Question

所以这就是问题：

假设我们只有一个随机数生成器，它有一个U（0,1）分布。但是我们想要生成具有非均匀分布的随机数序列（例如，Exp（2））。现在，请首先使用随机数生成器生成105个均匀（U（0,1））分布式样本，然后将这些样本转换为数据点，这些数据点应具有Exp（2）分布，最后使用hist函数绘制这些变换样本

我无法转换为指数级别。我给TA发了电子邮件，他没有多大帮助，但他确实告诉我，我不需要循环。

以下是我所拥有的：

distnames = {'Uniform', 'Exponential'};
lower=0;
upper=1;
uds = makedist(distnames{1},'lower' ,lower, 'upper', upper);
nums = random(uds, 1, 10); %using 10 randoms for testing, needs to be 10^5

for k=1:length(nums)
    mu=2;
    uds = makedist(distnames{2},'mu' ,mu);
    points = pdf(uds);
end

%%hist(points)

Answer 1

你缺少的是整体数学。

您可以使用以下方法从单个变量概率分布生成绘制：（1）均匀随机数生成器和（2）您尝试生成的分布的累积分布函数（逆CDF）的逆

为什么会这样？

设F ^ -1表示逆cdf。设X是均匀分布在（0,1）上的随机变量。 Y = F ^ -1（X）的分布是多少？事实证明，以这种方式生成的Y具有CDF F.证明大纲：

P(Y<= a) = P(F^-1(X) <= a) 
         = P(X <= F(a)) 
         = F(a)             (since X is uniform on (0,1) and 0 <= F(a) <= 1)
The CDF of Y (i.e. P(Y <= a)) is equal to F

如何生成伪随机抽取的示例

例如。从标准正态分布生成伪随机抽取：

y = norminv(rand(), 0, 1);   % In Matlab, 'norminv' is inverse CDF function
                             % for normal distribution. (0 is mean, 1 is stdev)

您的代码长度约为1行。用任何反向CDF替换norminv。

Matlab统一分布到指数分布

1 个答案:

为什么会这样？

如何生成伪随机抽取的示例