此类功能呢？是的

data tmp;
   do i = 1 to 1e5;
      x_normal=rand('norm');
      output;
    end;
run;

proc univariate data=tmp;
var x_normal;
histogram x_normal/normal;
run;

Thanks a lot!

学习了！！

不是要 GAMMA  分布吗？

是啊 我试过rand('gamma',a)。 但是这种情况下另外一个参数beta默认设置为1，也就是说只能改alpha。
求教各位高手，如何定义两个参数呢？并且参数既可为整数，又可以是带小数点的数。

saiyasaibing 发表于 2010-9-30 21:51
是啊 我试过rand('gamma',a)。 但是这种情况下另外一个参数beta默认设置为1，也就是说只能改alpha。
求教各位高手，如何定义两个参数呢？并且参数既可为整数，又可以是带小数点的数。

1. 
   
2. title 'Generating random Samples with 10,000 observations from a Gamma Density';
   
3. data _t;
   
4. run;
   
5. 
   
6. ***not or unnecessary to discard any simulated samples;
   
7. proc mcmc data=_t outpost =Gamma_Simu seed =11 nmc =10000 maxtune =0 nbi =0
   
8.   statistics =(summary) diagnostics =none;   
   
9.   parm r 0.1;
   
10.   prior r ~ gamma(a, scale=b);
    
11.   model general(0);
    
12. run;

复制代码

Considering the likelihood function is specified as a constant (i.e., general(0)), the posterior distribution that SAS generates in data set 'Gamma_Simu' becomes identical to the prior distributions that you specify, a gamma, that is, p_posterior = p_prior*c/c =p_prior =gamma(a, b). JingJu

Thanks a lot Professor Jingju, I am learning!

我研究出了一种办法，

1. %Let iterations = 1000;
   
2. %Let seed=-1;
   
3. %Let scp=5.2; /*Scale Parameter*/
   
4. %Let shp=3.1; /*Shape Parameter*/
   
5. %Let gammadist=&scp*rangam(&seed,&shp);
   
6. %Macro GenSample;
   
7. data ransample(drop=i);
   
8. do i=1 to &iterations;
   
9. *Gamma Distribution;
   
10. f=&gammadist;
    
11. output;
    
12. end;
    
13. %Mend GenSample;
    
14. %GenSample;
    
15. Proc Univariate data=ransample;
    
16. run;
    
17. Proc Gchart data=ransample;
    
18. vbar f;
    
19. Title "Distribution";
    
20. run;

复制代码