第三章从概率分布函数的抽样(Sampling from Probability Distribution Functions).pptVIP

Monte Carlo模拟 第三章 从概率分布函数的抽样(Sampling from Probability Distribution Functions) 3.5 舍选抽样法（acceptance-rejection sampling) Monte Carlo模拟 第三章 从概率分布函数的抽样(Sampling from Probability Distribution Functions) 1. 简单舍选抽样法 1. 简单舍选抽样法 1. 简单舍选抽样法 1. 简单舍选抽样法 Monte Carlo模拟 第三章 从概率分布函数的抽样(Sampling from Probability Distribution Functions) 2. 改进的舍选抽样法 2. 改进的舍选抽样法 2. 改进的舍选抽样法 2. 改进的舍选抽样法 2. 改进的舍选抽样法 Monte Carlo模拟 第三章 从概率分布函数的抽样(Sampling from Probability Distribution Functions) 3. 典型的例子 3. 典型的例子 3. 典型的例子 3. 典型的例子 3. 典型的例子 3. 典型的例子 3. 典型的例子 3. 典型的例子 * * 3.5 舍选抽样法 (acceptance-rejection sampling) 直接抽样法的困难： 许多随机变量的累积分布函数无法用解析函数给出; 有些随机变量的累积分布函数的反函数不存在或难以求出； 即使反函数存在，但计算困难 舍选抽样法(von Neumann)： 抽取随机变量x的一个随机序列xi, i=1,2,…, 按一定的舍选规则从中选出一个子序列，使其满足给定的概率分布. 3.5 舍选抽样法 (acceptance-rejection sampling) 简单舍选抽样法 改进的舍选抽样法 典型的例子 舍选法抽样步骤： 产生[a, b]区间内均匀分布的随机数x: x = (b-a)r1+a, r1 ?U[0, 1]; 产生[0,c]区间内均匀分布的随机数y: y = cr2, r2 ?U[0,1]; 当y ? f(x)时，接受x为所需的随机数，否则，返回到第一步重新抽取一对(x,y). Von Neumann rejection method or Hit-and-miss method 设随机变量x的取值区间为x?[a,b], 其概率密度函数f(x)有界，即 抽取r1,r2 ?U[0,1] x = a + (b-a)r1 y = cr2 y ? f(x) X = x ? a b x f(x) c 几何解释: 在二维图上，随机选取位于矩形abef内的点[x,y]； 选取位于曲线f(x)下的那些点，则这些点将服从概率密度为f(x)的分布 e f 证明: 按舍选抽样法抽出的随机数d的概率： a b x f(x) c e f x和y的概率密度函数分别为 联合概率密度函数为 即d的概率函数为f(x) d 抽样效率: 对舍选抽样法：欲产生m个随机变量x的值需产生n对(x,y)，显然，m ? n 如果选出某特定分布的一个随机数?平均地需要n个随机数r1 ?U[0, 1]，则抽样效率定义为 a b x f(x) c e f d 3.5 舍选抽样法 (acceptance-rejection sampling) 简单舍选抽样法 改进的舍选抽样法 典型的例子 ?改进的舍选抽样法 简单舍选抽样法的问题： 如果f(x)曲线下的面积占矩形面积的比例很小，则抽样效率很低，这是因为随机数x和y是在区间[a, b]和[0, c]内均匀分布，所产生的大部分投点不会落在f(x)曲线下 x c f(x) 改进方法： 构造一个新的概率密度函数g(x)，使它的形状接近f(x), 且有 式中Cg为常数，而g(x)的抽样相对比较容易。 Cgg(x) 抽样方法： 1. 产生两个随机数 产生分布为g(x) 的随机数x ，x?[a,b]; 产生[0, Cgg(x)] 区间上均匀分布的随机数y，y= Cgg (x) ?, ??U[0,1]. 2. 接收或舍弃取样值 x. 如果 y f(x)，舍弃，返回到1,重复上述过程; 否则，接受; 几何解释: 在二维图上，随机选取位于曲线Cgg(x)下的点[x,y]； 选取位于曲线f(x)下的那些点，则这些点将服从概率密度为f(x)的分布 x c f(x) Cgg(x) 证明: 按舍选抽样法抽出的随机数d的概率： d x和y的概率密度函数分别为 联合概率密度函数为 即d的概率函数为f(x) x c f(x) Cgg(x) 抽样效率: x c f(x) Cgg(x) 常数Cg的选取 常数Cg应尽可能地小,因为抽样效率与Cg成反比; Cg=m