Il metodo dell'inversione, noto anche come trasformazione integrale di probabilità, è una tecnica per generare un campione di numeri casuali distribuiti secondo una data distribuzione casuale, nota la sua funzione di distribuzione di probabilità. Questo metodo è sufficientemente generico, ma può essere computazionalmente troppo oneroso in pratica per talune distribuzioni di probabilità. Una metodologia che applica un algoritmo meno generico ma computazionalmente più efficiente è la trasformata di Box-Muller.
Presupposto Il metodo dell'inversione si basa sul fatto che se X è una variabile casuale continua con una funzione di ripartizione strettamente crescente FX e Y = FX(X), allora Y ha una distribuzione uniforme nell'intervallo [FX_min , FX_max].
Il metodo Il problema risolto tramite il metodo dell'inversione è descrivibile nella maniera seguente: È data X variabile casuale la cui distribuzione può essere descritta tramite la funzione di ripartizione F; L'obiettivo è ottenere dei valori di X tali che siano distribuiti secondo tale funzione.
Molti linguaggi di programmazione hanno la capacità di generare sequenze di numeri pseudo-casuali, che sono effettivamente distribuiti uniformemente. Se una variabile casuale ha tale distribuzione, allora la probabilità di cadere in ogni sottointervallo (a, b) dell'intervallo tra 0 e 1 è semplicemente la lunghezza b − a.
Il metodo procede come segue: Genera un numero casuale distribuito uniformemente, detto u; Calcola il valore x tale che ; chiamiamo tale valore x*; x* è il numero casuale distribuito secondo F.
In altro modo, data una variabile casuale uniforme continua U in [0, 1] e una funzione di ripartizione invertibile F, la variabile casuale X = F −1(U) è distribuita secondo F (o, equivalentemente X ha la distribuzione F).
È dimostrabile la caratterizzazione di tali funzioni inverse come soluzioni di determinate equazioni differenzialiSteinbrecher, G., Shaw, W.T. (2008). Quantile mechanics. European Journal of Applied Mathematics 19 (2): 87-112.. Alcune di queste equazioni ammettono tra le soluzioni esplicite delle serie di potenze, nonostante la non linearità delle equazioni stesse.
Dimostrazione della correttezza
Assumiamo che F sia una distribuzione di ripartizione, continua, e che sia la sua inversa:Luc Devroye. Non-Uniform Random Variate Generation. New York: Springer-Verlag, 1986. (online ) Vedere il capitolo 2 , sezione 2, p. 28.
Tesi: Se U è una variabile casuale uniforme tra (0, 1) allora segue la distribuzione F
Dimostrazione:
Note
Categoria:Statistica matematica Categoria:Statistica computazionale Categoria:Variabili casuali