分类型变量预测连续型变量_连续型随机变量的模拟－拒绝法

我们前面已经讲过可以用逆变换法对连续型随机变量进行模拟。该方法必须保证分布函数的逆函数有一个显式的表达。这在大多数情况下是很难做到的。比如正态分布的分布函数就没有显式的表达，更不说其逆函数了。这样用拒绝法对正态分布的随机变量的模拟就无法实现了。如何解决这个问题呢？拒绝法是一种解决方法，其思想与离散型随机变量拒绝法类似，见离散型随机变量模拟-拒绝法。下面具体地给出拒绝法的思想、算法及其实现步骤。

令

为一个密度函数，假设我们有一种方法模拟

.令

为另一个概率密度函数，且满足：若

.令

是一个常数满足

.首先我们

,然后以

概率接受Y为X。

拒绝法步骤

1. 生成
   ；
2. 生成随机数
   ;
3. 若
   ,则令
   . 否则，返回步骤1.

定理 （1）由拒绝法生成的

;

(2) 拒绝法迭代次数

服从均值为

的几何分布，即

.

由该定理可以看出，c越小，平均迭代的次数就越少。因此一般地取

.拒绝法的关键是要找到合适的

,使得模拟

的随机变量算法比较容易实现，同时尽可能地使得

尽量地小，这就要求

的尽可能与

相似。

例子1 用拒绝法模拟一个密度函数为

的随机变量。

解：因为

在

上不为0，因此我们可以取

.那么

. 对该函数进行求导，可以求得在

时，该

取最大值。因此

，于是

。

算法步骤：

1. 生成随机数
   ;
2. 生成随机数
   ,若
   ,则令
   结束。否则返回步骤1。

执行步骤1的平均次数为

。

生成一个

的R程序：

y<-runif(1)
     u<-runif(1)
     while (u>(256*y*(1-y)^3)/27){
          y<-runif(1)
          u<-runif(1)
          }
     x<-y
     x

运行结果：

> x

[1] 0.4946905

作业：

1.用拒绝变换法产生一个随机变量

，其中

的分布为

;

2.用拒绝变换法产生一个随机变量

,其中

的密度为

;

3.用拒绝变换法产生一个随机变量

，其中

的分布为

.

参考答案：

1.密度函数为

令

,那么

.因此

这样便可以得到模拟

的算法：

1. 生成随机数
   ;
2. 生成随机数
   ;
3. 若
   ,则令
   ;否则返回到步骤1

R语言实现

   u<-runif(1)
     u1<-runif(1)
     while (u1>=2*u+1)/3){
          u<-runif(1)
          u1<-runif(1)
          }
     x<-u
     x

2. 令

,那么

。

那么

。根据拒绝法算法步骤得到模拟X的R语言实现为:

   y<-rexp(1,0.5)
     u<-runif(1)
     while (u>=y*exp(-y/2+1)/2){
          y<-rexp(1,0.5)
          u<-runif(1)
          }
     x<-y
     x