对于一个随机变量,都有一个分布与之对应。事实上,我们也只关心随机变量的分布。分布表示有几种方式,比如概率分布、分布函数、分布率以及密度函数等都是对分布的表示。分布率是为了描述离散性随机变量,密度函数是为了描述连续型随机变量。而分布函数和概率分布可以描述任何一个随机变量。
随机变量的模拟是一个什么问题呢?具体表述为:假设给定一个分布
,如何用计算机模拟一个随机变量
,使得
的分布为
?前面我们讲过随机数的模拟,假定计算机可以模拟
上均匀分布的随机变量
,
称为随机数。事实上,该随机数是伪随机数,不具有随机性,只不过和随机数比较没有显著性差异而已。那么我们如何解决任意一个随机变量的模拟呢?我们的想法为,给定一个分布
,是否存在一个函数
,使得
的分布为
?从理论上讲,这是完全可以做到的。假设
为
的分布函数,
,令
。可以证明
的分布函数为
。这样随机变量的模拟就转化为如何求
。一般地,
很难找到的显性表示。比如正态分布函数就不能没有具体的表达式。这样就不能用该方法进行模拟。所以说理论上是行得通,但实际上是很难做到的。这样就想其他办法给予解决。
例子1 模拟指数型随机变量。指数型分布的密度函数为
分布函数
,
。那么
。假设
,那么
,即参数为1的指数型分布。下面给出R实现程序:
u<-runif(1)
x<--log(1-u)
运行结果
> x
[1] 1.456366
由于
,因此
,这样R程序为
》u<-runif(1)
x<--log(u)
>> x
[1] 0.7403556
作业 用逆变换法随机模拟下面密度的随机变量,请给出R程序
(1)
;
(2)
.
(3)
(4)
参考答案:
(1)
,
u<-runif(1)
x<-4*sqrt(u)+2
x
(2)
,
u<-runif(1)
y<-4-4*u
x<-sqrt((2-y)/2)
(3)
,
u<-runif(1)
x<-tan(pi*(u-0.5))
x