逆变换法生成离散分布当x为1,2,3,4,5时p为0.05,但x为6,7,8,9,10时p为0.15,生成该概率分布的随机变量x,r语言实现
时间: 2024-10-24 19:17:15 浏览: 14
逆变换法是一种常用的生成随机数的方法,它利用了概率密度函数(PDF)的性质。对于给定的概率分布,首先你需要确定累积分布函数(CDF),然后找到CDF对应的随机值,最后通过反向查找得出原始分布的数值。
在这个例子中,分布有两个部分:x=1到5,概率为0.05;x=6到10,概率为0.15。首先,我们需要计算每个区间内的CDF:
1. 对于x=1到5:CDF = (1 * 0.05 + 2 * 0.05 + 3 * 0.05 + 4 * 0.05 + 5 * 0.05) / 总概率
2. 对于x=6到10:CDF = ((5+1)*0.05 + (6+1)*0.05 + (7+1)*0.05 + (8+1)*0.05 + 9*0.15 + 10*0.15) / 总概率
接下来,假设总概率是P_total,我们可以计算出两个CDF的具体值,记作CDF_1和CDF_2。然后,你可以设定一个0到1之间的均匀随机数u,并找到对应到这两个CDF范围的x值:
- 如果u <= CDF_1,那么生成的x值就是第1组中的某个随机位置(例如,如果u = CDF_1 - 0.01,则x = 1)
- 否则(u > CDF_1),u减去CDF_1得到的差用于选择第二组,以此类推,直到找到合适的x值。
以下是R语言的实现示例:
```R
# 设定初始概率
pdf_1 <- c(0.05, 0.05, 0.05, 0.05, 0.05)
pdf_2 <- c(0.15, 0.15, 0.15, 0.15, 0.15)
# 计算总概率
total_prob <- sum(pdf_1) + sum(pdf_2)
# 定义累积分布函数
cdf_1 <- cumsum(pdf_1) / total_prob
cdf_2 <- cumsum(pdf_2) / total_prob
# R语言生成随机数
set.seed(123) # 设置随机种子保证结果可复现
generate_x <- function(u) {
if (u <= cdf_1[5]) {
return(1:5[sample.int(length(cdf_1), 1)])
} else {
u_diff <- u - cdf_1[5]
group_2_index <- min(which(cdf_2 >= u_diff))
return(6:10[group_2_index])
}
}
# 生成100次随机数
random_samples <- replicate(100, generate_x(runif(1)))
```
阅读全文