如何从R中已知的二元PDF生成随机变量？

在DX x DY矩形区域中有一个二元概率密度函数：

我使用的是R。如何在这个pdf分布之后的矩形内生成随机（x，y）点

我读过很多关于“逆变换采样”的答案，但我没有一个单变量pdf。我已经看过了，但是看起来很乏味，而且很难实现

---

提前谢谢你

这似乎更像是一个统计问题，而不是一个编程问题。无论如何，拒绝抽样应该在你的情况下起作用。你可以在网站上阅读详细信息。以下函数执行拒绝采样（n…样本数；pdf…概率密度函数；maxval…pdf可以产生的最大（或更大）值；xlim，ylim…边界框，其中密度函数产生的值大于零）：

p、 美国。

---

也可以使用逆变换采样。计算沿x轴的边缘分布。使用此分布进行逆变换采样以获得x值。对于该x值，使用条件概率分布（给定获得的x，y的概率）并再次使用逆变换采样，现在用于y值。

Hi，一个后续问题：假设我们使用上述方法从联合PDF中采样x和y。我们如何使用X和Y的采样值来计算E（X）和Var（X）？

reject.sample.2d <- function(n,pdf,maxval,xlim,ylim)
{
  smpl <- data.frame(x=numeric(n),y=numeric(n))
  i <- 0
  while (i<n)
  {
    xval <- runif(1,xlim[1],xlim[2])
    yval <- runif(1,ylim[1],ylim[2])
    if (runif(1)<pdf(xval,yval)/maxval)
    {
      i <- i+1
      smpl[i,] <- c(xval,yval)
    }
  }
  return(smpl)
}

mydens <- function(x,y)
{
  dnorm(x)*dnorm(y)
}

res <- reject.sample.2d(5000,mydens,0.16,c(-5,5),c(-5,5))

> sd(res[["x"]])
[1] 1.015413
> sd(res[["y"]])
[1] 0.9981738

> shapiro.test(res[["x"]])

    Shapiro-Wilk normality test

data:  res[["x"]]
W = 0.9995, p-value = 0.1603

> shapiro.test(res[["y"]])

    Shapiro-Wilk normality test

data:  res[["y"]]
W = 0.9997, p-value = 0.8304