第4讲随机数的生成及随机变量抽样(2007).pptVIP

基本方法有如下三种： 逆变换法 复合抽样方法 筛选法 设随机变量 X 的分布函数为F(x)，定义 F-1(y)=inf{x:F(x)?y}, 0?y ? 1 定理 设随机变量U服从(0,1)上的均匀分布，则X=F-1(U)的分布函数为F(x) 。 因此，要产生来自F(x)的随机数，只要先产生来自U(0,1)的随机数，然后计算F-1(u) 即可。 其步骤为 对于任意离散型分布： 其中x1，x2，…为离散型分布函数的跳跃点，p1，p2，…为相应的概率。即一离散随机变量X，它可能的取值分别为x1，x2，…，取这些值的概率分别为p1，p2，…。该随机变量X的分布为F(x)。 等价于 对于连续型分布，如果分布函数F(x)的反函数F－1(x)能够解析表示，则直接抽样方法是 ： 在［a，b］上均匀分布的分布函数为： 则(1) 由U(0,1)抽取u 指数分布为连续型分布，其一般形式如下： 其分布函数为： 则(1) 由U(0,1)抽取u 因为1－u也是(0,1)上均匀随机数，可将上式简化为 连续性分布函数的直接抽样方法对于分布函数的反函数容易实现的情况，使用起来是很方便的。但是对于以下几种情况，直接抽样法是不合适的。 分布函数无法用解析形式表达，因而无法给出反函数的解析形式。 分布函数有解析形式，但是反函数的解析形式给不出来。 反函数有解析形式，但运算量很大。 下面叙述的抽样方法是能够克服这些困难的比较好的方法。 复合抽样方法的基本思想是由kahn提出的。 考虑如下复合分布： 设有X的密度函数为： 它相当于：设Y为离散型随机变量，取1，2两个值，取1的概率为0.3，取2的概率为0.7。 当Y取1时，X的条件密度函数为 f(x|Y=1)=2e-2x,x0; 当Y取2时， X的条件密度函数为 f(x|Y=2)=e-x,x0. 指数函数分布的一般形式为 使用复合抽样方法，首先从f1(y)中抽取y 再由f2(x| yf1)中抽取X 定理 设 X 的密度函数 f(x)，且 f(x)=ch(x)g(x)，其中 0g(x)?1，c?1 ，h(.)是一个密度函数。令 U 和Y 分别服从U(0,1)和h(y)，则在U? g(Y)的条件下， Y的条件密度为 筛选抽样 假设我们要从f(x)抽样，如果可以将f(x)表示成 f(x)=ch(x)g(x) ，其中h(.)是一个密度函数且易于抽 样，而0g(x)?1， c?1 是常数，则X的抽样可如 下进行： 例12 令圆半径为R0，该圆上的点到圆心的距离为r，r的密度函数为 分布函数为 容易知道，该分布的直接抽样方法是 Liti15_1(3,10000) 由于开方运算在计算机上很费时间，该方法不是好方法。下面使用筛选抽样方法：取 则抽样框图为 显然，没有必要舍弃u1＞u2的情况，此时， 只需取 就可以了，亦即 对于二维随机向量(X,Y)的密度函数f (x,y) ， 总可以将其表示如下 其中 fl(x)，f2(y|x) 分别为X 的边缘密度函数 和给定 X=x 条件下Y的条件密度函数，即 根据上述边缘密度函数和条件密度函数， 二维分布f(x,y)的抽样方法为: 首先由 fl(x) 中抽取 xf1，再由 f2(y|xf1) 中抽样 yf2 。(xf1, yf2)就是该二维分布的一个抽样. 将 f (x,y) 写为 其中 用直接抽样方法分别从 fl(x)抽样xf1,再从 f2(y|xf1) 中抽样yf2 ，得到 liti16(1000) 球内均匀分布抽样 设球壳内半径为R0，外半径为R1，点到球心的距离为r，则r的分布密度函数为 分布函数为 该分布的直接抽样方法是 为避免开立方根运算，作变换： 则 x∈[0,1]，其分布密度函数为： 其中 随机向量的抽样有以下方法： （1）筛 选 抽 样法 定理 设 (X, Y) 的密度函数为 f(x, y)，且 f(x,y)=ch(x, y)g(x, y)， 其中0g(x,y)?1，c?1 ，h(x,y)是一个密度函数。令U 和Z=(Xh,Yh)分别服从U(0,1)和h(x,y)，则在U?g(Z)