Python 从N个元素的拒绝采样中输出N个元素

我对给定概率密度函数的N个元素应用拒绝抽样

pdf

。当对N个元素应用此方法时，很可能返回的值数组的元素数比正在计算的N个元素数少，这是由于应用拒绝方法而不循环

条件

的值为

False

为了协调这一点，我可以尝试循环不满足

条件的值

，直到它们为

真

。但是，我不确定如何循环条件，直到数组中的元素数与给定我定义的函数的值N数具有相同的长度

import numpy

N = 1000 # number of elements
x = np.linspace(0, 200, N) 
pdf = pdf(x) # some pdf


# Rejection Method #1
# -------------------
fx = np.random.random_sample(size=N) * x.max() # uniform random samples scaled out
u = np.random.random_sample(size=N) # uniform random sample
condition = np.where(u <= pdf/pdf.max())[0] # Run first rejection criterion that returns bool values
x_arr = fx[condition] 

# Here, len(x_arr) < N, so I want to fix it until len(x_arr) == N
while len(x_arr) < N:
    ...
    if len(x_arr) == N:
        break

导入numpy
N=1000#元件数量
x=np.linspace（0，200，N）
pdf=pdf（x）#一些pdf
#拒绝方法#1
# -------------------
fx=np.random.random_样本（大小=N）*x.max（）#按比例缩小的均匀随机样本
u=np.随机.随机样本（大小=N）#均匀随机样本
condition=np。其中（u这里是使用布尔和高级索引的一种方法。它保留一个索引列表，其中值被拒绝，并重新绘制这些值，直到列表为空

采样和接受/拒绝功能示例：

def sample(N):
    return np.random.uniform(-3, 3, (N,))

def accept(v):
    return np.random.rand(v.size) < stats.norm().pdf(v)

健全性检查：

>>> counts, bins = np.histogram(draw(100000, sample, accept))
>>> counts / stats.norm().pdf((bins[:-1] + bins[1:]) / 2)
array([65075.50020815, 65317.17811578, 60973.84255365, 59440.53739031,
       58969.62310004, 59267.33983256, 60565.1928325 , 61108.60840388,
       64303.2863583 , 68293.86441234])

看起来大致平淡，所以还行。
Hmm，不太确定你在问什么，但你总是可以附加一个无关紧要的（也许？）在while循环中填充x_arr以增加长度。我编辑了我的帖子。你几乎说了我想尝试和做的事情。但是，我在执行
条件==False
的迭代过程时遇到了问题。我基于长度参数
while len（x_arr）
，然后循环所有内容，直到实际
len（x_arr）==N
。
>>> counts, bins = np.histogram(draw(100000, sample, accept))
>>> counts / stats.norm().pdf((bins[:-1] + bins[1:]) / 2)
array([65075.50020815, 65317.17811578, 60973.84255365, 59440.53739031,
       58969.62310004, 59267.33983256, 60565.1928325 , 61108.60840388,
       64303.2863583 , 68293.86441234])