역변환 표본 추출

역변환 표본 추출은 균등 분포 난수에 목표 분포의 누적 분포 함수의 역함수를 적용하여 표본을 생성함으로써, 균등 변량을 정확한 표본으로 변환합니다.

Definition

역변환 표본 추출은 (0,1) 범위에서 균등하게 U를 추출하고, 목표 분포의 누적 분포 함수가 U와 같아지는 값을 반환하여 해당 분포에서 정확한 표본을 생성하는 기법입니다.

Scope

이 주제는 이 방법을 정당화하는 확률 적분 변환, 연속 및 이산 분포에 대한 적용, 누적 분포 함수가 닫힌 형식을 갖지 않을 때의 수치적 역변환 사용, 그리고 기각-선택 방법 및 특수 알고리즘에 대한 이 방법의 장점과 한계를 다룹니다.

Core questions

• 균등 변량에 역누적 분포 함수를 적용하는 것이 왜 목표 분포를 생성하는가?
• 일반화된 역함수를 통해 이 방법이 이산 분포에 어떻게 적용되는가?
• 닫힌 형식이 없는 누적 분포 함수를 역변환하는 수치적 기법은 무엇인가?
• 역변환이 기각-선택 방법이나 분포별 알고리즘보다 선호되는 경우는 언제인가?

Key concepts

• 누적 분포 함수
• 분위수 함수
• 확률 적분 변환
• 수치적 역변환
• 단조성

Key theories

확률 적분 변환

X가 연속 누적 분포 함수 F를 갖는다면, F(X)는 (0,1)에서 균등 분포를 따릅니다. 반대로, 균등 변량에 F의 역함수를 적용하면 분포 F를 따르는데, 이것이 역변환의 정확한 기초입니다.

이산 및 혼합 분포를 위한 일반화된 역함수

F가 엄격하게 증가하지 않을 때, 누적 확률이 U에 도달하는 값들의 하한으로 정의되는 분위수 함수는 역변환을 이산 및 혼합 분포로 확장하며, 표본 추출을 누적 확률을 통한 탐색으로 축소합니다.

Clinical relevance

역변환은 지수, 코시, 로지스틱 및 기타 여러 변량을 생성하고, 경험적 및 적합된 분포에서 시뮬레이션하며, 공통 난수에 시뮬레이션을 연결하는 데 핵심적인 역할을 합니다. 단일 균등 입력이 단일 출력에 매핑되므로 공유된 무작위성을 기반으로 하는 분산 감소 기법도 가능하게 합니다.

History

확률 적분 변환은 20세기 초 수학 통계학에서 확립되었으며, 디지털 컴퓨터가 분위수 함수 평가를 일상화하면서 표준 시뮬레이션 도구가 되었습니다. 이후 닫힌 형식의 분위수를 갖지 않는 분포에 대한 정확한 수치적 역변환에 중점을 두었습니다.

Key figures

• Luc Devroye
• Christian P. Robert
• George Casella

Seminal works

• devroye1986
• robert2004

Frequently asked questions

역변환 표본 추출을 직접 사용할 수 없는 경우는 언제인가요?

역누적 분포 함수를 평가해야 합니다. 정규 분포와 같이 역함수가 초등적인 닫힌 형식을 갖지 않는 분포의 경우, 정확한 수치 근사를 사용하거나 기각-선택과 같은 다른 방법으로 전환합니다.

역변환은 이산 분포에도 적용되나요?

네, 그렇습니다. 일반화된 역함수를 사용하여 누적 확률이 균등 추출값 이상인 가장 작은 값을 반환하는데, 이는 목표에 대한 누적 확률표를 검색하는 것과 같습니다.