my由已知分布随机抽样.ppt

蒙特卡罗方法及应用 第三章 由已知分布的随机抽样 3.1 随机抽样及其特点 3.2 直接抽样方法 3.2.1 离散型分布的直接抽样方法 3.2.1 离散型分布的直接抽样方法 3.2.1 离散型分布的直接抽样方法 3.2.1 几个典型的例子 3.2.1 几个典型的例子 3.2.1 几个典型的例子 3.2.1 几个典型的例子 3.2.1 几个典型的例子 3.2.1 几个典型的例子 3.2.2 连续型分布的直接抽样方法 3.2.2 几个典型的例子 3.2.2 几个典型的例子 3.2.2 几个典型的例子 3.3 挑选抽样方法 3.3 挑选抽样方法 3.3 挑选抽样方法 3.3 挑选抽样方法 3.3 挑选抽样方法 3.3 挑选抽样方法 3.3 挑选抽样方法 3.3 挑选抽样方法 3.3 挑选抽样方法 3.3 挑选抽样方法 3.3 挑选抽样方法 3.3 几个典型的例子 3.3 几个典型的例子 3.3 几个典型的例子 3.3 几个典型的例子 3.4 复合抽样方法 3.4 几个典型的例子 3.4 几个典型的例子 3.5 替换抽样方法 3.5 几个典型的例子 3.5 几个典型的例子 3.5 几个典型的例子 3.5 几个典型的例子 3.5 几个典型的例子 3.5 几个典型的例子 3.6 随机抽样的一般方法 3.6 随机抽样的一般方法 3.6 随机抽样的一般方法 3.6 随机抽样的一般方法 3.6 随机抽样的一般方法 3.6 随机抽样的一般方法 3.6 几个典型的例子 3.6 几个典型的例子 3.6 几个典型的例子 3.6 随机抽样的一般方法 3.6 随机抽样的一般方法 3.6 随机抽样的一般方法 3.6 随机抽样的一般方法 3.6 随机抽样的一般方法 3.6 随机抽样的一般方法 3.6 随机抽样的一般方法 3.6 随机抽样的一般方法 3.7 随机抽样的其它方法 3.7.2 近似抽样法 3.7.2 近似抽样法 3.7.2 近似抽样法 因此，只要产生单位圆内的随机坐标A和B,就可用代数运算求出C和S,算法为 产生两个[0,1]区间上均匀分布的随机数?1和?2; 令v1=2?1-1, v2=?2,则v1?U[-1,1],v2?U[0,1]; 计算r2=v12+v22, 如果r2 1,转到1，重新产生； 令A=v1, B=v2, 计算C和S 例11：利用挑选法产生随机数C=cos?, S=sin?,其中?为[0, 2?]区间内均匀分布的随机数 作业：从上面可知，该方法的抽样效率为π/4，试列举一种抽样效率更高的方案，并给出详细的抽样原理及步骤。 1961年由Marsaglia提出的方法 设随机变量X的概率密度函数f(x)可写成一些PDF的线性叠加： 抽样方法： 利用离散型的随机变量的抽样方法抽取序号k; 由fk(x)抽取x 例12：用复合法产生双指数分布的随机数 产生两个[0,1]区间均匀分布的随机数?1和?2; 如果?1 ? 0.5, 按f1(x)抽样； 如果?1 0.5, 按f2(x)抽样； 例13：指数函数分布的随机数 产生n+1个[0,1]区间均匀分布的随机数 ?1, ? 2,…, ? n+1; 按f1(y)抽取y； 按f2(x/Yf1)抽取x； 为了实现某个复杂的随机变量 y 的抽样，将其表示成若干个简单的随机变量 x1，x2，…，xn 的函数 得到 x1，x2，…，xn 的抽样后，即可确定 y 的抽样，这种方法叫作替换法抽样。即 例14：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？ 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、 方法2、利用替换抽样法 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） 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： 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