舍选抽样法代码python

好的，以下是舍选抽样法的 Python 代码：

import random

def rejection_sampling(p, q, samples):
    """
    p: 目标分布
    q: 提议分布
    samples: 样本数量
    """
    x = []
    for i in range(samples):
        z = random.uniform(0, 1)
        y = q()
        if z < p(y) / q(y):
            x.append(y)
    return x

其中，`p` 和 `q` 都是概率密度函数，`q` 是一个提议分布，用于生成样本。`rejection_sampling` 函数会返回 `samples` 个符合目标分布 `p` 的样本。

相关问题

第一类舍选抽样python

第一类舍选抽样是一种概率抽样方法，用于从一个给定的概率分布中生成样本。在Python中，可以使用以下步骤实现第一类舍选抽样：

1. 定义目标概率分布函数：首先，需要定义一个函数来表示目标概率分布。这个函数应该接受一个参数，并返回该参数对应的概率值。

2. 确定上界：找到一个上界M，使得对于所有可能的输入x，目标概率分布函数的值都小于等于M。这个上界可以通过计算目标概率分布函数在整个输入空间上的最大值来确定。

3. 生成样本：使用循环来生成样本。在每次循环中，首先生成一个随机数x，范围在目标概率分布函数的输入空间内。然后，生成一个随机数y，范围在[0, M]之间。如果y小于等于目标概率分布函数在x处的值，那么x就是一个符合目标概率分布的样本。

下面是一个简单的示例代码：

import random

def target_distribution(x):
    # 定义目标概率分布函数
    return x**2

def rejection_sampling():
    M = 1  # 上界
    samples = []
    num_samples = 1000  # 生成样本的数量

    for _ in range(num_samples):
        while True:
            x = random.uniform(0, 1)  # 生成随机数x
            y = random.uniform(0, M)  # 生成随机数y

            if y <= target_distribution(x):
                samples.append(x)
                break

    return samples

# 调用函数生成样本
samples = rejection_sampling()
print(samples)

这段代码中，我们定义了一个目标概率分布函数`target_distribution(x)`，并使用`rejection_sampling()`函数进行第一类舍选抽样。最后，我们生成了1000个符合目标概率分布的样本，并打印出来。

写一段抽样的代码python

好的，这里是一段简单的 Python 代码：

import random

# 生成 10 个随机整数并输出
for i in range(10):
    print(random.randint(1, 100))

这段代码使用 `random` 模块生成 10 个介于 1 到 100 之间的随机整数，并将其输出到控制台中。每次输出的结果都会不一样，是一种随机化抽样的实现方式。