Hoàn toàn không đúng khi nói rằng các phương pháp nghịch đảo là không thể tính toán. Có các xấp xỉ số hoàn toàn tốt với CDF Gauss nghịch đảo . Theo như tôi biết, rất nhiều phương pháp sử dụng nó để tạo các biến ngẫu nhiên gaussian. Tất nhiên có rất nhiều phương pháp khác , có thể đơn giản hơn để tạo Gaussian.
Liên quan đến lấy mẫu từ chối, đây là một túi hỗn hợp. Nếu là pdf Gaussian, sau đó lấy mẫu từ chối, bạn cần phải tìm một PDF mà thống trị : , đối với một số . Một cách giải thích cho ở đây là số lần từ chối dự kiến bạn cần thực hiện trước khi chấp nhận một mẫu, vì vậy càng nhỏ thì càng tốt. Vấn đề này có thể làm cho việc từ chối lấy mẫu là một nỗi đau rất lớn bởi vì đôi khi là rất lớn. Quy tắc ở đây là, nếu bạn không thể tìm thấy một làm cho có thể chuyển đổi được, bạn sẽ cần xem xét các phương thức khác, ví dụ: phương pháp biến đổi nghịch đảo.f( x )g( x ) f( x )f( X ) ≤ Mg( x )M> 0MMMgM
Ví dụ: phân phối theo cấp số nhân hoạt động cho phân phối bình thường (thực tế là phân phối một mặt bình thường, sau đó bạn có thể lật một đồng xu để quyết định ký hiệu). Trong trường hợp này, bạn có thể tìm ra , điều này thật tuyệt vời vì hàm mũ rất dễ tạo ra bằng phương pháp cdf nghịch đảo và bạn chỉ cần ném ra khoảng 2 mẫu trung bình . Điều tuyệt vời khi lấy mẫu từ chối kết hợp với MCMC là, khi được sử dụng một cách thông minh , bạn có thể mô phỏng các sự kiện hiếm mà không thực sự phải đợi thời gian tồn tại của vũ trụ để sự kiện xảy ra.M=2π/e−−−−√=1.32