Das Box-Muller-Transformation is a mathematical technique used to convert pairs of uniformly distributed random numbers into pairs of independent standard normally distributed random numbers. This transformation is particularly useful in statistics and various fields of künstliche Intelligenz, where Normalverteilung is a common assumption for modeling Daten.
Der Prozess beginnt mit der Erzeugung von zwei unabhängigen Zufallszahlen, U1 und U2, die einer Gleichverteilung im Intervall (0, 1) folgen. Der Box-Muller-Transform wendet dann die folgenden Gleichungen auf diese Zufallsvariablen an:
Z0 = sqrt(-2 * ln(U1)) * cos(2 * π * U2)
Z1 = sqrt(-2 * ln(U1)) * sin(2 * π * U2)
Hier sind Z0 und Z1 die resultierenden normalverteilten Zufallsvariablen. Diese Ausgaben haben einen Mittelwert von 0 und eine Standardabweichung von 1, was sie zu standardnormalverteilten Variablen macht.
This method is particularly advantageous because it efficiently creates normally distributed values from uniformly distributed inputs, which are easier to generate with random number generators. The Box-Muller Transform is widely applied in simulation, statistische Modellierung, and maschinellem Lernen tasks that require Zufallsstichproben aus einer Normalverteilung.
In der Praxis kann sie in verschiedenen Programmiersprachen and frameworks, which often include built-in functions for generating normally distributed random numbers, thus streamlining the process for developers and researchers.