摘要
生成随机变量的逆变换方法
几个缩写
-
pmf(probability mass function):概率质量函数。离散随机变量在各特定取值上的概率。只有离散型随机变量才有概率质量函数。
-
PDF/pdf(probability density function):概率密度函数,简称密度函数。描述随机变量的输出值,在某个确定的取值点附近的可能性的函数
-
CDF/cdf(cumulatative distributionfunction):累积分布函数,简称分布函数。是概率密度函数的积分,能完整描述一个实验随机变量X的概率分布。
连续型分布情况下
存在一个定理:
如果X是一个连续型随机变量,它的分布函数为
F X ( X ) ∼ U ( 0 , 1 ) F_X(X)\sim~U(0,1) FX(X)∼ U(0,1)。
逆变换方法生成随机数要求了概率积分的变化,定义逆变换为:
F X − 1 ( u ) = i n f { x : F X ( x ) = u } , 0 < u < 1 F_X^{-1}(u)=inf\{x:F_X(x)=u\},0<u<1 FX−1(u)=inf{
x:FX(x)=u},0<u<1
如果U~Uniform(0,1),则对所有的x∈R
P ( F X − 1 ( U ) ≤ x ) = P ( i n f { t : F X ( t ) = U } ≤ x ) = P ( U ≤ F X ( x ) ) = F U ( F X ( x ) ) = F X ( x ) P(F_X^{-1}(U)\le x)=P(inf\{t:F_X(t)=U\}\le x) \\ =P(U\le F_X(x))\\ =F_U(F_X(x))\\ =F_X(x) P(FX−1(U)≤x)=P(inf{
t:FX(t)=U}≤x)=P(U≤FX(