一.求逆法:
二.捨棄法:
三.python實現,通過從均勻分佈中抽樣,模擬其他分佈的樣本
# 求逆法,需要原函數的逆函數比較容易求得
import numpy as np
import matplotlib.pyplot as plt
uniform_data=np.linspace(0,1000,10000)
# 針對連續型密度函數 3*x^2 ,求原函數,即不定積分
from sympy import *
x=symbols('x')
print(Integral(3*x**2,x).doit()) # 可以看到 x**3 爲原函數
# 那麼根據上面的結果,原函數的逆爲 u^(1/3)
y=[ele**(1/3) for ele in uniform_data]
z=[3*ele**2 for ele in y]
#plt.plot(y,z)
#plt.show()
# 捨棄法
# 令,f(x)=6*x*(x-1) g(x) 服從(0,1)均勻分佈,則g(x)=1,c=6
from numpy import random
#生成1000個隨機數
k=0
j=0 # 若要生成k=1000個隨機數,需要模擬j次
random_data1=[]
while k<1000:
j=j+1
u=random.uniform(0,1,1)
ran=random.uniform(0,1,1)
#print(ran)
if ran*(1-ran)>u:
k=k+1
random_data1.append(ran[0])
print(j) # 若要產生1000個隨機數,則需要模擬大約6000多次