Standardową metodą jest wygenerowanie trzech standardowych norm i zbudowanie z nich wektora jednostkowego. To znaczy, gdy i λ 2 = X 2 1 + X 2 2 + X 2 3 , wówczas ( X 1 / λ , X 2 / λ , X 3 / λ ) jest równomiernie rozłożone na kula. Ta metoda działa również dobrze w przypadku sfer wymiarowych d .Xi∼N(0,1)λ2=X21+X22+X23(X1/λ,X2/λ,X3/λ)d
W 3D możesz użyć próbkowania odrzucenia: narysuj z równomiernego rozkładu [ - 1 , 1 ], aż długość ( X 1 , X 2 , X 3 ) będzie mniejsza lub równa 1, a następnie - podobnie jak w przypadku poprzednia metoda - znormalizuj wektor do długości jednostkowej. Oczekiwana liczba prób na punkt kulisty wynosi 2 3 / ( 4 π / 3 ) = 1,91. W wyższych wymiarach oczekiwana liczba prób staje się tak duża, że szybko staje się to niewykonalne.Xi[−1,1](X1,X2,X3)23/(4π/3)
Istnieje wiele sposobów sprawdzenia jednolitości . Zgrabnym, choć nieco wymagającym obliczeniowo, jest funkcja K Ripleya . Oczekiwana liczba punktów w (3D euklidesowej) odległości dowolnego miejsca na kuli jest proporcjonalna do powierzchni kuli w odległości ρ , która jest równa π ρ 2 . Obliczając wszystkie odległości między punktami, możesz porównać dane z tym ideałem.ρρπρ2
Ogólne zasady konstruowania grafiki statystycznej sugerują, że dobrym sposobem na porównanie jest wykreślenie reszt stabilizowanych wariancją względem i = 1 , 2 , … , n ( n - 1 ) / 2 = m gdzie d [ i ] jest i th najmniejsza wzajemnych odległościach i e i = 2 √ei(d[i]−ei)i=1,2,…,n(n−1)/2=md[i]ith . Fabuła powinna być bliska zeru. (To podejście jest niekonwencjonalne).ei=2i/m−−−√
Oto obraz 100 niezależnych losowań z jednolitego rozkładu sferycznego uzyskanych pierwszą metodą:
Oto wykres diagnostyczny odległości:
Skala y sugeruje, że wszystkie te wartości są bliskie zeru.
Oto suma 100 takich wykresów, aby zasugerować, jakie odchylenia wielkości mogą być znaczącymi wskaźnikami niejednorodności:
(Te fabuły wyglądają okropnie jak mosty Browna ... mogą tu się kryć ciekawe odkrycia teoretyczne.)
Na koniec, oto wykres diagnostyczny dla zestawu 100 jednolitych losowych punktów plus kolejne 41 punktów równomiernie rozmieszczonych tylko na górnej półkuli:
W stosunku do rozkładu równomiernego pokazuje znaczny spadek średnich odległości między punktami w zakresie jednej półkuli. To samo w sobie nie ma znaczenia, ale użyteczną informacją jest to, że coś jest nierównomierne w skali jednej półkuli. W efekcie ten wykres łatwo wykrywa, że jedna półkula ma inną gęstość niż druga. (Prostszy test chi-kwadrat zrobiłby to z większą mocą , gdybyś z góry wiedział, którą półkulę przetestować spośród nieskończenie wielu możliwych).