变换抽样方法.pptVIP

3.4 变换抽样法 3.4 变换抽样法 * 3.4 变换抽样法 * 第三章 从概率分布函数的抽样(Sampling from Probability Distribution Functions) Monte Carlo模拟 3.4 变换抽样法?直接抽样法的一般形式 3.4.1 基本思路 3.4.2 抽样方法 3.4.3 高斯分布的抽样方法 * 3.4 变换抽样法 * 3.4.1 基本思路 随机变量y：pdf: g(y) ? 不易进行抽样 随机变量x： pdf: f(x) ? 容易进行抽样 如果能够找到x和y之间的一个一一对应的变换关系，y=y(x), 使得g(y)和f(x)满足关系 则可先由f(x)分布抽取x的值?，再由变换关系得到y的值???满足分布g(y) ?变换抽样法 * 3.4 变换抽样法 * 第三章 从概率分布函数的抽样(Sampling from Probability Distribution Functions) Monte Carlo模拟 3.4 变换抽样法?直接抽样法的一般形式 3.4.1 基本思路 3.4.2 抽样方法 3.4.3 高斯分布的抽样方法 * 3.4 变换抽样法 * 3.4.2 抽样方法 变换抽样法: 找出y与x间的变换关系，y=y(x), f(x)与g(y)满足关系： 由f(x)分布抽取x的值?； 随机变量y的取值： ?=y(?) 直接抽样法是变换抽样法的一个特殊形式 X满足U[0,1], f(x)=1; y与x间的变换关系:y=G-1(x)　?y的累积分布函数的反函数 * 3.4 变换抽样法 * 3.4.2 抽样方法 推广到n维随机向量的情况： 由联合概率密度函数　　抽取随机向量　的值 yi的值: * 3.4 变换抽样法 * 第三章 从概率分布函数的抽样(Sampling from Probability Distribution Functions) Monte Carlo模拟 3.4 变换抽样法?直接抽样法的一般形式 3.4.1 基本思路 3.4.2 抽样方法 3.4.3 高斯分布的抽样方法 * 3.4 变换抽样法 * 3.4.3 高斯分布的抽样方法 例：高斯分布的抽样方法 进行变量变换： ? ?标准正态分布 由N(0,1)分布抽样得到y, 如何抽取服从N(0,1)分布的随机变量？ * 3.4 变换抽样法 * 3.4.3 高斯分布的抽样方法 1. 利用中心极限定理 设x1,x2,…,xn是一组n个独立的随机变量，xi的平均值和方差分别为μi和бi，则当n→∞时，变量 服从标准正态分布N(0,1) 设x 是在[0, 1]之间均匀分布的随机数, 对n个x的取值xi 在n→∞时，y服从N(0,1)，在实际应用时，可取n=12 抽样方法： 1、产生12个U[0,1]的随机数?i 2、 * 3.4 变换抽样法 * 3.4.3 高斯分布的抽样方法 2. 利用变换抽样法 y1和y2是两个相互独立的、服从标准正态分布的随机数 变换： 反变换： 抽样方法： 1）产生一对[0,1]区间均匀分布的随机数?1和?2； 2） * 3.4 变换抽样法 * 3.4.3 高斯分布的抽样方法 证明用此方法抽取的y1,y2满足上面的联合概率分布 雅可比行列式： * 3.4 变换抽样法 * 3.4.3 高斯分布的抽样方法 3. 采用极坐标变换 x和y是两个相互独立的、服从标准正态分布的随机数 变换： 反变换： 则变量?和?的联合概率密度函数为 即?在[0,2?] 区间上均匀分布, ?服从? = 1的指数分布 * 3.4 变换抽样法 * 3.4.3 高斯分布的抽样方法 抽样方法： 产生 ? ：?= 2? r，r?U[0,1] 产生 ? ：? = -ln r， r?U[0,1] x= (2?)1/2 cos? ， y=(2?)1/2 sin? * 3.4 变换抽样法 * 3.4.3 高斯分布的抽样方法 void test() { c1 = new TCanvas(c1,Histogram Drawing Options,200,10,700,900); c1-Divide(1,2); TH1F * h1 = new TH1F(h1,h1,100,-5.0,5.0); TH1F * h2 = new TH1F(h2,h2,100,-5.0,5.0); SetSeed(9, 11) Const Pi = 3.1415926; for(int i=0; i 50000; i++) { double x = randac(); double y = randac(); float y1 = sqrt(-2.0*log(x))*cos(2.0*Pi*y);