La Transformation de Box-Muller 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 intelligence artificielle, where distribution normale is a common assumption for modeling données.
Le processus commence par la génération de deux nombres aléatoires indépendants, U1 et U2, qui suivent une distribution uniforme dans l'intervalle (0, 1). La transformation de Box-Muller applique ensuite les équations suivantes à ces variables aléatoires :
Z0 = sqrt(-2 * ln(U1)) * cos(2 * π * U2)
Z1 = sqrt(-2 * ln(U1)) * sin(2 * π * U2)
Ici, Z0 et Z1 sont les variables aléatoires résultantes suivant une distribution normale. Ces sorties ont une moyenne de 0 et un écart-type de 1, ce qui en fait des variables normales standard.
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, modélisation statistique, and apprentissage automatique tasks that require échantillonnage aléatoire provenant d'une distribution normale.
En pratique, elle peut être mise en œuvre de diverses manières langages de programmation and frameworks, which often include built-in functions for generating normally distributed random numbers, thus streamlining the process for developers and researchers.