matlab逆变换法产生随机数_逆变换采样

逆变换采样

要懂逆变换采样(Inverse transform sampling), 要先懂 pdf 和 cdf。

probability density function（概率密度函数pdf）

一直以为pdf stands for probability distribution function.原来是 density(也差不多), 看几个例子：

这个就是 drand48() 函数，产生的值在[0,1),概率是均匀(uniform)分布的。

还有最出名的就是正态(normal)分布：

再看一个例子，比如我们想要产生随机数r位于[0, 2）之间，但是概率跟数字r成正比：

pdf(r) = Cr，我们又知道数字必定在[0, 2) 之间，所以积分也好，三角形面积也好，我们会容易知道其实 pdf(r) = r/2.

我们现在只有d = drand48(),如果我们想要非均匀分布，可以 e = d*d,这样会靠近0的概率更大，比如（0.1 * 0.1 = 0.01，会有更多的这种)。还可以比如 e = sqrt(d)...

Cumulative distribution function(累积分布函数cdf)

cdf(x) = Area(pdf, -infinity, x) 也就是从-∞累积到x发生的概率。

对于我们的 pdf(r) = r/2 来说：

• cdf(x) = 0 : x < 0
• cdf(x) =
  : 0 ＜ x < 2 // 当然用面积看也ok
• cdf(x) = 1 : x > 2

它的 cdf 长这样：

cdf(1) = 1/4 = 0.25，也就是我们随机产生一个数r：

• r < 1 : 25% 的概率小于1
• r > 1 : 75% 的概率大于1

这就是一个明显的不均匀分布。此时我们手上只有一个 drand48()， 如果我们想要用drand48()来产生上述的pdf需要怎么做呢？

逆变换采样

这时候我们就需要逆变换采样,它的原理是这样的:

u ~ uniform distribution
T(u) = X