htswanalysis/MACS/lib/gsl/gsl-1.11/randist/TODO

   1 *   ACM Computing Surveys (CSUR)
   2    Volume 39 ,  Issue 4  (2007)
   3
   4    Gaussian random number generators
   5    David B. Thomas, Wayne Luk, Philip H.W. Leong, John D. Villasenor
   6    Article No. 11
   7
   8
   9 * add Erlang dist back in?
  10
  11 * DONE, for mu.
  12
  13   Note that we need to get rid of mu when it is not the mean.
  14
  15   From: Brian Gough <bjg@network-theory.co.uk>
  16   To: briggsk@info.bt.co.uk
  17   Cc: gsl-discuss@sourceware.cygnus.com
  18   Subject: Re: Pareto Distribution
  19   Date: Sun, 9 Jul 2000 20:05:03 +0100 (BST)
  20
  21   Yes, we should adopt the conventions from a standard reference book --
  22   the existing functions are drawn from a variety of sources, mostly
  23   Devroye's book on Random Variates (which is public domain, but not
  24   available electronically unfortunately).  Maybe the three volumes of
  25   Johnson & Kotz on Univariate Distributions would do, for
  26   example. Patches are welcome from anyone who wants sort this out.
  27
  28   Keith Briggs writes:
  29    > Another thing to think about: some of the other distributions
  30    > have a argument `mu' to the C function which is a parameter
  31    > which is not the mean.   This is non-standard and confusing.
  32    > (Also, in the Pareto function, `a' is normally called beta,
  33    > `b' is normally called alpha.)
  34    >
  35    > Keith
  36    >
  37    > +-------------------------------------------------------------------+
  38    > | Dr. Keith M. Briggs, Complexity Research Group, BT Research Labs. |
  39    > | Adastral Park admin2 pp5, Martlesham Heath, IP5 3RE, Suffolk,  UK |
  40    > | Tel. 01473 641 911  Fax. 01473 647 410.  Home tel:  01473 625 972 |
  41    > | www.bt.com | personal homepage:  www.labs.bt.com/people/briggsk2/ |
  42    > +-------------------------------------------------------------------+
  43
  44
  45 * The exponential power distribution method could be speeded up by
  46 using a rational function approximation for the rejection scaling
  47 parameter.
  48
  49 * Do something about the possibility of the user providing invalid
  50 parameters (e.g. negative variance etc). Not sure what to do though,
  51 since returning an error code is not possible. Maybe just return zero.
  52   We should return NAN in this case, and for the CDFs.
  53
  54 * Add the triangular distribution.
  55
  56 * Look at Marsaglia & Tsang, "The Monte Python Method for generating
  57 random variables", ACM TOMS Vol 24, No 3, p341
  58
  59 and the paper on the Ziggurat Method: Journal of Statistical Software,
  60 Volume 05 Issue 08. George Marsaglia and Wai Wan Tsang. "The ziggurat
  61 method for generating random variables"
  62
  63 * Should 0 be included in distributions such as the exponential
  64 distribution? If we want a consistent behaviour, is it included in
  65 others?  Note that 1-gsl_rng_uniform() can have a slight loss of
  66 precision when the random float is small.