【数学】均匀分布生成其他分布的方法

起因是前几天做A厂的在线编程题，需要用正态分布去生成一个随机数，最后调用了C++自带的正态分布生成库，这时就在想底层是如何实现正态分布的。

由均匀分布生成其他分布的通用性方法

CDF的反函数法/Inverse transform sampling

先用均匀分布生成一个数，把其映射到[0,1]之间

double U = (double)rand() / RAND_MAX;

这样的一个[0,1]分布，怎么将其转换成一个其他分布呢？
这时就用到了概率分布的累积分布函数（CDF- Cumulative distribution function）

找到纵坐标[0,1]对应的横坐标点，就生成了一个满足该概率分布的点。
所以将这个方法形式化一下：

1. 用均匀分布生成[0,1]之间的均匀分布产生的数$x$
2. 找到CDF函数$F(x)$的反函数$F^{-1}(x)$带入反函数中得到的数就是满足该概率分布生成的一个数。

这种方法有一个问题就是，需要算出反函数的解析解，如果没有解析解的话，就不能直接用这种方法了【比如正态分布】
其实仔细一想轮盘赌算法不就是应用的CDF反函数法吗？

Acceptance-Rejection Method/rejection sampling

这个就是应用蒙特卡洛解决一切的思路来了，每次在这个下面这个概率密度坐标里随机生成一个点【随机采样】如果这个点落在了概率密度函数（PDF-probability density function）之下，则采样成功，如果落在了上面则继续采样。

这种方法等于是模拟概率密度函数：它每次生成新的随机数后，通过另一个随机数来保证其被接受概率服从指定的PDF。

正态分布的特定方法

中心极限定理法

中心极限定理：
$X_1,X_2,\cdots ,X_n$是独立同分布的，分布均值为$\mu$，方差为 σ