
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Leiva, Victor | - |
| Autor(es): dc.contributor | Castro, Cecília | - |
| Autor(es): dc.creator | Kitsos, Christos P. | - |
| Autor(es): dc.creator | Oliveira, Amilcar | - |
| Autor(es): dc.creator | Ulrich, Eschcol Nyamsi | - |
| Data de aceite: dc.date.accessioned | 2026-08-11T12:30:30Z | - |
| Data de disponibilização: dc.date.available | 2026-08-11T12:30:30Z | - |
| Data de envio: dc.date.issued | 2025-12-03 | - |
| Data de envio: dc.date.issued | 2025-12-03 | - |
| Data de envio: dc.date.issued | 2025-06 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/10400.2/20499 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/10400.2/20499 | - |
| Descrição: dc.description | The Ziggurat algorithm is a well-established rejection-sampling method designed for the efficient generation of pseudo-random numbers from unimodal distributions, particularly the standard normal. In this work, we extend and adapt the Ziggurat algorithm to enable the tail-adaptive generation of random numbers from the gamma-order generalized normal distribution |a flexible family characterized by a tail-shaping parameter that governs transitions between light, Gaussian, and heavy-tailed regimes. The resulting algorithm retains the computational speed of the original Ziggurat algorithm while supporting both univariate and multivariate implementations. This extension is especially relevant in simulation-intensive contexts, such as Bayesian modeling, quantitative nance, and machine learning. We provide the mathematical foundation, reproducible implementation details, and extensive benchmarking results that validate the method's efficiency and accuracy. A multivariate extension based on radial decomposition is also introduced, demonstrating the feasibility of generating random variables from symmetric multivariate distributions in practice. To illustrate the practical utility of the proposed algorithm, we present a comprehensive Monte Carlo simulation study evaluating performance across various shape and scale con gurations. Additionally, we apply the method to real-world data from biomedical signal processing, highlighting its robustness and adaptability to empirical settings where tail behavior plays a crucial role. | - |
| Descrição: dc.description | This work is partially nanced to Amilcar Oliveira by national funds through FCT | Fundação para a Ciência e Tecnologia | under the project UIDB/00006/2020 (DOI: 10.54499/UIDB/00006/2020). | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Chilean Statistical Society (Sociedad Chilena de Estadística) | - |
| Relação: dc.relation | Centre of Statistics and its Applications | - |
| Relação: dc.relation | UIDB/00006/2020 | - |
| Relação: dc.relation | https://soche.cl/chjs/volumes/16/ChJS-16-01-05.pdf | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Palavras-chave: dc.subject | Heavy-tailed distribution s | - |
| Palavras-chave: dc.subject | Multivariate simulation | - |
| Palavras-chave: dc.subject | Rejection algorithms | - |
| Palavras-chave: dc.subject | Symmetric distributions | - |
| Palavras-chave: dc.subject | Ziggurat algorithm | - |
| Título: dc.title | Tail-adaptive generation of random numbers from a gamma-order normal distribution using the Ziggurat algorithm with a multivariate extension | - |
| Aparece nas coleções: | Repositório Aberto - Universidade Aberta (Portugal) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: