You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

关于接受-拒绝算法生成Beta分布样本的证明验证及修正请求

关于接受-拒绝算法生成Beta分布样本的证明验证及修正请求

大家好!我写了一份针对下述问题的证明,希望能得到各位的反馈,帮忙检查其中是否存在错误,如有需要请指出并修正。

问题

对于 $\alpha > 0$ 和 $\beta > 0$,考虑如下接受-拒绝算法:

  • 生成独立同分布的均匀分布$(0,1)$随机变量 $U_1$ 和 $U_2$。
  • 令 $V_1 = U_1^{1/\alpha}$,$V_2 = U_2^{1/\beta}$。
  • 令 $W = V_1 + V_2$。若 $W \leq 1$,则令 $X = V_1/W$;否则回到第一步。
  • 输出 $X$。

证明 $X$ 服从参数为 $\alpha$ 和 $\beta$ 的Beta分布。

我的证明尝试

通过概率积分变换,可得 $V_1$ 和 $V_2$ 的累积分布函数分别为 $F_{V_1}(v_1) = v_1^\alpha$ 和 $F_{V_2}(v_2) = v_2^\beta$。我们需要计算:
$$
\begin{array}{ccl}
F_X(x) &= P(X \leq x) &= P\left(\frac{V_1}{V_1+V_2} \leq x \mid V_1 + V_2 \leq 1 \right) \
&&= \cfrac{P \left( \frac{V_1}{V_1+V_2} \leq x, V_1+V_2 \leq 1 \right)}{P\left( V_1 + V_2 \leq 1\right)} \
\end{array}
$$

有一种方法是直接利用 $V_1$ 和 $V_2$ 的联合概率密度函数来计算,不过我尝试通过定义特定变换来直接推导Beta分布的累积分布函数表达式。

考虑变换 $Y = \frac{V_1}{V_1+V_2}$ 和给定的 $W = V_1+V_2$,则有 $V_1 = YW$,$V_2 = W(1-Y)$。计算该变换的雅可比行列式为 $W$,因此联合概率密度函数为:
$$
\begin{array}{ll}
f_{Y,W}(y,w) &= \alpha(yw){\alpha-1}\beta(w(1-y)){\beta-1} \times w \
&= \alpha \beta w^{\alpha + \beta -1} y^{\alpha -1 }(1-y)^{\beta - 1}
\end{array}
$$

验证联合概率密度函数的规范性

由于 $V_1, V_2$ 服从 $(0,1)$ 上的均匀分布变换而来,其取值范围为 $(0,1)$,因此变换后的变量 $y \in (0,1)$,$w \in (0,2)$。同时还需满足:

  • $V_1 < 1$ 即 $yw < 1$
  • $V_2 < 1$ 即 $w(1-y) < 1$

将上述约束转化为 $w$ 关于 $y$ 的范围:
$$
\begin{array}{ll}
0 < w < \frac{1}{1-y} & \text{,当 } 0 < y < 1/2 \text{ 时,} \
0 < w < \frac{1}{y} & \text{,当 } 1/2 < y < 1 \text{ 时。}
\end{array}
$$

我们需要验证联合概率密度函数在上述区域上的积分等于1:
$$
\int_0^{1/2} \int_{0}^{1/(1-y)} f_{Y,W}(y,w) dw dy + \int_{1/2}^{1} \int_{0}^{1/y} f_{Y,W}(y,w) dw dy = 1.
$$

计算过程如下:
$$
\begin{array}{ll}
&\int_0^{1/2} \int_{0}^{1/(1-y)} \alpha \beta w^{\alpha + \beta -1} y^{\alpha -1 }(1-y)^{\beta - 1} dw dy + \int_{1/2}^{1} \int_{0}^{1/y} \alpha \beta w^{\alpha + \beta -1} y^{\alpha -1 }(1-y)^{\beta - 1} dw dy \
= & \frac{\alpha \beta}{\alpha + \beta} \left{ \int_0^{1/2} \frac{y^{\alpha -1 }}{(1-y)^{\alpha + 1}} dy + \int_{1/2}^{1} \frac{(1-y)^{\beta - 1}}{y^{\beta +1 }} dy \right}\
= & \frac{\alpha \beta}{\alpha + \beta} \left{ \frac{1}{\alpha} + \frac{1}{\beta} \right} \
= &1.
\end{array}
$$

这说明推导得到的联合概率密度函数是规范的!

推导 $F_X(x)$

现在我们计算 $F_X(x)$ 表达式中的分子和分母:

分子部分:$P \left( \frac{V_1}{V_1+V_2} \leq x, V_1+V_2 \leq 1 \right)$

该概率对应联合分布中 $Y \leq x$ 且 $W \leq 1$ 的区域,积分计算如下:
$$
\begin{array}{ll}
P \left( \frac{V_1}{V_1+V_2} \leq x, V_1+V_2 \leq 1 \right) &= P \left( Y \leq x, W \leq 1 \right)\
&= \int_0^{x} \int_{0}^{1} \alpha \beta w^{\alpha + \beta -1} y^{\alpha -1 }(1-y)^{\beta - 1} dw dy \
&= \frac{\alpha \beta}{\alpha + \beta} \cdot \frac{\Gamma(\alpha) \Gamma(\beta)}{\Gamma(\alpha + \beta)} I(x,\alpha,\beta)
\end{array}
$$
其中 $I(x,\alpha,\beta)$ 是不完全Beta函数,即标准Beta分布的累积分布函数。

分母部分:$P \left( V_1+V_2 \leq 1 \right)$

该概率对应联合分布中 $W \leq 1$ 的区域,积分计算如下:
$$
\begin{array}{ll}
P \left( V_1+V_2 \leq 1 \right) &= P \left( W \leq 1 \right)\
&= \int_0^{1} \int_{0}^{1} \alpha \beta w^{\alpha + \beta -1} y^{\alpha -1 }(1-y)^{\beta - 1} dw dy \
&= \frac{\alpha \beta}{\alpha + \beta} \cdot \frac{\Gamma(\alpha) \Gamma(\beta)}{\Gamma(\alpha + \beta)}
\end{array}
$$

将分子除以分母,最终可得 $F_X(x) = I(x,\alpha,\beta)$,即 $X$ 服从参数为 $\alpha$ 和 $\beta$ 的Beta分布。

麻烦各位帮我检查一下这份证明中是否存在错误,非常感谢!

备注:内容来源于stack exchange,提问作者TryingHardToBecomeAGoodPrSlvr

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.04.21 15:20:29