基于分布函数生成随机数

Question

我们可以很容易地生成[a,b]区间内的随机数，如果我们想让它均匀：

A=rand()*(b-a) + a

其中rand()是一个函数，可以生成0到1之间的均匀随机数。所以A是[a,b]中的随机数。

为了根据像 y=x-x^2 这样的分布函数生成随机数，我遇到了一个问题。

我想使用提到的方法。但我对使用 python 函数 inverse_cdf(np.random.uniform()).

不感兴趣

我可以通过对 0 和 X 的积分来计算函数“y”的 CDF，我称之为“f”。但是当我将 rand() 函数（0 到 1 之间的数字）放入 f 的反函数时，我得到了一个复数！意思是：A=f^(-1) (rand()) returns 一个复数。

根据分布函数生成随机数的方法是否正确？

我用这个 website 来计算 f=x^2/2 - x^3/3 的倒数，下面的代码是计算的一部分，表明 tmp1 总是负数

for i=1:10
rnd1=rand;
tmp1  = 2*sqrt(6)*sqrt(6*rnd1^2-rnd1)-12*rnd1+1
cTmp1 = tmp1^(1/3)
end

Answer 1

问题是：“这是根据分布函数生成随机数的正确方法吗？”因此，基本上您有连续概率密度函数 (PDF) 或带有符号 f(x) 的离散概率质量函数 (PMF)，并且您正在寻找一种方法来找到随机变量 x。

至少有两种方法可以做到这一点。

使用逆变换分布。
使用拒绝方法

使用逆变换：如果我们知道概率分布的函数，那么对于某些累积分布函数 (CDF)，我们可以找到随机变量的闭集。假设你的概率函数是 f(x) 而 CDF 是 F(x) 然后假设你可以得到反函数，你可以得到随机变量

x=inverse F(U)

其中 U 是随机均匀分布

使用拒绝方法： 如果 CDF 没有封闭形式的逆，那么您始终可以使用拒绝方法。拒绝方法的思想是生成一个随机的二维点（一对随机数）：（r1，r2）然后该点在PDF的曲线下方或曲线上方。如果该点在曲线下方，那么我们将这个值作为我们的随机数，否则我们采样另一个点。假设 PDF f(x) 以最大值 M

为界

r1 is generated within interval [a, b] of horizontal axis
r2 is generated within interval [0, M] of vertical axis
If r2 <f (r1) then accept r1 and output r1
   Else reject r1 and generate new random point

Inverse Transform 方法如果能找到CDF 的逆函数就优于Rejection 方法，因为你可以获得封闭形式。例如，比率为 1 的指数分布的 CDF 是 F(x) = 1-exp(-x)。逆变换将是

x= inverse F(U) = -ln(1-U) = -ln(U)

因为 1-U2=U2

基于分布函数生成随机数

Generating a random number based on a distribution function

random

matlab

distribution