本文介绍了如何使用Python生成随机变量和随机向量的样本，包括连续型随机变量（如指数分布）、离散型随机变量（如Bernoulli和Poisson分布）、随机向量以及通过Gibbs采样模拟二元正态分布。此外，还探讨了Markov链的轨道与其极限分布的关系，以及如何通过轨道采样估算平稳分布。
如何生成一个随机变量/随机向量的随机样本？连续型随机变量离散型随机变量随机向量Markov 链的一个轨道与其极限分布的关系
如何生成一个随机变量/随机向量的随机样本？
import random, math连续型随机变量
在已知分布函数的表达式的情况下，有 .
以指数分布为例 ，
先生成一个 之间的均匀分布随机数 ，再求出 的一个近似根，这个根就是我们要的指数分布随机变量的一个样本。
关于连续的单调函数的求根，二分法足够起到良好的效果。
def bisect_exp(lambda_, r: float) -> float:def random_exp(lambda_, size:int =100) -> List[float]:以 看看效果，先画出该分布的密度函数
12, 
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
