Échantillonnage par transformation inverse

L'échantillonnage par transformation inverse génère un tirage à partir d'une distribution cible en évaluant l'inverse de sa fonction de répartition cumulative à un nombre aléatoire uniforme, transformant ainsi une variable aléatoire uniforme en un échantillon exact.

Definition

L'échantillonnage par transformation inverse est la technique consistant à tirer U uniformément sur (0,1) et à renvoyer la valeur pour laquelle la fonction de répartition cumulative de la cible est égale à U, produisant ainsi un échantillon exact de cette distribution.

Scope

Ce sujet aborde la transformation intégrale de probabilité qui justifie la méthode, son application aux distributions continues et discrètes, l'utilisation de l'inversion numérique lorsque la fonction de répartition cumulative inverse n'a pas de forme analytique, ainsi que les forces et les limites de la méthode par rapport à l'échantillonnage par rejet et aux algorithmes spécialisés.

Core questions

• Pourquoi l'application de la fonction de répartition cumulative inverse à une variable aléatoire uniforme produit-elle la distribution cible ?
• Comment la méthode est-elle adaptée aux distributions discrètes par l'intermédiaire de l'inverse généralisée ?
• Quelles techniques numériques permettent d'inverser une fonction de répartition cumulative qui n'a pas de forme analytique ?
• Quand l'inversion est-elle préférable à l'échantillonnage par rejet ou aux algorithmes spécifiques à une distribution ?

Key concepts

• Fonction de répartition cumulative
• Fonction quantile
• Transformation intégrale de probabilité
• Inversion numérique
• Monotonie

Key theories

Transformation intégrale de probabilité

Si X a une fonction de répartition cumulative F continue, alors F(X) est uniforme sur (0,1) ; inversement, l'inverse de F appliquée à une variable aléatoire uniforme a une distribution F, ce qui constitue la base exacte de l'inversion.

Inverse généralisée pour les distributions discrètes et mixtes

Lorsque F n'est pas strictement croissante, la fonction quantile définie comme l'infimum des valeurs dont la probabilité cumulative atteint U étend l'inversion aux distributions discrètes et mixtes, réduisant l'échantillonnage à une recherche parmi les probabilités cumulatives.

Clinical relevance

L'inversion est un outil fondamental pour générer des variables aléatoires exponentielles, de Cauchy, logistiques et de nombreuses autres, pour simuler à partir de distributions empiriques et ajustées, et pour coupler des simulations à des nombres aléatoires communs ; parce qu'une seule entrée uniforme correspond à une seule sortie, elle permet également des schémas de réduction de variance basés sur un aléa partagé.

History

La transformation intégrale de probabilité a été établie au début du XXe siècle en statistique mathématique et est devenue un outil de simulation standard une fois que les ordinateurs numériques ont rendu l'évaluation des fonctions quantiles routinière, avec un accent ultérieur sur l'inversion numérique précise pour les distributions dépourvues de quantiles sous forme analytique.

Key figures

• Luc Devroye
• Christian P. Robert
• George Casella

Seminal works

• devroye1986
• robert2004

Frequently asked questions

Quand l'échantillonnage par transformation inverse ne peut-il pas être utilisé directement ?

Il nécessite l'évaluation de la fonction de répartition cumulative inverse. Pour des distributions telles que la normale, dont l'inverse n'a pas de forme analytique élémentaire, on utilise des approximations numériques précises ou on passe à une autre méthode comme l'échantillonnage par rejet.

L'inversion fonctionne-t-elle pour les distributions discrètes ?

Oui. En utilisant l'inverse généralisée, on renvoie la plus petite valeur dont la probabilité cumulative est au moins égale au tirage uniforme, ce qui revient à rechercher la cible dans la table des probabilités cumulatives.