Що таке зворотний метод генератора випадкових чисел?
5.1 Алгоритм зворотного перетворення [ F-1 ( u ) визначається як таке значення x, що F ( x ) = u .] Таким чином, наведене вище твердження показує, що ми можемо генерувати випадкову величину X із неперервної функції розподілу F, генеруючи випадкове число U, а потім встановлюючи X = F-1 (U).
Метод інверсії ґрунтується на принципі, що неперервні кумулятивні функції розподілу (cdfs) рівномірно змінюються на відкритому інтервалі (0,1). Якщо u є рівномірним випадковим числом на (0,1), то x = F – 1 ( u ) генерує випадкове число x із будь-якого неперервного розподілу з заданим cdf F .
Техніка зворотного CDF для генерації випадкової вибірки використовує той факт, що неперервна CDF, F, є взаємно однозначним відображенням області визначення CDF в інтервал (0,1). Отже, якщо U є рівномірною випадковою величиною на (0,1), то X = F–1(U) має розподіл F.
Анотація Зворотна вибірка є адаптивний метод, згідно з яким розмір вибірки є адаптивним. На основі нового доказу оцінка Мерті тепер може бути застосована з або без адаптивної кластерної вибірки до зворотної вибірки, щоб забезпечити неупереджені оцінки середнього та дисперсії середнього оцінювача.
Зворотне перетворення дискретизації метод генерування випадкових чисел з будь-якого розподілу ймовірностей за допомогою його зворотного кумулятивного розподілу F−1(x). Нагадаємо, що кумулятивний розподіл для випадкової величини X є FX(x)=P(X≤x).
У моделюванні та моделюванні інверсний метод полягає в метод, за якого вхідні параметри моделі оцінюються (з невизначеністю) шляхом порівняння вихідних величин моделі з експериментальними даними.