Normal-Distribution
將低差異序列轉換為正態分佈的最佳方法？
一段時間以來，我一直在為均勻分佈使用低差異序列，因為我發現它們的屬性很有用（主要是在計算機圖形學中，因為它們的隨機外觀和它們以增量方式密集覆蓋 [0,1] 的能力）。
例如上面的隨機值，下面的 Halton 序列值：
我正在考慮將它們用於一些財務分析計劃，但我需要不同的分佈而不僅僅是統一的。我開始嘗試通過 Marsaglia 極坐標算法從我的均勻分佈生成正態分佈，但結果似乎不如均勻分佈好。
另一個例子，上面又是隨機的，下面是Halton：
我的問題是：獲得具有我從統一的低差異序列中獲得的屬性的正態分佈的最佳方法是什麼 - 覆蓋、增量填充、跨多個維度的非相關性？我是在正確的軌道上，還是應該採取完全不同的方法？
（我在上面使用的均勻分佈和正態分佈的 Python 代碼：Gist 2566569）
你可以從 $ \mathcal U(0, 1) $ 使用 CDF 的倒數將隨機變量添加到任何其他分佈，也稱為百分比點函數或分位數函數。它
scipy以scipy.stats.norm.ppf的形式實現。