一、任何分布都能化为 [ 0 , 1 ] [0,1] [0,1]均匀分布
假设
F
X
(
a
)
=
p
(
x
≤
a
)
F_X(a)=p(x\le a)
FX(a)=p(x≤a)为累积分布函数,
f
(
x
)
f(x)
f(x)为概率密度函数,
F
X
(
a
)
=
∫
−
∞
a
f
(
x
)
d
x
F_X(a)=\int_{-\infty}^af(x)dx
FX(a)=∫−∞af(x)dx,则存在如下等式
P
(
F
X
(
X
)
≤
a
)
=
P
(
X
≤
F
X
−
1
(
a
)
)
=
F
X
(
F
X
−
1
(
a
)
)
=
a
P(F_X(X)\le a)=P(X\le F^{-1}_X(a))=F_X(F^{-1}_X(a))=a
P(FX(X)≤a)=P(X≤FX−1(a))=FX(FX−1(a))=a
则累积分布函数
Y
=
F
X
(
X
)
Y=F_X(X)
Y=FX(X)服从
[
0
,
1
]
[0,1]
[0,1]间的均匀分布。
二、通过Box-Muller-Wiener算法,可以实现正态分布与均匀分布之间的转换
1.均匀分布转为正态分布
两个独立的 [ 0 , 1 ] [0,1] [0,1]均匀分布,独立的随机变量为 A , B A,B A,B,以其中一个为角度 2 π A 2\pi A 2πA,另一个随机变量为半径 − 2 l o g B \sqrt{-2logB} −2logB作为半径,在极坐标下可以得到一个点 ( X , Y ) (X,Y) (X,Y),服从二维标准正态分布。
2.正态分布转为均匀分布
正态分布到均匀分布的逆过程可以理解为 A = arctan ( Y X ) 2 π + 0.5 A=\frac{\arctan(\frac{Y}{X})}{2\pi}+0.5 A=2πarctan(XY)+0.5, B = exp ( − X 2 + Y 2 2 ) B=\exp(-\frac{X^2+Y^2}{2}) B=exp(−2X2+Y2)