原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Monte Carlo模拟 第三章 从概率分布函数的抽样 (Sampling from Probability Distribution Functions) 1. 基本原理 Monte Carlo模拟 第三章 从概率分布函数的抽样 (Sampling from Probability Distribution Functions) 2. 连续型的随机变量的抽样 2. 连续型的随机变量的抽样 Monte Carlo模拟 第三章 从概率分布函数的抽样 (Sampling from Probability Distribution Functions) 3. 离散型的随机变量的抽样 3. 离散型的随机变量的抽样 3. 离散型的随机变量的抽样 Monte Carlo模拟 第三章 从概率分布函数的抽样 (Sampling from Probability Distribution Functions) 4. 几个典型的例子 4. 几个典型的例子 4. 几个典型的例子 4. 几个典型的例子 4. 几个典型的例子 4. 几个典型的例子 * * 3.3 直接抽样法（反函数法） （Sampling via Inversion of the cdf） 基本原理 连续型的随机变量的抽样 离散型的随机变量的抽样 几个典型的例子 注意：pdf f(x)必须是归一化的 设y=F(x)为随机变量x的累积分布函数? x和y是一一对应的 先随机抽取y，然后通过求F(x)的反函数F-1(y)得到随机变量x的值 随机变量y在区间[0,1]上均匀分布? 利用[0,1]区间上均匀分布随机数产生器抽取 3.3 直接抽样法（反函数法） （Sampling via Inversion of the cdf） 基本原理 连续型的随机变量的抽样 离散型的随机变量的抽样 几个典型的例子 方法： 产生在[0,1]区间上均匀分布的随机数? = P?(0,1) ； 注：需要知道累积分布函数的解析表达式，且累积分布函数的反函数存在 P?(0,1): [0,1]区间上均匀分布的随机数 令F(x) = ?, 解方程得x： Since F-1 (ξ)=x, or ξ = F(x) Proof the Inverse Method The Mapping from x to ? is one-to-one. The probability for ? between value ? and d? is 1?d?, which is the same as the probability for x between value x and dx. Thus 3.3 直接抽样法（反函数法） （Sampling via Inversion of the cdf） 基本原理 连续型的随机变量的抽样 离散型的随机变量的抽样 几个典型的例子 直接抽样法适应于离散型的随机变量 设离散型随机变量X的可能取值为x1, x2, …, xN, 其概率为 累积分布函数： 0 x1 xN-1 xN p1 p2 pN x2 pk xk-1 xk 0 x1 xN-1 xN x2 xk-1 xk 1 F(x) 方法： 计算yk = yk-1 + pk，k = 2,3,…,N, y1 = p1 产生在[0,1]区间上均匀分布的随机数? = P?(0,1) ； 求满足yk-1 ? yk 的k值; 随机变量的第k个取值即为欲抽取的值。 0 x1 xN-1 xN x2 xk-1 xk 1 F(x) ? pk 0 x1 xN-1 xN p1 p2 pN x2 pk xk-1 xk 证明： 0 x1 xN-1 xN x2 xk-1 xk 1 F(x) ? pk 0 x1 xN-1 xN p1 p2 pN x2 pk xk-1 xk 即:所产生的随机数的pdf为pk 3.3 直接抽样法（反函数法） （Sampling via Inversion of the cdf） 基本原理 连续型的随机变量的抽样 分离型的随机变量的抽样 几个典型的例子 p3=0.2 b3+c3 p2=0.3 b2+c2 p1=0.5 b1+c1 a? 例1、粒子衰变末态的随机抽样 设粒子a有三种衰变方式，其分支比如下 随机选取每次衰变的衰变方式（衰变道）?直接抽样法 ? = P?(0,1) 例2、二项式分布的抽样 方法1：利用上面介绍的直接抽样法，需计算累积分布函数，当n很大时，求和计算困难; 方法2：利用二项式分布的定义 产生n个? i?U[0,1]; 统计满足条件? i p（表示成功）的? i的数目r，则r表示在n次实验中成功的次数?r即为二项式分布的抽样值 例3、泊松分布的抽样 方法1：利用直接抽样法，但计算累积分布函数时非常复杂 方法2：
文档评论（0）